中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
R語言醫學多元統計分析 版權信息
- ISBN：9787115620118
- 條形碼：9787115620118 ; 978-7-115-62011-8
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
R語言醫學多元統計分析 本書特色
1.R語言多元統計分析在醫學領域的應用指南，結合精選的醫學實例，幫助讀者熟練使用R語言及相關包實現多元統計計算，并且更深入地理解多元數據分析方法。
2.作者趙軍副教授在流行病學、醫學統計學和數據科學領域擁有超過15年的教學和科研工作經驗是國內多家醫院的統計分析咨詢與服務專家。
3.強調實戰和應用，使用R語言介紹常用的多元統計分析方法，不僅介紹理論知識，還提供了大量的應用案例和代碼，幫助讀者更好地理解和應用所學知識。
4.本書可作為醫學院校高年級本科生或研究生的多元統計分析課程教材，也可作為其他專業讀者和科研工作者從事科研活動的參考資料。
5.資源豐富：全書附有代碼和數據集，習題參考答案等資源，可供讀者隨時查閱和參考。
R語言醫學多元統計分析 內容簡介
隨著醫學研究和信息技術的快速發展，多元數據分析方法廣泛應用于醫學各個領域。R 是一款優秀的開源軟件，有著實用的統計計算與可視化功能。本書使用 R 語言，結合精選的醫學實例介紹常用多元統計分析方法。 統計分析方法只有在實際應用中才能得到直接、生動的驗證。本書強調實戰和應用，盡量淡化統計公式的推導和計算過程。通過本書的學習，讀者能熟練使用 R 語言及相關包實現多元統計計算，還能更深入地理解多元數據分析方法。 本書可作為醫學院校高年級本科生或研究生的多元統計分析課程教材，亦可作為其他專業讀者和科研工作者從事科研活動的參考資料。全書附有代碼和數據集，每章后都有習題，書后附有習題參考答案，可供讀者自學使用。
R語言醫學多元統計分析 目錄
第 1 章 緒論 1
1 1 多元數據 1
1 2 多元描述性統計量 3
1 2 1 均值向量 3
1 2 2 協方差矩陣 3
1 2 3 相關系數矩陣 4
1 3 距離、相異系數、相似系數和列聯系數 5
1 3 1 基于數值型變量的距離 5
1 3 2 基于分類變量的相異系數 7
1 3 3 基于混合類型變量的相異系數 8
1 3 4 相似系數 9
1 3 5 列聯系數 12
1 4 多元正態分布 13
1 4 1 多元正態分布的定義 13
1 4 2 多元正態分布的檢驗 14
1 4 3 二元正態分布及其參考值范圍 15
1 5 小結 17
1 6 習題 18
第 2 章 多元數據可視化 19
2 1 相關系數圖 19
2 2 散點圖矩陣 21
2 3 符號圖 23
2 4 臉譜圖 25
2 5 星狀圖和雷達圖 27
2 6 平行坐標圖 30
2 7 調和曲線圖 32
2 8 小結 33
2 9 習題 33
第 3 章 多元數據的組間比較 34
3 1 多元 T 檢驗 34
3 1 1 單個正態總體均值向量檢驗 34
3 1 2 多元配對設計的均值向量檢驗 36
3 1 3 多元成組設計兩樣本的均值向量檢驗 38
3 2 多元方差分析 40
3 3 重復測量資料的多變量分析 42
3 4 協方差矩陣的檢驗 46
3 5 多變量的非參數檢驗 47
3 6 小結 48
3 7 習題 48
第 4 章 聚類分析 49
4 1 聚類分析的目的與方法 49
4 2 層次聚類法 50
4 2 1 度量類與類之間距離的方法 50
4 2 2 Q 型聚類實例 52
4 2 3 R 型聚類實例 59
4 3 k 均值聚類法 60
4 4 模糊 C 均值聚類法 63
4 5 基于模型的聚類 68
4 6 小結 73
4 7 習題 73
第 5 章 判別分析 75
5 1 距離判別法 75
5 2 Fisher 判別法 79
5 3 Bayes 判別法 82
5 4 機器學習分類算法 83
5 4 1 決策樹模型 84
5 4 2 使用 caret 包實現機器學習算法 87
5 4 3 K *鄰近分類 92
5 4 4 支持向量機分類 95
5 4 5 神經網絡分類 97
5 4 6 隨機森林分類 100
5 5 小結 102
5 6 習題 103
第 6 章 主成分分析 104
6 1 主成分分析的基本原理 104
6 1 1 主成分的定義 104
6 1 2 主成分分析的幾何意義 105
6 1 3 主成分的求法 105
6 2 使用 R 包計算主成分 107
6 2 1 使用 stats 包計算主成分 108
6 2 2 使用 FactoMineR 包計算主成分 109
6 3 主成分的應用 118
6 3 1 主成分評價 118
6 3 2 主成分回歸 122
6 4 小結 123
6 5 習題 123
第 7 章 因子分析 125
7 1 因子分析模型 125
7 2 因子分析模型的求解 126
7 3 因子旋轉 129
7 4 因子分析的注意事項 133
7 5 小結 134
7 6 習題 134
第 8 章 結構方程模型 135
8 1 結構方程模型概述 135
8 1 1 變量類型 135
8 1 2 結構方程模型的組成與路徑圖 135
8 1 3 結構方程模型分析步驟 138
8 1 4 lavaan 包簡介 141
8 2 驗證性因子分析 142
8 3 實例分析 148
8 4 小結 152
8 5 習題 152
第 9 章 典型相關分析 154
9 1 典型相關分析的基本思想 154
9 2 典型相關分析的基本原理 155
9 3 典型相關分析的基本步驟 155
9 4 實例分析 157
9 4 1 兩組變量之間的相關性 159
9 4 2 典型相關系數和典型變量 160
9 4 3 典型相關系數的顯著性檢驗 164
9 4 4 典型結構分析 165
9 5 小結 166
9 6 習題 166
第 10 章 偏*小二乘回歸分析 168
10 1 偏*小二乘回歸的基本原理 168
10 2 偏*小二乘回歸的基本步驟 168
10 3 實例分析 170
10 4 小結 174
10 5 習題 174
第 11 章 對應分析 176
11 1 對應分析概述 176
11 1 1 對應分析的基本思想 176
11 1 2 基本概念 176
11 1 3 R 型與 Q 型因子分析的對等關系 178
11 1 4 對應分析應用于定量變量的情形 179
11 1 5 對應分析的計算步驟 179
11 2 簡單對應分析 180
11 3 多重對應分析 185
11 4 小結 194
11 5 習題 194
附錄 A 矩陣運算基礎 196
A 1 矩陣的定義與創建 196
A 2 矩陣的基本運算 197
A 3 方陣的行列式與逆矩陣 198
A 4 矩陣的特征值與特征向量 198
A 5 矩陣的奇異值分解 198
附錄 B 習題參考答案 200
參考文獻 212
1 1 多元數據 1
1 2 多元描述性統計量 3
1 2 1 均值向量 3
1 2 2 協方差矩陣 3
1 2 3 相關系數矩陣 4
1 3 距離、相異系數、相似系數和列聯系數 5
1 3 1 基于數值型變量的距離 5
1 3 2 基于分類變量的相異系數 7
1 3 3 基于混合類型變量的相異系數 8
1 3 4 相似系數 9
1 3 5 列聯系數 12
1 4 多元正態分布 13
1 4 1 多元正態分布的定義 13
1 4 2 多元正態分布的檢驗 14
1 4 3 二元正態分布及其參考值范圍 15
1 5 小結 17
1 6 習題 18
第 2 章 多元數據可視化 19
2 1 相關系數圖 19
2 2 散點圖矩陣 21
2 3 符號圖 23
2 4 臉譜圖 25
2 5 星狀圖和雷達圖 27
2 6 平行坐標圖 30
2 7 調和曲線圖 32
2 8 小結 33
2 9 習題 33
第 3 章 多元數據的組間比較 34
3 1 多元 T 檢驗 34
3 1 1 單個正態總體均值向量檢驗 34
3 1 2 多元配對設計的均值向量檢驗 36
3 1 3 多元成組設計兩樣本的均值向量檢驗 38
3 2 多元方差分析 40
3 3 重復測量資料的多變量分析 42
3 4 協方差矩陣的檢驗 46
3 5 多變量的非參數檢驗 47
3 6 小結 48
3 7 習題 48
第 4 章 聚類分析 49
4 1 聚類分析的目的與方法 49
4 2 層次聚類法 50
4 2 1 度量類與類之間距離的方法 50
4 2 2 Q 型聚類實例 52
4 2 3 R 型聚類實例 59
4 3 k 均值聚類法 60
4 4 模糊 C 均值聚類法 63
4 5 基于模型的聚類 68
4 6 小結 73
4 7 習題 73
第 5 章 判別分析 75
5 1 距離判別法 75
5 2 Fisher 判別法 79
5 3 Bayes 判別法 82
5 4 機器學習分類算法 83
5 4 1 決策樹模型 84
5 4 2 使用 caret 包實現機器學習算法 87
5 4 3 K *鄰近分類 92
5 4 4 支持向量機分類 95
5 4 5 神經網絡分類 97
5 4 6 隨機森林分類 100
5 5 小結 102
5 6 習題 103
第 6 章 主成分分析 104
6 1 主成分分析的基本原理 104
6 1 1 主成分的定義 104
6 1 2 主成分分析的幾何意義 105
6 1 3 主成分的求法 105
6 2 使用 R 包計算主成分 107
6 2 1 使用 stats 包計算主成分 108
6 2 2 使用 FactoMineR 包計算主成分 109
6 3 主成分的應用 118
6 3 1 主成分評價 118
6 3 2 主成分回歸 122
6 4 小結 123
6 5 習題 123
第 7 章 因子分析 125
7 1 因子分析模型 125
7 2 因子分析模型的求解 126
7 3 因子旋轉 129
7 4 因子分析的注意事項 133
7 5 小結 134
7 6 習題 134
第 8 章 結構方程模型 135
8 1 結構方程模型概述 135
8 1 1 變量類型 135
8 1 2 結構方程模型的組成與路徑圖 135
8 1 3 結構方程模型分析步驟 138
8 1 4 lavaan 包簡介 141
8 2 驗證性因子分析 142
8 3 實例分析 148
8 4 小結 152
8 5 習題 152
第 9 章 典型相關分析 154
9 1 典型相關分析的基本思想 154
9 2 典型相關分析的基本原理 155
9 3 典型相關分析的基本步驟 155
9 4 實例分析 157
9 4 1 兩組變量之間的相關性 159
9 4 2 典型相關系數和典型變量 160
9 4 3 典型相關系數的顯著性檢驗 164
9 4 4 典型結構分析 165
9 5 小結 166
9 6 習題 166
第 10 章 偏*小二乘回歸分析 168
10 1 偏*小二乘回歸的基本原理 168
10 2 偏*小二乘回歸的基本步驟 168
10 3 實例分析 170
10 4 小結 174
10 5 習題 174
第 11 章 對應分析 176
11 1 對應分析概述 176
11 1 1 對應分析的基本思想 176
11 1 2 基本概念 176
11 1 3 R 型與 Q 型因子分析的對等關系 178
11 1 4 對應分析應用于定量變量的情形 179
11 1 5 對應分析的計算步驟 179
11 2 簡單對應分析 180
11 3 多重對應分析 185
11 4 小結 194
11 5 習題 194
附錄 A 矩陣運算基礎 196
A 1 矩陣的定義與創建 196
A 2 矩陣的基本運算 197
A 3 方陣的行列式與逆矩陣 198
A 4 矩陣的特征值與特征向量 198
A 5 矩陣的奇異值分解 198
附錄 B 習題參考答案 200
參考文獻 212
展開全部
R語言醫學多元統計分析 作者簡介
趙軍，流行病學博士，湖北醫藥學院公共衛生與健康學院副教授，預防醫學系主任，碩士研究生導師。主要研究方向為流行病學、醫學統計學、數據科學。主講“醫學統計學”“R語言醫學數據分析”和“醫藥數理統計方法”等課程。有超過15年的統計學和數據科學教學和科研工作經驗，為國內多家醫院提供統計分析咨詢與服務。擔任環境衛生學雜志編委，湖北醫藥學院學報編委，十堰市健康管理學會理事等。主持和參與多項國家級、省部級科研項目，已發表SCI學術論文20余篇；撰寫了《R語言醫學數據分析實戰》《Python醫學數據分析入門》等圖書。
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
名家帶你讀魯迅:故事新編
- >
羅曼·羅蘭讀書隨筆-精裝
- >
詩經-先民的歌唱
- >
伊索寓言-世界文學名著典藏-全譯本
- >
巴金－再思錄
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
