دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: آمار زیستی ویرایش: نویسندگان: Steve Selvin سری: ISBN (شابک) : 0521895197, 9780511388521 ناشر: سال نشر: 2008 تعداد صفحات: 298 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل بقا برای تحقیقات اپیدمیولوژیک و پزشکی (راهنمای عملی آمار و اپیدمیولوژی): رشته های پزشکی، پزشکی اجتماعی و آمار زیست پزشکی
در صورت تبدیل فایل کتاب Survival Analysis for Epidemiologic and Medical Research (Practical Guides to Biostatistics and Epidemiology) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل بقا برای تحقیقات اپیدمیولوژیک و پزشکی (راهنمای عملی آمار و اپیدمیولوژی) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این راهنمای عملی نشان میدهد که چرا روشهای تحلیلی کار میکنند و چگونه میتوان به طور موثر دادههای اپیدمیولوژیک و بقای پزشکی را با کمک سیستمهای کامپیوتری مدرن تجزیه و تحلیل و تفسیر کرد. مقدمه مروری بر انواع روش های آماری ارائه می دهد که نه تنها عناصر کلیدی تجزیه و تحلیل بقا هستند، بلکه به طور کلی برای تجزیه و تحلیل آماری نیز مرکزی هستند. تکنیکهایی مانند آزمونهای آماری، تبدیلها، فواصل اطمینان و مدلسازی تحلیلی در زمینه دادههای بقا ارائه میشوند، اما در واقع، ابزارهای آماری هستند که برای درک تجزیه و تحلیل انواع بسیاری از دادهها کاربرد دارند. به طور مشابه، بحث در مورد مفاهیم آماری مانند سوگیری، مخدوش، استقلال، و تعامل در زمینه تجزیه و تحلیل بقا و همچنین اجزای اساسی طیف گسترده ای از کاربردها ارائه شده است.
This practical guide shows why the analytic methods work and how to effectively analyze and interpret epidemiologic and medical survival data with the help of modern computer systems. The introduction presents a review of a variety of statistical methods that are not only key elements of survival analysis but are also central to statistical analysis in general. Techniques such as statistical tests, transformations, confidence intervals, and analytic modeling are presented in the context of survival data but are, in fact, statistical tools that apply to understanding the analysis of many kinds of data. Similarly, discussions of such statistical concepts such as bias, confounding, independence, and interaction are presented in the context of survival analysis as well as the basic components of a broad range of applications.