ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب The statistical analysis of multivariate time data: a marginal modeling approach

دانلود کتاب تجزیه و تحلیل آماری داده های زمانی چند متغیره: یک رویکرد مدل سازی حاشیه ای

The statistical analysis of multivariate time data: a marginal modeling approach

مشخصات کتاب

The statistical analysis of multivariate time data: a marginal modeling approach

ویرایش:  
نویسندگان: ,   
سری:  
ISBN (شابک) : 9780429162367, 0429529708 
ناشر: CRC Press 
سال نشر: 2019 
تعداد صفحات: [241] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 Mb 

قیمت کتاب (تومان) : 32,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 6


در صورت تبدیل فایل کتاب The statistical analysis of multivariate time data: a marginal modeling approach 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 آماری داده های زمانی چند متغیره: یک رویکرد مدل سازی حاشیه ای 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.


توضیحاتی در مورد کتاب تجزیه و تحلیل آماری داده های زمانی چند متغیره: یک رویکرد مدل سازی حاشیه ای

تحلیل آماری داده‌های زمان خرابی چند متغیره: رویکرد مدل‌سازی حاشیه‌ای، نگاهی نوآورانه به روش‌هایی برای تحلیل زمان‌های خرابی مرتبط ارائه می‌دهد. تمرکز بر استفاده از برآوردگرهای نرخ خطر شکست حاشیه ای و دوگانه حاشیه ای برای استخراج اطلاعات رگرسیون است. به عنوان مثال، در زمینه کارآزمایی تصادفی شده یا مطالعات کوهورت، نتایج فراتر از نتایج بدست آمده از تجزیه و تحلیل هر نتیجه زمانی شکست به صورت تک متغیره است. مخاطب این کتاب پژوهشگران، دست اندرکاران و دانشجویان تحصیلات تکمیلی است و می تواند به عنوان مرجع یا متن دوره تحصیلات تکمیلی مورد استفاده قرار گیرد. بسیاری از ادبیات مربوط به تجزیه و تحلیل داده‌های زمان خرابی همبسته سانسور شده از مدل‌های شکنندگی یا copula استفاده می‌کنند تا وابستگی‌های باقی‌مانده در بین زمان‌های شکست، با توجه به متغیرهای کمکی، امکان‌پذیر باشد. در مقابل، این کتاب شرح مفصلی از روش‌های اخیراً توسعه‌یافته برای برآورد همزمان پارامترهای رگرسیون نرخ خطر پیامد منفرد و دوگانه، با تأکید بر مدل‌های ضربی (کاکس) ارائه می‌کند. تصاویری از کاربرد این روش‌ها با استفاده از داده‌های کارآزمایی تصادفی‌شده کنترل‌شده ابتکار بهداشت زنان در مورد هورمون‌های یائسگی و مداخله الگوی غذایی کم‌چرب ارائه شده است. به عنوان محصولات جانبی، این روش‌ها برآوردگرهای نیمه پارامتریک انعطاف‌پذیر توابع بازمانده دو متغیره زوجی در تاریخچه‌های متغیر کمکی مشخص، و همچنین برآوردگرهای نیمه پارامتریک نسبت متقاطع و توابع تطابق با متغیرهای کمکی را ارائه می‌کنند. این ارائه همچنین توضیح می‌دهد که چگونه این روش‌های نوآورانه ممکن است برای رسیدگی به مسائل مربوط به سانسور وابسته، متغیرهای کمکی گمشده و اشتباه اندازه‌گیری شده، و مدل‌سازی مشترک زمان‌های شکست و متغیرهای کمکی گسترش یابد و زمینه را برای پیشرفت‌های نظری و کاربردی بیشتر فراهم کند. این کتاب به سبک کلاسیک تحلیل آماری داده های زمان شکست توسط Kalbfleisch و Prentice ادامه می دهد. راس ال پرنتیس، استاد آمار زیستی در مرکز تحقیقات سرطان فرد هاچینسون و دانشگاه واشنگتن در سیاتل، واشنگتن است. او دریافت کننده جوایز رئیس جمهور COPSS و فیشر، جوایز اپیدمیولوژی/پیشگیری و علم تیمی AACR است و عضو آکادمی ملی پزشکی است. شانشان ژائو محقق اصلی در موسسه ملی علوم بهداشت محیطی در پارک تحقیقاتی مثلثی کارولینای شمالی است.  بیشتر بخوانید...
چکیده: تجزیه و تحلیل آماری داده‌های زمان شکست چند متغیره: رویکرد مدل‌سازی حاشیه‌ای نگاهی نوآورانه به روش‌هایی برای تجزیه و تحلیل زمان‌های خرابی مرتبط ارائه می‌دهد. تمرکز بر استفاده از برآوردگرهای نرخ خطر شکست حاشیه ای و دوگانه حاشیه ای برای استخراج اطلاعات رگرسیون است. به عنوان مثال، در زمینه کارآزمایی تصادفی یا مطالعات کوهورت، نتایج فراتر از آن چیزی است که با تجزیه و تحلیل هر پیامد زمان شکست به صورت تک متغیره به دست می آید. مخاطب این کتاب پژوهشگران، دست اندرکاران و دانشجویان تحصیلات تکمیلی است و می تواند به عنوان مرجع یا متن دوره تحصیلات تکمیلی مورد استفاده قرار گیرد. بسیاری از ادبیات مربوط به تجزیه و تحلیل داده‌های زمان خرابی همبسته سانسور شده از مدل‌های شکنندگی یا copula استفاده می‌کنند تا وابستگی‌های باقی‌مانده در بین زمان‌های شکست، با توجه به متغیرهای کمکی، امکان‌پذیر باشد. در مقابل، این کتاب شرح مفصلی از روش‌های اخیراً توسعه‌یافته برای برآورد همزمان پارامترهای رگرسیون نرخ خطر پیامد منفرد و دوگانه، با تأکید بر مدل‌های ضربی (کاکس) ارائه می‌کند. تصاویری از کاربرد این روش‌ها با استفاده از داده‌های کارآزمایی تصادفی‌شده کنترل‌شده ابتکار بهداشت زنان در مورد هورمون‌های یائسگی و مداخله الگوی غذایی کم‌چرب ارائه شده است. به عنوان محصولات جانبی، این روش‌ها برآوردگرهای نیمه پارامتریک انعطاف‌پذیر توابع بازمانده دو متغیره زوجی در تاریخچه‌های متغیر کمکی مشخص، و همچنین برآوردگرهای نیمه پارامتریک نسبت متقاطع و توابع تطابق با متغیرهای کمکی را ارائه می‌کنند. این ارائه همچنین توضیح می‌دهد که چگونه این روش‌های نوآورانه ممکن است برای رسیدگی به مسائل مربوط به سانسور وابسته، متغیرهای کمکی گمشده و اشتباه اندازه‌گیری شده، و مدل‌سازی مشترک زمان‌های شکست و متغیرهای کمکی گسترش یابد و زمینه را برای پیشرفت‌های نظری و کاربردی بیشتر فراهم کند. این کتاب به سبک کلاسیک تحلیل آماری داده های زمان شکست توسط Kalbfleisch و Prentice ادامه می دهد. راس ال پرنتیس، استاد آمار زیستی در مرکز تحقیقات سرطان فرد هاچینسون و دانشگاه واشنگتن در سیاتل، واشنگتن است. او دریافت کننده جوایز رئیس جمهور COPSS و فیشر، جوایز اپیدمیولوژی/پیشگیری و علم تیمی AACR است و عضو آکادمی ملی پزشکی است. شانشان ژائو محقق اصلی در موسسه ملی علوم بهداشت محیطی در پارک تحقیقاتی مثلثی کارولینای شمالی است.


توضیحاتی درمورد کتاب به خارجی

The Statistical Analysis of Multivariate Failure Time Data: A Marginal Modeling Approach provides an innovative look at methods for the analysis of correlated failure times. The focus is on the use of marginal single and marginal double failure hazard rate estimators for the extraction of regression information. For example, in a context of randomized trial or cohort studies, the results go beyond that obtained by analyzing each failure time outcome in a univariate fashion. The book is addressed to researchers, practitioners, and graduate students, and can be used as a reference or as a graduate course text. Much of the literature on the analysis of censored correlated failure time data uses frailty or copula models to allow for residual dependencies among failure times, given covariates. In contrast, this book provides a detailed account of recently developed methods for the simultaneous estimation of marginal single and dual outcome hazard rate regression parameters, with emphasis on multiplicative (Cox) models. Illustrations are provided of the utility of these methods using Women's Health Initiative randomized controlled trial data of menopausal hormones and of a low-fat dietary pattern intervention. As byproducts, these methods provide flexible semiparametric estimators of pairwise bivariate survivor functions at specified covariate histories, as well as semiparametric estimators of cross ratio and concordance functions given covariates. The presentation also describes how these innovative methods may extend to handle issues of dependent censorship, missing and mismeasured covariates, and joint modeling of failure times and covariates, setting the stage for additional theoretical and applied developments. This book extends and continues the style of the classic Statistical Analysis of Failure Time Data by Kalbfleisch and Prentice. Ross L. Prentice is Professor of Biostatistics at the Fred Hutchinson Cancer Research Center and University of Washington in Seattle, Washington. He is the recipient of COPSS Presidents and Fisher awards, the AACR Epidemiology/Prevention and Team Science awards, and is a member of the National Academy of Medicine. Shanshan Zhao is a Principal Investigator at the National Institute of Environmental Health Sciences in Research Triangle Park, North Carolina.  Read more...
Abstract: The Statistical Analysis of Multivariate Failure Time Data: A Marginal Modeling Approach provides an innovative look at methods for the analysis of correlated failure times. The focus is on the use of marginal single and marginal double failure hazard rate estimators for the extraction of regression information. For example, in a context of randomized trial or cohort studies, the results go beyond that obtained by analyzing each failure time outcome in a univariate fashion. The book is addressed to researchers, practitioners, and graduate students, and can be used as a reference or as a graduate course text. Much of the literature on the analysis of censored correlated failure time data uses frailty or copula models to allow for residual dependencies among failure times, given covariates. In contrast, this book provides a detailed account of recently developed methods for the simultaneous estimation of marginal single and dual outcome hazard rate regression parameters, with emphasis on multiplicative (Cox) models. Illustrations are provided of the utility of these methods using Women's Health Initiative randomized controlled trial data of menopausal hormones and of a low-fat dietary pattern intervention. As byproducts, these methods provide flexible semiparametric estimators of pairwise bivariate survivor functions at specified covariate histories, as well as semiparametric estimators of cross ratio and concordance functions given covariates. The presentation also describes how these innovative methods may extend to handle issues of dependent censorship, missing and mismeasured covariates, and joint modeling of failure times and covariates, setting the stage for additional theoretical and applied developments. This book extends and continues the style of the classic Statistical Analysis of Failure Time Data by Kalbfleisch and Prentice. Ross L. Prentice is Professor of Biostatistics at the Fred Hutchinson Cancer Research Center and University of Washington in Seattle, Washington. He is the recipient of COPSS Presidents and Fisher awards, the AACR Epidemiology/Prevention and Team Science awards, and is a member of the National Academy of Medicine. Shanshan Zhao is a Principal Investigator at the National Institute of Environmental Health Sciences in Research Triangle Park, North Carolina





نظرات کاربران