Statistical Design

اگرچه طراحی آماری یکی از قدیمی‌ترین شاخه‌های آمار است، اهمیت آن به ویژه در مواجهه با سیل داده‌ها که اغلب با آمارگیران مواجه است، روز به روز در حال افزایش است. مهم است که طراحی مناسب را بشناسید، و درک کنید که چگونه می توان آن را به طور موثر پیاده سازی کرد، زیرا توجه داشت که تنظیمات پیش فرض یک بسته کامپیوتری به راحتی می تواند تجزیه و تحلیل نادرستی ارائه دهد. هدف این کتاب توصیف اصولی است که طراحی خوب را با توجه به پیش‌زمینه نظری و مشکلات ناشی از موقعیت‌های واقعی تجربی بیان می‌کند. طرح‌ها از طریق آزمایش‌های واقعی ایجاد می‌شوند، از بلوک‌های کامل تصادفی کشاورزی بی‌زمان، تا آزمایش‌های ریزآرایه، که به طور طبیعی منجر به طرح‌های طرح‌های تقسیم‌شده و بلوک‌های ناقص متعادل می‌شوند.

جرج کازلا، استاد برجسته گروه آمار در دانشگاه فلوریدا او در بسیاری از جنبه‌های آمار فعال است و به آمارهای نظری در حوزه‌های تئوری تصمیم‌گیری و اطمینان آماری، آمار محیطی کمک کرده است و اخیراً تلاش‌هایی را در ژنومیک آماری متمرکز کرده است. او همچنین علایق تحقیقاتی فعالی در نظریه و کاربرد مونت کارلو و سایر روش‌های محاسباتی فشرده دارد. او به عنوان یک ISI \"محقق با استناد بالا\" فهرست شده است.

در سایر سمت ها، پروفسور Casella به عنوان سردبیر نظریه و روش ها در مجله انجمن آماری آمریکا خدمت کرده است. 1996-1999، سردبیر اجرایی علوم آماری، 2001-2004، و سردبیر مشترک مجله انجمن آماری سلطنتی، سری B، 2009-2012. او در هیئت علوم ریاضی شورای ملی تحقیقات، 1999-2003، و بسیاری از کمیته های انجمن آمار آمریکا و موسسه آمار ریاضی خدمت کرده است. پروفسور Casella پنج کتاب درسی را با هم تالیف کرده است: Variance Components، 1992; تئوری تخمین نقطه ای، چاپ دوم، 1377; روشهای آماری مونت کارلو، ویرایش دوم، 2004; استنتاج آماری، ویرایش دوم، 2001، و ژنومیک آماری صفات پیچیده، 2007.

Although statistical design is one of the oldest branches of statistics, its importance is ever increasing, especially in the face of the data flood that often faces statisticians. It is important to recognize the appropriate design, and to understand how to effectively implement it, being aware that the default settings from a computer package can easily provide an incorrect analysis. The goal of this book is to describe the principles that drive good design, paying attention to both the theoretical background and the problems arising from real experimental situations. Designs are motivated through actual experiments, ranging from the timeless agricultural randomized complete block, to microarray experiments, which naturally lead to split plot designs and balanced incomplete blocks.

George Casella is Distinguished Professor in the Department of Statistics at the University of Florida. He is active in many aspects of statistics, having contributed to theoretical statistics in the areas of decision theory and statistical confidence, to environmental statistics, and has more recently concentrated efforts in statistical genomics. He also maintains active research interests in the theory and application of Monte Carlo and other computationally intensive methods. He is listed as an ISI "Highly

Cited Researcher."

In other capacities, Professor Casella has served as Theory and Methods Editor of the Journal of the American Statistical Association, 1996-1999, Executive Editor of Statistical Science, 2001-2004, and Co-Editor of the Journal of the Royal Statistical Society, Series B, 2009-2012. He has served on the Board of Mathematical Sciences of the National Research Council, 1999-2003, and many committees of both the American Statistical Association and the Institute of Mathematical Statistics. Professor Casella has co-authored five textbooks: Variance Components, 1992; Theory of Point Estimation, Second Edition, 1998; Monte Carlo Statistical Methods, Second Edition, 2004; Statistical Inference, Second Edition, 2001, and Statistical Genomics of Complex Traits, 2007.