Logistic Regression

Author: David G. Kleinbaum
Publisher: Springer Science & Business Media
ISBN: 1475741081
Format: PDF, ePub
Download Now
This text on logistic regression methods contains the following eight chapters: 1 Introduction to Logistic Regression 2 Important Special Cases of the Logistic Model 3 Computing the Odds Ratio in Logistic Regression 4 Maximum Likelihood Techniques: An Overview 5 Statistical Inferences Using Maximum Likelihood Techniques 6 Modeling Strategy Guidelines 7 Modeling Strategy for Assessing Interaction and Confounding 8 Analysis of Matched Data Using Logistic Regression Each chapter contains a presentation of its topic in "lecture-book" format together with objectives, an outline, key formulae, practice exercises, and a test. The "lecture-book" has a sequence of illustrations and formulae in the left column of each page and a script in the right column. This format allows you to read the script in conjunction with the illustrations and formulae that high light the main points, formulae, or examples being presented. The reader mayaiso purchase directly from the author audio-cassette tapes of each chapter. If you purchase the tapes, you may use the tape with the illustrations and formulae, ignoring the script. The use of the audiotape with the illustrations and formulae is intended to be similar to a lecture. An audio cassette player is the only equipment required. Tapes may be obtained by writing or calling the author at the following address: Depart ment of Epidemiology, School of Public Health, Emory University, 1599 Clifton Rd. N. E. , Atlanta, GA 30333, phone (404) 727-9667. This text is intended for self-study.

Regression

Author: Ludwig Fahrmeir
Publisher: Springer-Verlag
ISBN: 3642018378
Format: PDF, ePub, Docs
Download Now
In dem Band beschreiben die Autoren erstmals klassische Regressionsansätze und moderne nicht- und semiparametrische Methoden in einer integrierten und anwendungsorientierten Form. Um Lesern die Analyse eigener Fragestellungen zu ermöglichen, demonstrieren sie die praktische Anwendung der Konzepte und Methoden anhand ausführlicher Fallstudien. Geeignet für Studierende der Statistik sowie für Wissenschaftler und Praktiker, zum Beispiel in den Wirtschafts- und Sozialwissenschaften, der Bioinformatik und -statistik, Ökonometrie und Epidemiologie.

Survival Analysis

Author: David G. Kleinbaum
Publisher: Springer
ISBN: 1441966463
Format: PDF, ePub
Download Now
An excellent introduction for all those coming to the subject for the first time. New material has been added to the second edition and the original six chapters have been modified. The previous edition sold 9500 copies world wide since its release in 1996. Based on numerous courses given by the author to students and researchers in the health sciences and is written with such readers in mind. Provides a "user-friendly" layout and includes numerous illustrations and exercises. Written in such a way so as to enable readers learn directly without the assistance of a classroom instructor. Throughout, there is an emphasis on presenting each new topic backed by real examples of a survival analysis investigation, followed up with thorough analyses of real data sets.

Medizinische Statistik

Author: Hans J. Trampisch
Publisher: Springer-Verlag
ISBN: 364256996X
Format: PDF, Kindle
Download Now
"Statistiken sind merkwürdige Dinge ...", dies wird so mancher Mediziner denken, wenn er sich mit der Biometrie befaßt. Sei es im Rahmen seiner Ausbildung oder im Zuge wissenschaftlicher oder klinischer Studien, Kenntnisse der Statistik und Mathematik sind unentbehrlich für die tägliche Arbeit des Mediziners. Ziel dieses Lehrbuches ist es, den Mediziner systematisch an biometrische Terminologie und Arbeitsmethoden heranzuführen, um ihn schließlich mit den Grundlagen der Wahrscheinlichkeitsrechung vertraut zu machen. Nach der Lektüre dieses Buches hält der Leser ein Werkzeug in den Händen, das ihm bei der Lösung medizinscher Fragestellungen hilft ebenso wie bei der Beschreibung von Ergebnissen wissenschaftlicher Studien und natürlich bei der Doktorarbeit!

Analyzing Ecological Data

Author: Alain Zuur
Publisher: Springer Science & Business Media
ISBN: 0387459723
Format: PDF
Download Now
This book provides a practical introduction to analyzing ecological data using real data sets. The first part gives a largely non-mathematical introduction to data exploration, univariate methods (including GAM and mixed modeling techniques), multivariate analysis, time series analysis, and spatial statistics. The second part provides 17 case studies. The case studies include topics ranging from terrestrial ecology to marine biology and can be used as a template for a reader’s own data analysis. Data from all case studies are available from www.highstat.com. Guidance on software is provided in the book.

Dynamic Regression Models for Survival Data

Author: Torben Martinussen
Publisher: Springer Science & Business Media
ISBN: 0387339604
Format: PDF, ePub, Mobi
Download Now
This book studies and applies modern flexible regression models for survival data with a special focus on extensions of the Cox model and alternative models with the aim of describing time-varying effects of explanatory variables. Use of the suggested models and methods is illustrated on real data examples, using the R-package timereg developed by the authors, which is applied throughout the book with worked examples for the data sets.

Statistik Workshop f r Programmierer

Author: Allen B. Downey
Publisher: O'Reilly Germany
ISBN: 3868993436
Format: PDF, Kindle
Download Now
Wenn Sie programmieren können, beherrschen Sie bereits Techniken, um aus Daten Wissen zu extrahieren. Diese kompakte Einführung in die Statistik zeigt Ihnen, wie Sie rechnergestützt, anstatt auf mathematischem Weg Datenanalysen mit Python durchführen können. Praktischer Programmier-Workshop statt grauer Theorie: Das Buch führt Sie anhand eines durchgängigen Fallbeispiels durch eine vollständige Datenanalyse -- von der Datensammlung über die Berechnung statistischer Kennwerte und Identifikation von Mustern bis hin zum Testen statistischer Hypothesen. Gleichzeitig werden Sie mit statistischen Verteilungen, den Regeln der Wahrscheinlichkeitsrechnung, Visualisierungsmöglichkeiten und vielen anderen Arbeitstechniken und Konzepten vertraut gemacht. Statistik-Konzepte zum Ausprobieren: Entwickeln Sie über das Schreiben und Testen von Code ein Verständnis für die Grundlagen von Wahrscheinlichkeitsrechnung und Statistik: Überprüfen Sie das Verhalten statistischer Merkmale durch Zufallsexperimente, zum Beispiel indem Sie Stichproben aus unterschiedlichen Verteilungen ziehen. Nutzen Sie Simulationen, um Konzepte zu verstehen, die auf mathematischem Weg nur schwer zugänglich sind. Lernen Sie etwas über Themen, die in Einführungen üblicherweise nicht vermittelt werden, beispielsweise über die Bayessche Schätzung. Nutzen Sie Python zur Bereinigung und Aufbereitung von Rohdaten aus nahezu beliebigen Quellen. Beantworten Sie mit den Mitteln der Inferenzstatistik Fragestellungen zu realen Daten.

Datenanalyse mit Python

Author: Wes McKinney
Publisher: O'Reilly
ISBN: 3960102143
Format: PDF, Kindle
Download Now
Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.6, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy, IPython und Jupyter kennen.Geschrieben von Wes McKinney, dem Begründer des pandas-Projekts, bietet Datenanalyse mit Python einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und zugehöriges Material des Buchs sind auf GitHub verfügbar.Aus dem Inhalt:Nutzen Sie die IPython-Shell und Jupyter Notebook für das explorative ComputingLernen Sie Grundfunktionen und fortgeschrittene Features von NumPy kennenSetzen Sie die Datenanalyse-Tools der pandasBibliothek einVerwenden Sie flexible Werkzeuge zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von DatenErstellen Sie interformative Visualisierungen mit matplotlibWenden Sie die GroupBy-Mechanismen von pandas an, um Datensätzen zurechtzuschneiden, umzugestalten und zusammenzufassenAnalysieren und manipulieren Sie verschiedenste Zeitreihen-DatenFür diese aktualisierte 2. Auflage wurde der gesamte Code an Python 3.6 und die neuesten Versionen der pandas-Bibliothek angepasst. Neu in dieser Auflage: Informationen zu fortgeschrittenen pandas-Tools sowie eine kurze Einführung in statsmodels und scikit-learn.