Nonparametric Models for Longitudinal Data: With Implementation in R de Colin O. Wu

Nonparametric Models for Longitudinal Data: With Implementation in R: Chapman & Hall/CRC Monographs on Statistics and Applied Probability

Autor Colin O. Wu, Xin Tian

en Limba Engleză Paperback – 30 iun 2020

Observăm în Nonparametric Models for Longitudinal Data o deschidere interdisciplinară remarcabilă, lucrarea situându-se la intersecția dintre statistica matematică, informatică și științele biomedicale. Într-o eră dominată de „big data” și medicina de precizie, Colin O. Wu și Xin Tian propun un cadru riguros pentru analiza măsurătorilor repetate, unde modelele parametrice clasice se dovedesc adesea rigide sau insuficiente pentru a surprinde complexitatea tendințelor temporale.

Abordarea este una echilibrată, alternând între demonstrații teoretice ale rezultatelor asimptotice și aplicații practice imediate. Volumul acoperă aceeași arie ca Nonparametric Regression Methods for Longitudinal Data Analysis de Hulin Wu, dar se distinge printr-o integrare mult mai profundă a implementării în limbajul R, oferind cititorului nu doar formule, ci și instrumentele computaționale necesare pentru execuție. Structura textului este progresivă: începe cu o trecere în revistă a metodelor semiparametrice, avansează spre modele neparametrice pentru medii condiționate și culminează cu subiecte avansate precum modelele de joint-modeling pentru date de supraviețuire și regresia cuantilelor.

Notăm cu interes includerea unor secțiuni dedicate datelor lipsă și covarianțelor adaptative, probleme critice în studiile clinice moderne. Față de tratarea mai generală din Longitudinal Data Analysis de Garrett Fitzmaurice, acest volum se concentrează specific pe tehnicile de netezire (smoothing) și pe modelele cu parametri partajați, oferind o profunzime tehnică superioară în zona metodelor neparametrice structurate. Este o resursă densă, de peste 500 de pagini, care transformă teoria abstractă în inferențe statistice cu semnificație clinică.

Citește tot Restrânge

Din seria Chapman & Hall/CRC Monographs on Statistics and Applied Probability

Preț: 414^.85 lei

Preț vechi: 466^.12 lei
-11%

Puncte Express: 622

Carte disponibilă

Livrare economică 27 mai-10 iunie
Livrare express 13-19 mai pentru 34^.10 lei

Adaugă în coș

Wish list
Gift list
Am citit!

Adaugă în listă

Specificații

ISBN-13: 9780367571665
ISBN-10: 0367571668
Pagini: 582
Dimensiuni: 156 x 234 x 37 mm
Greutate: 0.45 kg
Ediția:1
Editura: CRC Press
Colecția Chapman and Hall/CRC
Seria Chapman & Hall/CRC Monographs on Statistics and Applied Probability

De ce să citești această carte

Recomandăm această carte cercetătorilor din domeniul sănătății publice și studenților la masterat sau doctorat în statistică. Cititorul câștigă o înțelegere profundă a modelelor flexibile pentru date longitudinale, beneficiind de cod R gata de utilizat pentru analiza tendințelor temporale complexe. Este un instrument esențial pentru oricine dorește să depășească limitările modelelor liniare clasice în analiza datelor biomedicale.

Despre autor

Colin O. Wu și Xin Tian sunt experți recunoscuți în biostatistică, activând ca statisticieni matematicieni în cadrul National Institutes of Health (NIH). Colin O. Wu deține un doctorat la University of California, Berkeley și a servit ca editor asociat pentru publicații de referință precum Biometrics. Xin Tian, doctor în statistică la Rutgers University, colaborează strâns cu echipe de cercetare clinică și face parte din numeroase comitete de specialitate ale NIH. Expertiza lor combinată asigură o punte solidă între rigoarea academică și necesitățile practice ale cercetării medicale contemporane.

Cuprins

Overview of Longitudinal Analysis. Parametric and Semiparametric Methods. Nonparametric Models for Conditional-Means. Nonparametric Models with Missing. Functional Linear Models. Nonparametric Joint-Models with Survival Data. Methods for Time-Dependent and Outcome-Adaptive Covariate. Nonparametric Models for Distribution Functions. Structural Nonparametric Methods for Quantile Regression. Appendices.

Descriere scurtă

Nonparametric Models for Longitudinal Data with Implementations in R presents a comprehensive summary of major advances in nonparametric models and smoothing methods with longitudinal data. It covers methods, theories, and applications that are particularly useful for biomedical studies in the era of big data and precision medicine. It also provides flexible tools to describe the temporal trends, covariate effects and correlation structures of repeated measurements in longitudinal data.

This book is intended for graduate students in statistics, data scientists and statisticians in biomedical sciences and public health. As experts in this area, the authors present extensive materials that are balanced between theoretical and practical topics. The statistical applications in real-life examples lead into meaningful interpretations and inferences.

Features:

Provides an overview of parametric and semiparametric methods

Shows smoothing methods for unstructured nonparametric models

Covers structured nonparametric models with time-varying coefficients

Discusses nonparametric shared-parameter and mixed-effects models

Presents nonparametric models for conditional distributions and functionals

Illustrates implementations using R software packages

Includes datasets and code in the authors’ website

Contains asymptotic results and theoretical derivations

Both authors are mathematical statisticians at the National Institutes of Health (NIH) and have published extensively in statistical and biomedical journals. Colin O. Wu earned his Ph.D. in statistics from the University of California, Berkeley (1990), and is also Adjunct Professor at the Georgetown University School of Medicine. He served as Associate Editor for Biometrics and Statistics in Medicine, and reviewer for National Science Foundation, NIH, and the U.S. Department of Veterans Affairs. Xin Tian earned her Ph.D. in statistics from Rutgers, the State University of New Jersey (2003). She has served on various NIH committees and collaborated extensively with clinical researchers.

Recenzii

"This book will be a good reference book in the area of longitudinal data. It provides a self-contained treatment of structured nonparametric models for longitudinal data. Three commonly used method-kernel, polynomial splines, penalization/smoothing splines are all treated with enough depth. The book's coverage of time-varying coefficient models is comprehensive. Shared-parameter and mixed-effects models are very useful in longitudinal data analysis. Section V 'Nonparametric Models for Distribution' summarizes recent development on a new class of models. This section alone will make the book unique among all published books in longitudinal data analysis. Another unique feature of the book is the use of four actual longitudinal studies presented in Section 1.2. The book used data from these four studies when introducing every model/method. This approach motivates each method very well and also shows the usefulness of the method...The book will be an excellent addition to the literature."
~Jianhua Huang, Texas A&M University
". . . , this book provides a comprehensive review of the structure of longitudinal data, as well as several applicable nonparametric models. It should prove useful for those working with biomedical data, including real world evidence. The focus is on theorems and proofs; references demonstrate the depth of the research. Real life examples are provided in the form of data descriptions, as well as R code and output. These examples will allow the reader to employ the models and gain expertise in the interpretation of the R output."
~Journal of Biopharmaceutical Statistics, Darcy Hille, Merck Research Laboratories
"The authors are to be commended for such a thorough and well written book, which would certainly be of interest to anyone involved in analysing complex longitudinal data or with an interest in nonparametric approaches."
~David Hughes, ISCB Newsletter