卫生统计方法与应用进展2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

卫生统计方法与应用进展PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 Cox比例风险模型的发展与应用1

第一节 Cox比例风险模型1

一、Cox比例风险模型的结构1

二、参数估计2

三、关于参数的解释5

四、变量的不同编码方式对参数估计值的影响6

第二节 比例风险性质的判别8

一、比例风险的性质8

二、比例风险的生存概率曲线识别法9

三、比例风险的参数识别法12

四、比例风险的残差分析法12

第三节 非比例风险的Cox模型配合18

一、配合协变量与时间交互作用模型（时依系数法）18

二、配合带时依协变量的Cox模型（分段模型）21

三、非比例风险的分层分析法24

第四节 多次事件的生存分析26

一、多次事件的资料结构26

二、各种整理模式下的模型结构27

三、多次事件资料的模型配合过程28

四、多种事件的分析39

第二章 生物信息分析统计方法42

第一节 生物信息学概述42

一、生物信息学研究现状与发展趋势43

二、生物信息学的生物内涵44

三、生物信息学的信息学内涵46

四、生物信息学研究和发展中的交叉学科和大科学特点50

第二节 序列比较方法52

一、数据库搜索简介52

二、序列相似性定义56

三、序列类似性的统计显著性59

四、算法的敏感性与准确度（选择性）62

五、有空隔配准的BLAST程序与位置特异的迭代BLAST程序63

第三节 基因芯片的统计分析方法67

一、基因芯片67

二、基于基因芯片的数据挖掘及可视化68

三、基因转录调控网络分析72

第四节 蛋白质序列模式和序列结构域摸式74

一、基准序列（序列模式）：标纹、标志、指纹和位点74

二、序列结构与模式匹配方法75

第三章 非经典条件下的若干回归分析方法77

第一节 稳健回归方法77

一、稳健统计的基本理论78

二、稳健回归方法进展81

三、应用实例及软件实现86

第二节 截取回归模型88

一、Tobit模型概述88

二、Tobit模型的异方差性和非正态性91

三、应用实例及软件实现95

第三节 非参数回归与广义可加模型98

一、非参数回归的基本方法99

二、偏倚-方差权衡和光滑参数的选择103

三、可加模型105

四、广义可加模型107

五、应用实例及软件实现112

第四章 结构方程模型118

第一节 前言118

第二节 结构方程模型中的几个基本概念119

第三节 结构方程模型中的两类子模型119

第四节 路径图及SEM的协方差结构121

第五节 结构方程模型的分析步骤123

第六节 结构方程模型中的模型识别123

第七节 结构方程模型分析软件125

第八节 结构方程模型参数估计125

第九节 结构方程模型的拟合度评价126

第十节 结构方程模型的修正127

第十一节 应用实例127

第五章 广义估计方程和多水平模型153

第一节 广义估计方程153

一、GEE模型简介153

二、几种常见的组内相关矩阵154

三、GEE的参数估计155

四、GEE在生物医学领域中的应用156

五、其他应用160

第二节 多水平模型160

一、多水平模型简介160

二、多水平模型的参数估计162

三、多水平logistic模型163

四、多水平probit模型及余重对数模型164

五、多水平Poisson模型164

六、多类结果及有序结果的多水平logistic回归167

七、多元重复测量资料的多水平模型167

第三节 广义估计方程与多水平模型的正确应用169

一、GEE中作业相关矩阵的选择169

二、关于缺失数据170

三、GEE与多水平模型的比较170

四、GEE与多水平模型的软件实现170

第六章 Bootstrap方法及其应用172

第一节 发展简史172

第二节 基本思想172

第三节 与传统方法的比较173

一、Bootstrap区间估计174

二、Bootstrap假设检验177

第四节 在生物医学领域的应用177

一、主成分的可信区间估计177

二、可加性logistic回归模型参数的估计178

三、临床试验中生物等效性检验180

第五节 Bootstrap方法的正确应用181

一、Bootstrap方法的资料要求181

二、Bootstrap的误差与自举样本数的确定181

三、Bootstrap的刀切法诊断182

四、Bootstrap法的偏差校正182

第七章 Permutation检验及其应用184

第一节 发展简史184

第二节 基本思想和实施步骤184

一、基本思想184

二、实施步骤185

第三节 Permutation检验与传统方法的比较185

一、在一元分析中的应用185

二、在多元分析中的应用194

第四节 在生物医学领域中的应用197

一、微阵列数据分析中的应用197

二、临床试验资料分析中的应用198

第五节 Permutation检验的正确应用199

一、Permutation含义和特点199

二、检验统计量与模拟次数200

三、应用前景201

第八章 Monte Carlo方法及其在医学中的应用203

第一节 简介203

第二节 Monte Carlo方法的基本思想203

一、Monte Carlo方法的基本原理203

二、Mote Carlo方法的一般步骤204

三、一个简单的例子205

四、Monte Carlo方法的适用范围205

第三节 Monte Carlo方法的收敛性和误差206

一、Monte Carlo方法的收敛性206

二、Monte Carlo方法的误差206

三、减少方差的一些技巧207

四、Monte Carlo方法的优缺点208

第四节 随机数和伪随机数209

一、随机数及其性质209

二、产生随机数的方法209

三、伪随机数的独立性和均匀性210

四、伪随机数的产生方法210

第五节 常用的Monte Carlo抽样方法211

一、连续型变量的抽样方法211

二、离散型变量的抽样方法212

三、特殊的抽样方法213

四、多维随机变量的抽样214

五、关于正态分布的抽样215

第六节 Monte Carlo方法在医学上的应用216

一、回归分析中的应用216

二、饮食暴露评价217

三、生物医学现象（过程）的直接模拟218

四、疾病预防与监测中抽样方案的考查219

五、药物的临床实验219

六、应用中的注意事项219

第九章 数据挖掘技术及其应用221

第一节 数据挖掘概述221

一、数据挖掘的定义和范畴221

二、数据挖掘的特点223

三、数据挖掘算法的基本要求223

四、数据挖掘的过程223

第二节 概念描述230

一、概念描述的生成过程230

二、概念分层230

三、数据泛化230

第三节 数据挖掘基础数学理论232

一、基于概率论和数理统计的数据挖掘232

二、模糊理论237

三、粗糙集理论240

四、不确定性理论的关系244

第四节 数据挖掘最优化理论245

一、模拟退火算法245

二、人工神经元模型247

三、进化算法（evolutionary algorithm）249

四、蚁群算法（ant colony alogrithm）253

五、支持向量机254

六、SA、ANN、EA、ACA、SVM的比较260

第五节 分类方法260

一、基于数理统计的分类算法261

二、基于机器学习的分类算法265

第六节 聚类方法272

一、聚类分析概述272

二、聚类处理的数据结构273

三、相似性测度274

四、聚类算法种类275

五、典型聚类方法276

第七节 关联规则284

一、基本概念285

二、关联规则挖掘算法286

三、基于兴趣度的关联规则挖掘289

第十章 Bayes统计方法应用292

第一节 概述292

一、Bayes定理292

二、Bayes统计对信息的利用293

三、先验分布的选择与确定295

四、Bayes统计推断296

五、Bayes统计学与经典统计学的联系297

第二节 使用MCMC方法解决Bayes统计计算问题298

一、Bayes统计学所面临的实际困难298

二、MCMC方法概述299

三、使用MCMC方法需要考虑的几个实际问题299

第三节 Bayes统计分析软件—WinBUGS299

一、构造统计模型300

二、迭代收敛性的诊断301

三、WinBUGS一般操作303

第四节 应用实例303

一、对各医院心脏手术死亡率的估计303

二、一般线性回归305

三、logistic回归308

四、meta分析312

五、应用Cox回归进行生存分析314