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
ویرایش: نویسندگان: Prentice. Ross L., Zhao. Shanshan 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
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.
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.
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