คำถามติดแท็ก biostatistics

ศาสตร์แห่งสถิติที่ใช้ในการวิเคราะห์ข้อมูลทางชีววิทยาหรือทางการแพทย์

5
ความสัมพันธ์ระหว่างตัวแปรต่อเนื่องและหมวดหมู่ (ระบุ)
ฉันต้องการหาความสัมพันธ์ระหว่างตัวแปรแบบต่อเนื่อง (ตัวแปรตาม) และหมวดหมู่ (ชื่อ: เพศตัวแปรอิสระ) ข้อมูลต่อเนื่องจะไม่กระจายตามปกติ ก่อนหน้านี้ผมได้คำนวณโดยใช้สเปียร์แมนρอย่างไรก็ตามฉันได้รับแจ้งว่าไม่ถูกต้องρρ\rho ในขณะที่ค้นหาบนอินเทอร์เน็ตฉันพบว่ากล่องควบคุมสามารถให้แนวคิดเกี่ยวกับจำนวนที่เกี่ยวข้อง แต่ผมกำลังมองหาค่าเชิงปริมาณเช่นค่าสัมประสิทธิ์เพียร์สันหรือสเปียร์แมนρคุณช่วยฉันเกี่ยวกับวิธีการทำสิ่งนี้ได้ไหม หรือแจ้งวิธีการใดที่เหมาะสมρρ\rho Point Biserial Coefficient เป็นตัวเลือกที่ถูกต้องหรือไม่?

3
วิธีการทางสถิติสำหรับข้อมูลที่ทราบเพียงค่าต่ำสุด / สูงสุด
มีสาขาของสถิติที่เกี่ยวข้องกับข้อมูลที่ไม่ทราบค่าที่แน่นอนแต่สำหรับแต่ละคนเรารู้ว่าค่าสูงสุดหรือต่ำสุดผูกกับค่าหรือไม่ ฉันสงสัยว่าปัญหาของฉันส่วนใหญ่มาจากความจริงที่ว่าฉันพยายามดิ้นรนเพื่อให้ชัดเจนในแง่สถิติ แต่หวังว่าตัวอย่างจะช่วยชี้แจง: สมมติว่ามีประชากรที่เชื่อมต่อกันสองคนคือและซึ่งในบางจุดสมาชิกของอาจ "เปลี่ยน" เป็นแต่กลับไม่ได้ ช่วงเวลาของการเปลี่ยนแปลงเป็นตัวแปร แต่ไม่ใช่แบบสุ่ม ตัวอย่างเช่นอาจเป็น "บุคคลที่ไม่มีลูกหลาน" และ "บุคคลที่มีลูกหลานอย่างน้อยหนึ่งคน" ฉันสนใจในอายุที่ความก้าวหน้านี้เกิดขึ้น แต่ฉันมีข้อมูลตัดขวางเท่านั้น สำหรับบุคคลใดก็ตามฉันสามารถค้นหาว่าพวกเขาเป็นสมาชิกของหรือหรือไม่ ฉันยังรู้อายุของบุคคลเหล่านี้ สำหรับแต่ละคนในประชากรB A B A B A B A BAAABBBAAABBBAAABBBAAABBBAAAฉันรู้ว่าอายุที่ผ่านการเปลี่ยนแปลงจะยิ่งใหญ่กว่าอายุปัจจุบันของพวกเขา ในทำนองเดียวกันสำหรับสมาชิกฉันรู้ว่าอายุการเปลี่ยนผ่านน้อยกว่าอายุปัจจุบันของพวกเขา แต่ฉันไม่รู้ค่าที่แน่นอนBBB ว่าฉันมีปัจจัยอื่นที่ฉันต้องการเปรียบเทียบกับอายุของการเปลี่ยนแปลง ตัวอย่างเช่นฉันต้องการทราบว่าชนิดย่อยของบุคคลหรือขนาดร่างกายมีผลต่ออายุของลูกหลานคนแรกหรือไม่ ฉันมีข้อมูลที่เป็นประโยชน์บางอย่างที่ควรแจ้งคำถามเหล่านั้น: โดยเฉลี่ยของบุคคลในบุคคลที่มีอายุมากกว่าจะได้รับการเปลี่ยนแปลงในภายหลัง แต่ข้อมูลไม่สมบูรณ์โดยเฉพาะอย่างยิ่งสำหรับคนอายุน้อยกว่า และในทางกลับกันสำหรับประชากรBBAAABBB มีวิธีการที่กำหนดขึ้นเพื่อจัดการกับข้อมูลประเภทนี้หรือไม่? ฉันไม่จำเป็นต้องใช้วิธีการอย่างเต็มรูปแบบในการวิเคราะห์เช่นนี้เพียงแค่ข้อความค้นหาหรือแหล่งข้อมูลที่มีประโยชน์เพื่อเริ่มฉันในที่ที่เหมาะสม! คำเตือน: ฉันทำสมมติฐานลดความซับซ้อนของการเปลี่ยนแปลงจากที่เพื่อเป็นทันที ฉันพร้อมที่จะสมมติว่าคนส่วนใหญ่จะก้าวหน้าไปที่จุดโดยสมมติว่าพวกเขามีชีวิตอยู่นานพอ และฉันรู้ว่าข้อมูลตามยาวจะมีประโยชน์มาก แต่สมมติว่าไม่มีในกรณีนี้B BAAABBBBBB ขอโทษถ้าสิ่งนี้ซ้ำซ้อนอย่างที่ฉันบอกไปส่วนหนึ่งของปัญหาของฉันคือฉันไม่รู้ว่าควรจะค้นหาอะไร ด้วยเหตุผลเดียวกันโปรดเพิ่มแท็กอื่น ๆ ตามความเหมาะสม ชุดตัวอย่าง: Ssp บ่งชี้ว่าหนึ่งในสองชนิดย่อยหรือYลูกหลานบ่งชี้ว่าไม่มีลูกหลาน ( ) …

4
การแจกแจงปัวซงทำงานอย่างไรเมื่อสร้างแบบจำลองข้อมูลต่อเนื่องและทำให้ข้อมูลสูญหาย
เพื่อนร่วมงานกำลังวิเคราะห์ข้อมูลทางชีววิทยาบางอย่างเพื่อทำวิทยานิพนธ์ของเธอด้วย Heteroscedasticity ที่น่ารังเกียจ (ดังรูปด้านล่าง) เธอวิเคราะห์ด้วยโมเดลผสม แต่ยังคงมีปัญหากับส่วนที่เหลือ การเปลี่ยนบันทึกการตอบสนองตัวแปรการทำความสะอาดสิ่งต่าง ๆ ขึ้นอยู่กับความคิดเห็นของคำถามนี้ดูเหมือนจะเป็นวิธีการที่เหมาะสม อย่างไรก็ตามในขั้นต้นเราคิดว่ามีปัญหาในการใช้ตัวแปรที่แปลงแล้วกับตัวแบบผสม ปรากฎว่าเราตีความคำแถลงผิด ๆ ในSASของ Littell & Milliken (2006) สำหรับแบบจำลองผสมซึ่งชี้ให้เห็นว่าเหตุใดจึงไม่เหมาะสมในการแปลงข้อมูลการนับและวิเคราะห์ด้วยแบบจำลองเชิงเส้นเชิงเส้นปกติ(ใบเสนอราคาเต็มด้านล่าง) . วิธีการที่ปรับปรุงส่วนที่เหลือคือการใช้โมเดลเชิงเส้นทั่วไปกับการแจกแจงปัวซอง ฉันได้อ่านแล้วว่าการแจกแจงปัวซงสามารถใช้สำหรับการสร้างแบบจำลองข้อมูลต่อเนื่อง (เช่นที่กล่าวถึงในโพสต์นี้) และแพคเกจสถิติอนุญาต แต่ฉันไม่เข้าใจว่าเกิดอะไรขึ้นเมื่อแบบจำลองนั้นพอดี เพื่อจุดประสงค์ในการทำความเข้าใจวิธีการคำนวณที่แฝงอยู่คำถามของฉันคือ: เมื่อคุณใส่การแจกแจงแบบปัวซงเป็นข้อมูลแบบต่อเนื่อง1)ข้อมูลจะถูกปัดเศษเป็นจำนวนเต็มที่ใกล้ที่สุด2) หรือไม่3)เมื่อใดควรใช้แบบจำลองปัวซองสำหรับข้อมูลต่อเนื่องหรือไม่ Littel & Milliken 2006, pg 529 "การแปลงข้อมูล [count] อาจเป็นการต่อต้านตัวอย่างเช่นการแปลงสามารถบิดเบือนการแจกแจงของเอฟเฟกต์แบบสุ่มหรือความเป็นเชิงเส้นของโมเดลที่สำคัญกว่าการแปลงข้อมูลยังคงเปิดโอกาส ของจำนวนที่คาดการณ์เชิงลบดังนั้นการอนุมานจากตัวแบบผสมที่ใช้ข้อมูลที่แปลงแล้วเป็นที่น่าสงสัยอย่างมาก "

9
สถิติและชีวสถิติแตกต่างกันอย่างไร
มันเกิดขึ้นกับฉันว่าในขณะที่ฉันได้รวบรวมแนวคิดบางอย่างในช่วงหลายปีที่ผ่านมาเกี่ยวกับความแตกต่างระหว่างสถิติและชีวสถิติฉันไม่เคยได้ยินคำอธิบายที่เป็นทางการ อะไรคือความแตกต่างระหว่างทั้งสองสาขา (ปัจจุบัน)? และทำไมความแตกต่างนี้เริ่มต้นตั้งแต่แรก? แก้ไข: ฉันไม่ได้เฉพาะเจาะจงเพียงพอในคำถามเดิมของฉัน ฉันเข้าใจว่าชีวสถิติเป็นแอปพลิเคชั่นและการพัฒนาของสถิติในสาขาชีวการแพทย์ แต่อะไรคือตัวอย่างที่เฉพาะเจาะจงของความแตกต่าง? ตัวอย่างเช่นอะไรคือความแตกต่างของการศึกษาระดับบัณฑิตศึกษาในสองสาขา อะไรคือจุดประสงค์ของการมีแผนกวิชาการที่แตกต่างกันสำหรับสองสาขาวิชา (ความแตกต่างที่ฉันเห็นในสาขาอื่น)

4
กรณีศึกษาในการวิจัยนโยบายสาธารณสุขที่การศึกษาหรือแบบจำลองที่ไม่น่าเชื่อถือ / สับสน / ไม่ถูกต้องถูกนำไปใช้ในทางที่ผิด?
ฉันกำลังเขียนทบทวนวรรณกรรมเกี่ยวกับปัญหาสุขภาพของประชาชนในปัจจุบันที่มีข้อมูลสับสน: อะไรคือกรณีศึกษาทางประวัติศาสตร์ทั่วไปที่ใช้ในการศึกษาด้านสาธารณสุข / ระบาดวิทยาที่ความสัมพันธ์หรือการอ้างถึงที่ไม่ถูกต้องหรือน่าอับอายถูกนำมาใช้โดยเจตนาหรือผิดพลาดในนโยบายและกฎหมายด้านสาธารณสุข การเสียชีวิตของรถยนต์ในทศวรรษ 1960 และจากการศึกษาโดยใช้หลักฐานตามมาซึ่งกำหนดเข็มขัดนิรภัยและถุงลมนิรภัยในที่สุดควรเป็นไปตามกฎหมายเป็นตัวอย่างที่ดีของนโยบายสาธารณสุขของHOWควรได้รับแรงหนุนจากการอนุมานและแบบจำลองทางสถิติที่มีประสิทธิภาพ ฉันกำลังมองหาตัวอย่างเพิ่มเติมของกรณีประเภทตรงกันข้าม (วิทยาศาสตร์ไม่ดีเพื่อกำหนดนโยบายอย่างเร่งด่วน) อย่างไรก็ตามถ้าไม่มีอะไรฉันต้องการเรียนรู้กรณีเพิ่มเติมคล้ายกับตัวอย่างก่อนหน้าของการศึกษาที่มีประสิทธิภาพเพื่อประโยชน์ต่อสุขภาพของประชาชนที่ประสบความสำเร็จ ฉันต้องการใช้สิ่งเหล่านี้เป็นตัวอย่างเพื่อแสดงให้เห็นว่าการวิจัยเชิงสถิติเชิงสาธารณสุขมีความสำคัญต่อการกำหนดนโยบายอย่างไร

2
การคำนวณความน่าจะเป็นของรายการยีนที่ทับซ้อนกันระหว่าง RNA seq และชุดข้อมูลชิป ChIP
หวังว่าใครบางคนในฟอรัมเหล่านี้สามารถช่วยฉันแก้ปัญหาพื้นฐานนี้ในการศึกษาการแสดงออกของยีน ฉันจัดลำดับการลึกของเนื้อเยื่อทดลองและเนื้อเยื่อควบคุม จากนั้นฉันได้รับการเพิ่มคุณค่าการพับของยีนในตัวอย่างทดลองมากกว่าการควบคุม จีโนมที่อ้างอิงมียีนประมาณ 15,000 ยีน 3,000 จาก 15,000 ยีนนั้นได้รับการยกระดับให้สูงกว่าตัวอย่างที่ผมสนใจเมื่อเปรียบเทียบกับการควบคุม ดังนั้น: A = ประชากรยีนทั้งหมด = 15,000 B = ประชากรย่อยที่ได้รับการเสริม RNA-Seq = 3,000 ในการทดลองชิป ChIP ก่อนหน้านี้ฉันพบ 400 ยีนที่อุดมไปด้วยชิป ChIP ของยีน 400 ชิปชิพนั้น 100 ยีนอยู่ในกลุ่มของยีน RNA-Seq ที่ได้รับการเสริม 3,000 รายการ ดังนั้น: C = จำนวนทั้งหมดของยีนที่อุดมด้วยชิป ChIP = 400 ความน่าจะเป็นที่ยีน 100 ชิปชิปของฉันจะเพิ่มขึ้นด้วย RNA-Seq โดยบังเอิญเพียงอย่างเดียวคืออะไร อะไรคือวิธีที่ชาญฉลาดที่สุดในการคำนวณว่าการซ้อนทับที่สังเกตระหว่าง …

2
-test ครับ
ฉันเพิ่งอ่านในนิตยสารวิทยาศาสตร์ที่ได้รับความนิยม (PM) จากเยอรมัน, 02/2013, หน้า 38) เกี่ยวกับการทดลองที่น่าสนใจ (ไม่มีแหล่งที่มา, น่าเสียดาย) มันดึงดูดความสนใจของฉันเพราะฉันสงสัยในความสำคัญของผลลัพธ์ แต่ข้อมูลที่ให้นั้นเพียงพอสำหรับการทำซ้ำการทดสอบทางสถิติ นักวิจัยสงสัยว่าการได้รับความเย็นในสภาพอากาศหนาวเย็นช่วยเพิ่มโอกาสที่จะเป็นหวัดได้หรือไม่ ดังนั้นพวกเขาสุ่มแบ่งนักเรียน 180 คนออกเป็นสองกลุ่ม กลุ่มหนึ่งต้องแช่เท้าในน้ำเย็นเป็นเวลา 20 นาที อีกคนเก็บรองเท้าไว้ ฉันคิดว่าการจัดการที่ตลก แต่ในทางกลับกันฉันไม่ใช่หมอและหมออาจจะคิดว่าตลก ประเด็นด้านจริยธรรมกัน อย่างไรก็ตามหลังจาก 5 วันนักเรียน 13 คนในกลุ่มการรักษามีอาการหวัด แต่เพียง 5 คนในกลุ่มที่สวมรองเท้า อัตราส่วนอัตราต่อรองของการทดลองนี้คือ 2.87 ด้วยขนาดตัวอย่างที่ค่อนข้างเล็กฉันเริ่มสงสัยว่าความแตกต่างนี้อาจมีนัยสำคัญหรือไม่ ดังนั้นฉันจึงทำการทดสอบสองครั้ง การทดสอบอย่างง่ายครั้งแรกของความเท่าเทียมกันของสัดส่วนโดยใช้การประมาณปกติ การทดสอบนี้มีz=1.988z=1.988z=1.988กับp=0.0468p=0.0468p=0.0468 0.0468 ฉันเดาว่านี่คือสิ่งที่นักวิจัยทดสอบ นี่เป็นสิ่งสำคัญอย่างแท้จริง อย่างไรก็ตามการทดสอบ z นี้ใช้ได้เฉพาะในกลุ่มตัวอย่างขนาดใหญ่เท่านั้นหากฉันไม่ผิดเนื่องจากการประมาณปกติ นอกจากนี้อัตราความชุกค่อนข้างน้อยและฉันสงสัยว่าสิ่งนี้อาจไม่ส่งผลกระทบต่ออัตราความครอบคลุมของช่วงความเชื่อมั่นของผลกระทบ ดังนั้นความพยายามครั้งที่สองของฉันคือการทดสอบความเป็นอิสระของไคสแควร์ทั้งการจำลองด้วย Monte-Carlo และ Pearson Chi-square มาตรฐาน ที่นี่ผมพบว่าค่า …

1
สมมติฐานว่างของความเท่าเทียมกัน
สมมติว่าเป็นตัวอย่างสุ่มอย่างง่ายจากปกติ ( μ , σ 2 )การจัดจำหน่ายX1, X2,. . ., XnX1,X2,...,XnX_1, X_2, \, ... \, , X_n( μ , σ2)(μ,σ2)(\mu,\sigma^2) ฉันสนใจที่จะทำการทดสอบสมมติฐานต่อไปนี้: สำหรับให้คงค> 0H0: | μ | ≤ cH1: | μ | > ค,H0:|μ|≤cH1:|μ|>c, H_0: | \mu| \le c \\ H_1: |\mu| > c, c>0c>0c > 0 ผมคิดว่าในการดำเนินการสองด้านหนึ่ง -tests (TOST) ในวิธีที่คล้ายคลึงกับสถานการณ์การทดสอบชีวสมมูลปกติที่เป็นโมฆะและ| …

3
อะไรคือเหตุผลที่อยู่เบื้องหลังสถิติการกำหนดดัชนีค่าดัชนีมวลกายเป็นน้ำหนัก / ส่วนสูง ?
บางทีคำถามนี้อาจมีคำตอบทางการแพทย์ แต่มีเหตุผลทางสถิติใดบ้างที่คำนวณดัชนี BMIเป็น ? ทำไมไม่ยกตัวอย่างเพียง ? ความคิดแรกของฉันคือมันมีส่วนเกี่ยวข้องกับการถดถอยแบบสมการกำลังสองน้ำหนัก/ ส่วนสูง2weight/height2\text{weight}/\text{height}^2น้ำหนัก/ ส่วนสูงweight/height\text{weight}/\text{height} ตัวอย่างข้อมูลจริง (200 คนที่มีน้ำหนักส่วนสูงอายุและเพศ): structure(list(Age = c(18L, 21L, 17L, 20L, 19L, 53L, 27L, 22L, 19L, 27L, 19L, 20L, 19L, 20L, 42L, 17L, 23L, 20L, 20L, 19L, 20L, 19L, 19L, 18L, 19L, 15L, 19L, 15L, 19L, 21L, 60L, 19L, 17L, 23L, 60L, 33L, …

2
ตัวอย่างที่ดีของส่วนสถิติในบทความวารสารวิชาการ
ฉันเป็นนักชีวสถิติที่ทำงานในสาขาที่สมัครแล้วและฉันมีหน้าที่รับผิดชอบในการเขียนส่วนวิธีการทางสถิติสำหรับเอกสารที่ฉันทำงานร่วมกัน ในการอ่านบทความทางวิชาการจำนวนมากฉันได้พบตัวอย่างมากมายของสถิติที่เขียนไม่ดี (ส่วนใหญ่พวกเขาน่าเบื่อไม่รู้และขาดความแม่นยำรายละเอียดและความเข้าใจในวิธีการที่ใช้) โดยไม่คำนึงถึงหัวข้อและความซับซ้อนของวิธีการทางสถิติที่ใช้อะไรเป็นตัวอย่างที่ดีของส่วนที่เป็นลายลักษณ์อักษรอย่างดีในบทความวิจัยประยุกต์? วิธีการกำหนด "ดีเขียน" เป็นอัตนัย แต่ฉันจะอธิบายส่วนสถิติเช่นเดียวกับการเขียนถ้ามันชัดเจนให้ (หรือดูเหมือนว่าจะให้) ภาพเต็มรูปแบบของวิธีการวิเคราะห์ได้ดำเนินการที่อยู่สมมติฐานที่ทำในระหว่างการวิเคราะห์ และรวมกระบวนการทางสถิติเข้ากับการไหลของกระดาษ นี่คือตัวอย่างของเอกสารที่ฉันคิดว่ามีส่วนสถิติที่ดี: การฉีดวัคซีนบีซีจีลดความเสี่ยงของการติดเชื้อวัณโรคในแบ๊ดเจ้อวัคซีนและลูกแบดเจอร์ที่ไม่ได้รับวัคซีน รูปแบบการทำนายอัตราการตายในผู้ป่วยกล้ามเนื้อหัวใจตายที่ได้รับการรักษาด้วยการแทรกแซงของหลอดเลือดหัวใจปฐมภูมิขั้นปฐมภูมิเฉียบพลัน: ผลลัพธ์จากการประเมิน Pexelizumab ในการทดลองกล้ามเนื้อหัวใจตายเฉียบพลัน อื่น ๆ ? ความคิดเกี่ยวกับสิ่งที่ควรรวมอยู่ในส่วนของสถิติ "ดี" ด้วย

1
การทดสอบทางสถิติใดที่ควรใช้เพื่อทดสอบการเพิ่มประสิทธิภาพของรายการยีน
ฉันได้ทำการทดลองเพื่อทดสอบความไวของเซลล์ต่อตัวแทนทำลาย DNA ที่แน่นอน เราพบว่ามี 270 ยีนที่ไวต่อยาโดยเฉพาะและจำนวนยีนที่วิเคราะห์ได้ทั้งหมดคือ 3668. 38 จาก 270 ยีนที่ละเอียดอ่อนจัดอยู่ในประเภท "ยีนซ่อมแซมดีเอ็นเอ" หากจำนวนของ "ยีนซ่อมแซมดีเอ็นเอ" ที่มีอยู่ในจีโนมคือ 112 และจำนวนทั้งหมดของยีนในจีโนมคือ 3668 ยีนที่มีความละเอียดอ่อนเพิ่มคุณค่าในยีนซ่อมแซมดีเอ็นเอหรือไม่ ควรใช้การทดสอบทางสถิติใด ฉันจะขอบคุณถ้าคุณสามารถบอกเครื่องมือในการคำนวณค่า p ออนไลน์ได้

2
การประมาณอัตราส่วนความเสี่ยงที่ปรับแล้วในข้อมูลไบนารีโดยใช้การถดถอยแบบปัวซอง
ฉันสนใจที่จะประเมินอัตราส่วนความเสี่ยงที่ปรับแล้วซึ่งคล้ายกับวิธีที่เราประมาณการอัตราต่อรองที่ปรับแล้วโดยใช้การถดถอยโลจิสติกส์ วรรณกรรมบางฉบับ (เช่นนี้ ) บ่งชี้ว่าการใช้การถดถอยปัวซองกับข้อผิดพลาดมาตรฐานของฮิเบอร์ - ไวท์เป็นวิธีที่ใช้แบบจำลองในการทำสิ่งนี้ ฉันไม่พบวรรณกรรมเกี่ยวกับวิธีการปรับค่าความแปรปรวนร่วมต่อเนื่องที่มีผลต่อสิ่งนี้ การจำลองอย่างง่ายต่อไปนี้แสดงให้เห็นว่าปัญหานี้ไม่ตรงไปตรงมามาก: arr <- function(BLR,RR,p,n,nr,ce) { B = rep(0,nr) for(i in 1:nr){ b <- runif(n)<p x <- rnorm(n) pr <- exp( log(BLR) + log(RR)*b + ce*x) y <- runif(n)<pr model <- glm(y ~ b + x, family=poisson) B[i] <- coef(model)[2] } return( mean( …

3
คำแนะนำสำหรับครูครั้งแรก (บทนำสู่ชีวสถิติ)
ฉันกำลังสอนชั้นแรกของฉันในฤดูใบไม้ร่วงนี้ (บทนำสู่ชีวสถิติ) ใครมีคำแนะนำสำหรับการสอนสถิติดีกว่า บางทีตัวอย่างที่คุณต้องการให้อาจารย์คนแรกของคุณใช้? ฉันใช้หลักการของชีวสถิติโดย Pagano และ Gauvreau แก้ไข: รายละเอียด คลาสนี้เป็นคลาสออนไลน์ที่ตรงกับสัปดาห์ละสองครั้งเป็นเวลา 1.5 ชั่วโมง นักเรียนจะฟังฉันบรรยายในขณะที่ดูงานนำเสนอ powerpoint / beamer (น่าเบื่อ?) ผสมกับการกระทำแท็บเล็ต / ปากกาเล็ก ๆ (น่าตื่นเต้น?) คลาสนี้เป็นเนื้อหาทางสถิติเริ่มต้นที่มากสอนวิศวกรชีวการแพทย์ส่วนใหญ่ นักศึกษาระดับบัณฑิตศึกษา (การพยาบาลนักศึกษาแพทย์สาธารณสุข ฯลฯ ) หลักสูตร : 1) ชีวสถิติคืออะไร 2) ความน่าจะเป็น 3) การทดสอบการวินิจฉัย (เช่นความจำเพาะความไวเส้นโค้ง ROC ส่วนใหญ่ที่นี่ b / c ช่วยให้เราสามารถใช้บางสิ่งที่เราเรียนรู้เกี่ยวกับความน่าจะเป็นเช่นกฎของเบย์) 4) การแจกแจง 5) การแจกแจงตัวอย่าง 6) ช่วงความเชื่อมั่น 7) …
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.