دانلود کتاب Optimum Experimental Designs, with SAS

ترجمه فارسی توضیحات (ترجمه ماشینی)

طرح های آزمایشی بهینه، با SAS

آزمایش‌ها روی بیماران، فرآیندها یا گیاهان همگی دارای خطای تصادفی هستند و روش‌های آماری را برای طراحی و تحلیل کارآمد آنها ضروری می‌سازد. این کتاب تئوری و روش‌های طراحی تجربی بهینه را ارائه می‌کند و آنها را با استفاده از برنامه‌های SAS در دسترس قرار می‌دهد. دانش آماری قبلی کمی فرض شده است. بخش اول کتاب بر اهمیت مدل‌ها در تحلیل داده‌ها تاکید می‌کند و برازش حداقل مربعات و طرح‌های آزمایشی بهینه ساده را معرفی می‌کند. بخش دوم بحث مفصل تری از تئوری عمومی و طیف گسترده ای از آزمایش ها ارائه می دهد. این کتاب بر استفاده از SAS برای ارائه راه‌حل‌های عملی برای ساخت طرح‌ها در شرایط استاندارد و غیر استاندارد تأکید می‌کند. تئوری ریاضی طرح ها به موازات ساخت آنها در SAS توسعه می یابد، بنابراین انگیزه ای برای توسعه موضوع فراهم می کند. بسیاری از فصل‌ها موضوعات مستقلی را که از تحقیقات علمی، مهندسی و دارویی استخراج شده‌اند، مانند طراحی‌های سطح پاسخ، مسدود کردن آزمایش‌ها، طرح‌هایی برای آزمایش‌های مخلوط و مدل‌های خطی غیرخطی و تعمیم‌یافته را پوشش می‌دهند. درک با ارائه «وظایف SAS» بعد از اکثر فصل‌ها و همچنین تمرین‌های سنتی‌تر و یک وب‌سایت کاملاً پشتیبانی شده کمک می‌کند. نویسندگان متخصصان برجسته در زمینه‌های کلیدی هستند و این کتاب برای آماردانان و دانشمندان دانشگاهی، تحقیقاتی و فرآیندی و صنایع دارویی ایده‌آل است.

Optimum Experimental Designs, with SAS

Experiments on patients, processes or plants all have random error, making statistical methods essential for their efficient design and analysis. This book presents the theory and methods of optimum experimental design, making them available through the use of SAS programs. Little previous statistical knowledge is assumed. The first part of the book stresses the importance of models in the analysis of data and introduces least squares fitting and simple optimum experimental designs. The second part presents a more detailed discussion of the general theory and of a wide variety of experiments. The book stresses the use of SAS to provide hands-on solutions for the construction of designs in both standard and non-standard situations. The mathematical theory of the designs is developed in parallel with their construction in SAS, so providing motivation for the development of the subject. Many chapters cover self-contained topics drawn from science, engineering and pharmaceutical investigations, such as response surface designs, blocking of experiments, designs for mixture experiments and for nonlinear and generalized linear models. Understanding is aided by the provision of “SAS tasks” after most chapters as well as by more traditional exercises and a fully supported website. The authors are leading experts in key fields and this book is ideal for statisticians and scientists in academia, research and the process and pharmaceutical industries.