Statistical Analysis and Data Display: An Intermediate Course with Examples in S-Plus, R, and SAS

این ارائه معاصر از روش های آماری دارای استفاده گسترده از نمایشگرهای گرافیکی برای کاوش داده ها و نمایش تجزیه و تحلیل است. نویسندگان نشان می‌دهند که چگونه داده‌ها را برای همه روش‌هایی که پوشش می‌دهند، تجزیه و تحلیل کنند - نمایش کد، گرافیک، و فهرست‌های رایانه‌ای همراه. آنها بر چگونگی ساخت و تفسیر نمودارها، بحث در مورد اصول طراحی گرافیکی تأکید می کنند و نشان می دهند که چگونه از نتایج جدولی سنتی همراه برای تأیید برداشت های بصری به دست آمده مستقیم از نمودارها استفاده می شود. بسیاری از قالب های گرافیکی جدید هستند و برای اولین بار در اینجا به صورت چاپی ظاهر می شوند. همه فصل ها دارای تمرین هستند.

این کتاب می تواند به عنوان یک متن مستقل برای رشته های آمار در سطح کارشناسی ارشد و برای سایر رشته های کمی جهت گیری در سطح دکترا و به عنوان یک کتاب مرجع باشد. برای محققان بحث های عمیق تحلیل رگرسیون، تحلیل واریانس، و طراحی آزمایش ها با مقدمه هایی برای تجزیه و تحلیل داده های دو متغیره گسسته، ناپارامتریک ها، رگرسیون لجستیک و مدل سازی سری زمانی ARIMA دنبال می شود. نویسندگان مفاهیم و تکنیک های کلاسیک را با انواع مطالعات موردی با استفاده از ابزارهای گرافیکی جدیدتر و نمایشگرهای جدولی سنتی نشان می دهند.

نویسندگان S-Plus، R و SAS را ارائه کرده و در مورد آنها بحث می کنند. توابع و ماکروهای اجرایی برای همه فرمت‌های نمایش گرافیکی جدید. تمامی نمودارها و خروجی های جدولی کتاب با استفاده از این برنامه ها ساخته شده است. رونوشت‌های کامل برای همه مثال‌ها و ارقام برای خوانندگان ارائه شده است تا از آن به عنوان مدل برای تجزیه و تحلیل‌های خود استفاده کنند.

ریچارد ام. هایبرگر و برت هالند هر دو استادان بخش آمار در دانشگاه تمپل و اعضای منتخب انجمن آماری آمریکا. ریچارد ام. هایبرگر در طراحی مدل خطی S-Plus و تجزیه و تحلیل دستورات واریانس زمانی که در آزمایشگاه‌های بل در سال‌های 1987-1988 مرخصی می‌گرفت، شرکت کرد و به‌عنوان یک آزمایش‌کننده بتا و کاربر S-Plus از نزدیک درگیر بوده است. برت هالند کمک های تحقیقاتی زیادی به مدل سازی خطی و استنتاج آماری همزمان کرده است و اغلب به عنوان مشاور محققین پزشکی عمل می کند. هر دو رشته دروس دانشگاه تمپل را تدریس می کنند که الهام بخش آنها برای نوشتن این متن بود.

This contemporary presentation of statistical methods features extensive use of graphical displays for exploring data and for displaying the analysis. The authors demonstrate how to analyze data—showing code, graphics, and accompanying computer listings—for all the methods they cover. They emphasize how to construct and interpret graphs, discuss principles of graphical design, and show how accompanying traditional tabular results are used to confirm the visual impressions derived directly from the graphs. Many of the graphical formats are novel and appear here for the first time in print. All chapters have exercises.

This book can serve as a standalone text for statistics majors at the master's level and for other quantitatively oriented disciplines at the doctoral level, and as a reference book for researchers. In-depth discussions of regression analysis, analysis of variance, and design of experiments are followed by introductions to analysis of discrete bivariate data, nonparametrics, logistic regression, and ARIMA time series modeling. The authors illustrate classical concepts and techniques with a variety of case studies using both newer graphical tools and traditional tabular displays.

The authors provide and discuss S-Plus, R, and SAS executable functions and macros for all new graphical display formats. All graphs and tabular output in the book were constructed using these programs. Complete transcripts for all examples and figures are provided for readers to use as models for their own analyses.

Richard M. Heiberger and Burt Holland are both Professors in the Department of Statistics at Temple University and elected Fellows of the American Statistical Association. Richard M. Heiberger participated in the design of the S-Plus linear model and analysis of variance commands while on research leave at Bell Labs in 1987–88 and has been closely involved as a beta tester and user of S-Plus. Burt Holland has made many research contributions to linear modeling and simultaneous statistical inference, and frequently serves as a consultant to medical investigators. Both teach the Temple University course sequence that inspired them to write this text.