دانلود کتاب Bayesian Disease Mapping: Hierarchical Modeling in Spatial Epidemiology
49,000 تومان
نقشه برداری بیماری بیزی: مدل سازی سلسله مراتبی در اپیدمیولوژی فضایی
| موضوع اصلی | همهگیرشناسی |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Chapman and Hall/CRC |
| تعداد صفحه | 363 |
| حجم فایل | 11 مگابایت |
| کد کتاب | 9781584888406,1584888407 |
| نوبت چاپ | 1 |
| نویسنده | Andrew Lawson |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2008 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
ترجمه فارسی توضیحات (ترجمه ماشینی)
نقشه برداری بیماری بیزی: مدل سازی سلسله مراتبی در اپیدمیولوژی فضایی
با تمرکز بر دادههایی که معمولاً در پایگاههای اطلاعاتی بهداشت عمومی و تنظیمات بالینی یافت میشوند، نقشهبرداری بیماری بیزی: مدلسازی سلسله مراتبی در اپیدمیولوژی فضایی مروری بر حوزههای اصلی مدلسازی سلسله مراتبی بیزی و کاربرد آن در تحلیل جغرافیایی بیماریها ارائه میکند.
این کتاب طیف وسیعی از موضوعات را در استنتاج و مدلسازی بیزی بررسی میکند، از جمله روشهای مونت کارلو زنجیره مارکوف، نمونهبرداری گیبس، الگوریتم هاستینگ متروپلیس، معیارهای مناسب بودن، و تشخیص باقیمانده. همچنین بر موضوعات خاص مانند تشخیص خوشه تمرکز دارد. مدل سازی فضا-زمان؛ و تحلیل های چند متغیره، بقا و طولی. نویسنده توضیح میدهد که چگونه میتوان این روشها را برای نقشهبرداری بیماری با استفاده از مجموعههای دادههای دنیای واقعی متعدد مربوط به سرطان، آسم، صرع، بیماری پا و دهان، آنفولانزا و سایر بیماریها به کار برد. در ضمیمه ها، او نشان می دهد که چگونه R و WinBUGS می توانند ابزارهای مفیدی در دستکاری و شبیه سازی داده ها باشند.
بهکارگیری روشهای بیزی برای مدلسازی دادههای سلامت جغرافیایی مرجع، نقشهبرداری بیماری بیزی ثابت میکند که کاربرد این رویکردها برای مسائل آماری زیستی میتواند بینشهای مهمی را در مورد دادهها به همراه داشته باشد.
Focusing on data commonly found in public health databases and clinical settings, Bayesian Disease Mapping: Hierarchical Modeling in Spatial Epidemiology provides an overview of the main areas of Bayesian hierarchical modeling and its application to the geographical analysis of disease.
The book explores a range of topics in Bayesian inference and modeling, including Markov chain Monte Carlo methods, Gibbs sampling, the Metropolis–Hastings algorithm, goodness-of-fit measures, and residual diagnostics. It also focuses on special topics, such as cluster detection; space-time modeling; and multivariate, survival, and longitudinal analyses. The author explains how to apply these methods to disease mapping using numerous real-world data sets pertaining to cancer, asthma, epilepsy, foot and mouth disease, influenza, and other diseases. In the appendices, he shows how R and WinBUGS can be useful tools in data manipulation and simulation.
Applying Bayesian methods to the modeling of georeferenced health data, Bayesian Disease Mapping proves that the application of these approaches to biostatistical problems can yield important insights into data.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.