دانلود کتاب Mixture Modelling for Medical and Health Sciences – مدل سازی مخلوط برای علوم پزشکی و بهداشتی

توضیحات

Mixture Modelling for Medical and Health Sciencesprovides a direct connection between theoretical developments in mixture modelling and their applications in real world problems. The book describes the development of the most important concepts through comprehensive analyses of real and practical examples taken from real-life research problems in medical and health sciences. This approach represents balance between ‘theory’ and ‘practice’, stimulating readers and enhancing their capacity to apply mixture models in data analysis. Full of reproducible examples using software code and publicly-available data, the book is suitable for graduate-level students, researchers, and practitioners who have a basic grounding in statistics and would like to explore the use of mixture models to analyse their experiments and research data.

Features

An in-depth account of the most up-to-date mixture modelling techniques from auser perspective.

Extensive real-life examples – from typical daily problems to complex data modelling.

Emphasis on the use of a wide variety of component densities for statistical modelling.

Coverage of the latest random-effects models in modelling complex correlated data.

An accompanying website to provide supplementary materials, including software and detailed programming code, and links to available data sources.

Provision of R and Fortran code for readers who want to do analysis of their own data using mixture models.

Shu-Kay Angus Ng is Professor of Biostatistics in the School of Medicine at the Griffith University, Australia. Dr Ng has published extensively on his research interests, which include cluster analysis, pattern recognition, random-effects modelling, and survival analysis.

Liming Xiang is Associate Professor of Statistics in the School of Physical & Mathematical Sciences at the Nanyang Technological University, Singapore. Her research interests include survival analysis, longitudinal/clustered data analysis and mixture models.

Kelvin Kai-wing Yau is Professor of Statistics in the Department of Management Sciences at the City University of Hong Kong. He has been involved in various interdisciplinary research projects, with journalpublications in statistics, medical and health science journals on topics such as mixed effects models, survival analysis and statistical modelling in general.

————————————————————–

ترجمه ماشینی :

مدل سازی مخلوط برای علوم پزشکی و بهداشتی ارتباط مستقیمی بین تحولات نظری در مدل سازی مخلوط و کاربردهای آنها در مشکلات دنیای واقعی فراهم می کند. این کتاب توسعه مهمترین مفاهیم را از طریق تجزیه و تحلیل جامع نمونه های واقعی و عملی گرفته شده از مشکلات تحقیق در زندگی واقعی در علوم پزشکی و بهداشت توصیف می کند. این رویکرد نشانگر تعادل بین “تئوری” و “تمرین” ، تحریک خوانندگان و تقویت ظرفیت آنها برای استفاده از مدل های مخلوط در تجزیه و تحلیل داده ها است. پر از نمونه های قابل تکرار با استفاده از کد نرم افزار و داده های در دسترس عموم ، این کتاب برای دانشجویان ، محققان و پزشکان در سطح فارغ التحصیل مناسب است که زمینه اساسی در آمار دارند و دوست دارند استفاده از مدل های مخلوط را برای تجزیه و تحلیل آزمایش ها و تحقیقات خود کشف کنند داده ها.

تکنیک ها از دیدگاه Auser.

نمونه های گسترده زندگی واقعی – از مشکلات روزانه معمولی گرفته تا مدل سازی داده های پیچیده. /> تأکید بر استفاده از طیف گسترده ای از چگالی مؤلفه برای مدل سازی آماری. >

یک وب سایت همراه برای تهیه مواد تکمیلی ، از جمله نرم افزار و کد برنامه نویسی دقیق و پیوندها به منابع داده های موجود.

تهیه کد r و fortran برای خوانندگانی که می خواهند با استفاده از مدل های مخلوط ، داده های خود را تجزیه و تحلیل کنند.

< /b> shu-kay angus ng استاد زیست شناسی در دانشکده پزشکی در دانشگاه گریفیت ، استرالیا است. دکتر نگ به طور گسترده در مورد علایق تحقیق خود منتشر کرده است ، که شامل تجزیه و تحلیل خوشه ای ، تشخیص الگوی ، مدل سازی اثرات تصادفی و تجزیه و تحلیل بقا است.