Información del autor
Autor Chen, Ding-Geng (Din) |
Documentos disponibles escritos por este autor (5)
Crear una solicitud de compra Refinar búsquedaContemporary Biostatistics with Biopharmaceutical Applications / Zhang, Lanju ; Chen, Ding-Geng (Din) ; Jiang, Hongmei ; Li, Gang ; Quan, Hui
TÃtulo : Contemporary Biostatistics with Biopharmaceutical Applications Tipo de documento: documento electrónico Autores: Zhang, Lanju, ; Chen, Ding-Geng (Din), ; Jiang, Hongmei, ; Li, Gang, ; Quan, Hui, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: X, 336 p. 70 ilustraciones, 49 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-15310-6 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: BiometrÃa EstadÃsticas QuÃmica Farmaceútica BioestadÃstica TeorÃa y métodos estadÃsticos. Farmacia Clasificación: 57.015.195 Resumen: Este volumen editado presenta la investigación actual en bioestadÃstica con énfasis en aplicaciones biofarmacéuticas. Con contribuciones presentadas en el Simposio de EstadÃstica Aplicada de ICSA 2017 celebrado en Chicago, IL, del 25 al 28 de junio de 2017, este libro explora temas actuales que tienen un alto impacto potencial en la metodologÃa estadÃstica y la investigación futura en bioestadÃstica y biofarmacéutica. El tema de esta conferencia fue EstadÃsticas para una nueva generación: desafÃos y oportunidades, en reconocimiento al advenimiento de una nueva generación de estadÃsticos. La conferencia atrajo a estadÃsticos que trabajan en el mundo académico, el gobierno y la industria; estadÃsticos nacionales e internacionales. De la conferencia, los editores seleccionaron 28 presentaciones de alta calidad e invitaron a los oradores a preparar capÃtulos completos para este libro. Estas contribuciones se dividen en cuatro partes: Parte I MetodologÃa BioestadÃstica, Parte II Genética EstadÃstica y Bioinformática, Parte III EstadÃsticas Regulatorias y Parte IV Investigación y Aplicaciones Biofarmacéuticas. Con contribuciones sobre temas como estadÃstica en genética, bioinformática, metodologÃa bioestadÃstica y computación estadÃstica, este libro es beneficioso para investigadores, académicos, profesionales y responsables de polÃticas en bioestadÃstica y biofarmacéutica. . Nota de contenido: Part I Biostatistical Methodology -- Dimension Reduction in High Dimensional Multivariate Time Series Analysis -- Multi-Panel Kendall Plot Applied to Measuring Dependence -- Flexible Optimal Design Strategies -- A Multivariate Spatial Modelling Approach with Nonparametric Cross-covariogram -- A Deterministic Global Optimization Method for Variational Inference -- Part II Statistical Genetics and Bioinformatics -- Subgroup identification with latent Dirichlet allocation -- Dictionary learning based genotype imputation to improve power for association testing -- Integrating Transcriptional Time Lag Information into Gene Regulatory Network Construction -- Optimal experimental designs for fMRI when the model matrix is uncertain -- On Exact and Approximate Distributions of K-homopolymer for iid and Markov Dependent DNA Sequences -- Part III Regulatory Statistics -- Utilizing Seamless Adaptive Designs for NASH Clinical Trials -- A Bayesian Non-inferiority Design with Companion Constancy Test in Active Controlled Trials -- A Study Design for Utilizing External Data to Augment the Control in a Randomized Controlled Trial -- Some thoughts in designing a Bayesian study: From a statistical reviewer's perspective -- On Weighted Performance Goals in Medical Device Single-Arm Clinical Studies -- Part IV Biopharmaceutical Research and Applications.-Current Status Data in the Presence of a Terminal Event -- Seamless Phase 2/3 Study Design with an Oncology Example -- A Bayesian meta-analysis method for estimating risk difference of rare events -- Comparison of multi-arm multi-stage design and adaptive randomization in platform clinical trials -- A Calibrated Power Prior Approach to Borrow Information from Historical Data with Application -- A Gatekeeping Test in a Group Sequential Design with Multiple Interim Looks -- Application of Bayesian Methods in Oncology Dose Escalation Studies with Late Onset Toxicity -- Bayesian hierarchical model estimation and comparison of immunogenicity assay cut-points.-Inference for Two-Stage Dynamic Treatment Regimes in the Presence of Drop -- Comparison of different approaches for dynamic prediction of survival using longitudinal data -- Update on progress of ASA Biopharm Safety Monitoring Working Group -- Options for implementing pattern-mixture-based sensitivity analyses. Tipo de medio : Computadora Summary : This edited volume presents current research in biostatistics with emphasis on biopharmaceutical applications. Featuring contributions presented at the 2017 ICSA Applied Statistics Symposium held in Chicago, IL on June 25 to 28, 2017, this book explores timely topics that have a high potential impact on statistical methodology and future research in biostatistics and biopharmaceuticals. The theme of this conference was Statistics for A New Generation: Challenges and Opportunities, in recognition of the advent of a new generation of statisticians. The conference attracted statisticians working in academia, government, and industry; domestic and international statisticians. From the conference, the editors selected 28 high-quality presentations and invited the speakers to prepare full chapters for this book. These contributions are divided into four parts: Part I Biostatistical Methodology, Part II Statistical Genetics and Bioinformatics, Part III Regulatory Statistics, and Part IV Biopharmaceutical Research and Applications. Featuring contributions on topics such as statistics in genetics, bioinformatics, biostatistical methodology, and statistical computing, this book is beneficial to researchers, academics, practitioners and policy makers in biostatistics and biopharmaceuticals. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Contemporary Biostatistics with Biopharmaceutical Applications [documento electrónico] / Zhang, Lanju, ; Chen, Ding-Geng (Din), ; Jiang, Hongmei, ; Li, Gang, ; Quan, Hui, . - 1 ed. . - [s.l.] : Springer, 2019 . - X, 336 p. 70 ilustraciones, 49 ilustraciones en color.
ISBN : 978-3-030-15310-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: BiometrÃa EstadÃsticas QuÃmica Farmaceútica BioestadÃstica TeorÃa y métodos estadÃsticos. Farmacia Clasificación: 57.015.195 Resumen: Este volumen editado presenta la investigación actual en bioestadÃstica con énfasis en aplicaciones biofarmacéuticas. Con contribuciones presentadas en el Simposio de EstadÃstica Aplicada de ICSA 2017 celebrado en Chicago, IL, del 25 al 28 de junio de 2017, este libro explora temas actuales que tienen un alto impacto potencial en la metodologÃa estadÃstica y la investigación futura en bioestadÃstica y biofarmacéutica. El tema de esta conferencia fue EstadÃsticas para una nueva generación: desafÃos y oportunidades, en reconocimiento al advenimiento de una nueva generación de estadÃsticos. La conferencia atrajo a estadÃsticos que trabajan en el mundo académico, el gobierno y la industria; estadÃsticos nacionales e internacionales. De la conferencia, los editores seleccionaron 28 presentaciones de alta calidad e invitaron a los oradores a preparar capÃtulos completos para este libro. Estas contribuciones se dividen en cuatro partes: Parte I MetodologÃa BioestadÃstica, Parte II Genética EstadÃstica y Bioinformática, Parte III EstadÃsticas Regulatorias y Parte IV Investigación y Aplicaciones Biofarmacéuticas. Con contribuciones sobre temas como estadÃstica en genética, bioinformática, metodologÃa bioestadÃstica y computación estadÃstica, este libro es beneficioso para investigadores, académicos, profesionales y responsables de polÃticas en bioestadÃstica y biofarmacéutica. . Nota de contenido: Part I Biostatistical Methodology -- Dimension Reduction in High Dimensional Multivariate Time Series Analysis -- Multi-Panel Kendall Plot Applied to Measuring Dependence -- Flexible Optimal Design Strategies -- A Multivariate Spatial Modelling Approach with Nonparametric Cross-covariogram -- A Deterministic Global Optimization Method for Variational Inference -- Part II Statistical Genetics and Bioinformatics -- Subgroup identification with latent Dirichlet allocation -- Dictionary learning based genotype imputation to improve power for association testing -- Integrating Transcriptional Time Lag Information into Gene Regulatory Network Construction -- Optimal experimental designs for fMRI when the model matrix is uncertain -- On Exact and Approximate Distributions of K-homopolymer for iid and Markov Dependent DNA Sequences -- Part III Regulatory Statistics -- Utilizing Seamless Adaptive Designs for NASH Clinical Trials -- A Bayesian Non-inferiority Design with Companion Constancy Test in Active Controlled Trials -- A Study Design for Utilizing External Data to Augment the Control in a Randomized Controlled Trial -- Some thoughts in designing a Bayesian study: From a statistical reviewer's perspective -- On Weighted Performance Goals in Medical Device Single-Arm Clinical Studies -- Part IV Biopharmaceutical Research and Applications.-Current Status Data in the Presence of a Terminal Event -- Seamless Phase 2/3 Study Design with an Oncology Example -- A Bayesian meta-analysis method for estimating risk difference of rare events -- Comparison of multi-arm multi-stage design and adaptive randomization in platform clinical trials -- A Calibrated Power Prior Approach to Borrow Information from Historical Data with Application -- A Gatekeeping Test in a Group Sequential Design with Multiple Interim Looks -- Application of Bayesian Methods in Oncology Dose Escalation Studies with Late Onset Toxicity -- Bayesian hierarchical model estimation and comparison of immunogenicity assay cut-points.-Inference for Two-Stage Dynamic Treatment Regimes in the Presence of Drop -- Comparison of different approaches for dynamic prediction of survival using longitudinal data -- Update on progress of ASA Biopharm Safety Monitoring Working Group -- Options for implementing pattern-mixture-based sensitivity analyses. Tipo de medio : Computadora Summary : This edited volume presents current research in biostatistics with emphasis on biopharmaceutical applications. Featuring contributions presented at the 2017 ICSA Applied Statistics Symposium held in Chicago, IL on June 25 to 28, 2017, this book explores timely topics that have a high potential impact on statistical methodology and future research in biostatistics and biopharmaceuticals. The theme of this conference was Statistics for A New Generation: Challenges and Opportunities, in recognition of the advent of a new generation of statisticians. The conference attracted statisticians working in academia, government, and industry; domestic and international statisticians. From the conference, the editors selected 28 high-quality presentations and invited the speakers to prepare full chapters for this book. These contributions are divided into four parts: Part I Biostatistical Methodology, Part II Statistical Genetics and Bioinformatics, Part III Regulatory Statistics, and Part IV Biopharmaceutical Research and Applications. Featuring contributions on topics such as statistics in genetics, bioinformatics, biostatistical methodology, and statistical computing, this book is beneficial to researchers, academics, practitioners and policy makers in biostatistics and biopharmaceuticals. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Monte-Carlo Simulation-Based Statistical Modeling Tipo de documento: documento electrónico Autores: Chen, Ding-Geng (Din), ; Chen, John Dean, Mención de edición: 1 ed. Editorial: Singapore [Malasya] : Springer Fecha de publicación: 2017 Número de páginas: XX, 430 p. 64 ilustraciones, 33 ilustraciones en color. ISBN/ISSN/DL: 978-981-10-3307-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: BiometrÃa BioestadÃstica Clasificación: 57.015.195 Resumen: Este libro reúne a investigadores expertos dedicados al modelado estadÃstico basado en simulación de Monte-Carlo, ofreciéndoles un foro para presentar y discutir temas recientes en el desarrollo metodológico, asà como aplicaciones de salud pública. Está dividido en tres partes: la primera proporciona una descripción general de las técnicas de Monte-Carlo, la segunda se centra en los métodos de Monte-Carlo para datos faltantes y la tercera aborda el modelado bayesiano y estadÃstico general utilizando simulaciones de Monte-Carlo. Los datos y programas informáticos utilizados aquà también estarán disponibles públicamente, lo que permitirá a los lectores replicar el desarrollo del modelo y el análisis de datos presentados en cada capÃtulo, y aplicarlos fácilmente en su propia investigación. Con un contenido de gran actualidad, el libro tiene el potencial de impactar el desarrollo de modelos y los análisis de datos en un amplio espectro de campos, y de impulsar más investigaciones en esta dirección. Nota de contenido: Part 1: Monte-Carlo Techniques -- 1. Overview of Monte-Carlo Techniques -- 2. On Improving the Efficiency of the Monte-Carlo Methods Using Ranked Simulated Approach -- 3. Joint generation of Different Types of Data with Specified Marginal and Association Structures for Simulation Purposes -- 4. Quantifying the Uncertainty in Optimal Experimental Schemes via Monte-Carlo Simulations -- 5. Normal and Non-normal Data Simulations for the Evaluation of Two-sample Location Tests -- 6. Understanding dichotomization from Monte-Carlo Simulations -- Part 2: Monte-Carlo Methods in Missing Data -- 7. Hybrid Monte-Carlo in Multiple Missing Data Imputations with Application to a Bone Fracture Data -- 8. Methods for Handling Incomplete Longitudinal Data due to Missing at Random Dropout -- 9. Applications of Simulation for Missing Data Issues in Longitudinal Clinical Trials -- 10. Application of Markov Chain Monte Carlo Multiple Imputation Method to Deal with Missing Data From the Mechanism of MNAR in Sensitivity Analysis for a Longitudinal Clinical Trial -- 11. Fully Bayesian Methods for Missing Data under Ignitability Assumption -- Part 3: Monte-Carlo in Statistical Modellings -- 12. Markov-Chain Monte-Carlo Methods in Statistical modelling -- 13. Monte-Carlo Simulation in Modeling for Hierarchical Linear Mixed Models -- 14. Monte-Carlo Simulation of Correlated Binary Responses -- 15. Monte Carlo Methods in Financial Modeling -- 16. Bayesian Intensive Computations in Elliptical Models. . Tipo de medio : Computadora Summary : This book brings together expert researchers engaged in Monte-Carlo simulation-based statistical modeling, offering them a forum to present and discuss recent issues in methodological development as well as public health applications. It is divided into three parts, with the first providing an overview of Monte-Carlo techniques, the second focusing on missing data Monte-Carlo methods, and the third addressing Bayesian and general statistical modeling using Monte-Carlo simulations. The data and computer programs used here will also be made publicly available, allowing readers to replicate the model development and data analysis presented in each chapter, and to readily apply them in their own research. Featuring highly topical content, the book has the potential to impact model development and data analyses across a wide spectrum of fields, and to spark further research in this direction. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Monte-Carlo Simulation-Based Statistical Modeling [documento electrónico] / Chen, Ding-Geng (Din), ; Chen, John Dean, . - 1 ed. . - Singapore [Malasya] : Springer, 2017 . - XX, 430 p. 64 ilustraciones, 33 ilustraciones en color.
ISBN : 978-981-10-3307-0
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: BiometrÃa BioestadÃstica Clasificación: 57.015.195 Resumen: Este libro reúne a investigadores expertos dedicados al modelado estadÃstico basado en simulación de Monte-Carlo, ofreciéndoles un foro para presentar y discutir temas recientes en el desarrollo metodológico, asà como aplicaciones de salud pública. Está dividido en tres partes: la primera proporciona una descripción general de las técnicas de Monte-Carlo, la segunda se centra en los métodos de Monte-Carlo para datos faltantes y la tercera aborda el modelado bayesiano y estadÃstico general utilizando simulaciones de Monte-Carlo. Los datos y programas informáticos utilizados aquà también estarán disponibles públicamente, lo que permitirá a los lectores replicar el desarrollo del modelo y el análisis de datos presentados en cada capÃtulo, y aplicarlos fácilmente en su propia investigación. Con un contenido de gran actualidad, el libro tiene el potencial de impactar el desarrollo de modelos y los análisis de datos en un amplio espectro de campos, y de impulsar más investigaciones en esta dirección. Nota de contenido: Part 1: Monte-Carlo Techniques -- 1. Overview of Monte-Carlo Techniques -- 2. On Improving the Efficiency of the Monte-Carlo Methods Using Ranked Simulated Approach -- 3. Joint generation of Different Types of Data with Specified Marginal and Association Structures for Simulation Purposes -- 4. Quantifying the Uncertainty in Optimal Experimental Schemes via Monte-Carlo Simulations -- 5. Normal and Non-normal Data Simulations for the Evaluation of Two-sample Location Tests -- 6. Understanding dichotomization from Monte-Carlo Simulations -- Part 2: Monte-Carlo Methods in Missing Data -- 7. Hybrid Monte-Carlo in Multiple Missing Data Imputations with Application to a Bone Fracture Data -- 8. Methods for Handling Incomplete Longitudinal Data due to Missing at Random Dropout -- 9. Applications of Simulation for Missing Data Issues in Longitudinal Clinical Trials -- 10. Application of Markov Chain Monte Carlo Multiple Imputation Method to Deal with Missing Data From the Mechanism of MNAR in Sensitivity Analysis for a Longitudinal Clinical Trial -- 11. Fully Bayesian Methods for Missing Data under Ignitability Assumption -- Part 3: Monte-Carlo in Statistical Modellings -- 12. Markov-Chain Monte-Carlo Methods in Statistical modelling -- 13. Monte-Carlo Simulation in Modeling for Hierarchical Linear Mixed Models -- 14. Monte-Carlo Simulation of Correlated Binary Responses -- 15. Monte Carlo Methods in Financial Modeling -- 16. Bayesian Intensive Computations in Elliptical Models. . Tipo de medio : Computadora Summary : This book brings together expert researchers engaged in Monte-Carlo simulation-based statistical modeling, offering them a forum to present and discuss recent issues in methodological development as well as public health applications. It is divided into three parts, with the first providing an overview of Monte-Carlo techniques, the second focusing on missing data Monte-Carlo methods, and the third addressing Bayesian and general statistical modeling using Monte-Carlo simulations. The data and computer programs used here will also be made publicly available, allowing readers to replicate the model development and data analysis presented in each chapter, and to readily apply them in their own research. Featuring highly topical content, the book has the potential to impact model development and data analyses across a wide spectrum of fields, and to spark further research in this direction. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Statistical Modeling for Degradation Data Tipo de documento: documento electrónico Autores: Chen, Ding-Geng (Din), ; Lio, Yuhlong, ; Ng, Hon Keung Tony, ; Tsai, Tzong-Ru, Mención de edición: 1 ed. Editorial: Singapore [Malasya] : Springer Fecha de publicación: 2017 Número de páginas: XVIII, 376 p. 109 ilustraciones, 67 ilustraciones en color. ISBN/ISSN/DL: 978-981-10-5194-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: EstadÃsticas TeorÃa y métodos estadÃsticos. EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Clasificación: 519.5 Resumen: Este libro se centra en los aspectos estadÃsticos del análisis de datos de degradación. En los últimos años, el análisis de datos de degradación ha llegado a desempeñar un papel cada vez más importante en diferentes disciplinas como la confiabilidad, las ciencias de la salud pública y las finanzas. Por ejemplo, se puede obtener información sobre la confiabilidad de los productos analizando los datos de degradación. Además, se han desarrollado técnicas de inferencia y modelización estadÃstica a partir de diferentes medidas de degradación. El libro reúne a expertos dedicados a la inferencia y el modelado estadÃstico, presentando y discutiendo importantes avances recientes en el análisis de datos de degradación y aplicaciones relacionadas. Los temas cubiertos son oportunos y tienen un potencial considerable para impactar tanto la estadÃstica como la ingenierÃa de confiabilidad. Nota de contenido: I. Review and Theoretical Framework -- Chapter 1: Stochastic Accelerated Degradation Models Based on a Generalized Cumu-lative Damage Approach -- Chapter 2: Hierarchical Bayesian Change-Point Analysis for Nonlinear Degradation Data -- Chapter 3: Degradation Modeling, Analysis, and Applications on Residual Life Predic-tion -- Chapter 4: On Some Shock Models with Poisson and Generalized Poisson Shock Processes -- Chapter 5: Degradation Based Reliability Modeling and Assessment of Complex Systems in Dynamic Environments -- Chapter 6: A Survey of the Modeling and Applications on Non-Destructive and De-structive Degradation Tests -- II. Modeling and Experimental Designs -- Chapter 7: Degradation Test Plan for a Nonlinear Random-Coefficients Model -- Chapter 8: Optimal Designs for LED Degradation Modeling -- Chapter 9: Gamma Degradation Models: Inferences and Optimal Designs -- Chapter 10: Model Misspecification analysis of Inverse Gaussian and Gamma Degrada-tion Processes -- III. Applications -- Chapter 11: Practical Application of Fréchet Shock-Degradation Models for System Failures -- Chapter 12: Statistical Methods for Thermal Index Estimation Based on Accelerated Destructive Degradation Test Data -- Chapter 13: Inference on Remaining Useful Life Under Gamma Degradation Models with Random effects.-- Chapter 14: ADDT: An R Package for Analysis of Accelerated Destructive Degradation Test Data -- Chapter 15: Modeling and Inference of CD4 Data. . Tipo de medio : Computadora Summary : This book focuses on the statistical aspects of the analysis of degradation data. In recent years, degradation data analysis has come to play an increasingly important role in different disciplines such as reliability, public health sciences, and finance. For example, information on products' reliability can be obtained by analyzing degradation data. In addition, statistical modeling and inference techniques have been developed on the basis of different degradation measures. The book brings together experts engaged in statistical modeling and inference, presenting and discussing important recent advances in degradation data analysis and related applications. The topics covered are timely and have considerable potential to impact both statistics and reliability engineering. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Statistical Modeling for Degradation Data [documento electrónico] / Chen, Ding-Geng (Din), ; Lio, Yuhlong, ; Ng, Hon Keung Tony, ; Tsai, Tzong-Ru, . - 1 ed. . - Singapore [Malasya] : Springer, 2017 . - XVIII, 376 p. 109 ilustraciones, 67 ilustraciones en color.
ISBN : 978-981-10-5194-4
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: EstadÃsticas TeorÃa y métodos estadÃsticos. EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Clasificación: 519.5 Resumen: Este libro se centra en los aspectos estadÃsticos del análisis de datos de degradación. En los últimos años, el análisis de datos de degradación ha llegado a desempeñar un papel cada vez más importante en diferentes disciplinas como la confiabilidad, las ciencias de la salud pública y las finanzas. Por ejemplo, se puede obtener información sobre la confiabilidad de los productos analizando los datos de degradación. Además, se han desarrollado técnicas de inferencia y modelización estadÃstica a partir de diferentes medidas de degradación. El libro reúne a expertos dedicados a la inferencia y el modelado estadÃstico, presentando y discutiendo importantes avances recientes en el análisis de datos de degradación y aplicaciones relacionadas. Los temas cubiertos son oportunos y tienen un potencial considerable para impactar tanto la estadÃstica como la ingenierÃa de confiabilidad. Nota de contenido: I. Review and Theoretical Framework -- Chapter 1: Stochastic Accelerated Degradation Models Based on a Generalized Cumu-lative Damage Approach -- Chapter 2: Hierarchical Bayesian Change-Point Analysis for Nonlinear Degradation Data -- Chapter 3: Degradation Modeling, Analysis, and Applications on Residual Life Predic-tion -- Chapter 4: On Some Shock Models with Poisson and Generalized Poisson Shock Processes -- Chapter 5: Degradation Based Reliability Modeling and Assessment of Complex Systems in Dynamic Environments -- Chapter 6: A Survey of the Modeling and Applications on Non-Destructive and De-structive Degradation Tests -- II. Modeling and Experimental Designs -- Chapter 7: Degradation Test Plan for a Nonlinear Random-Coefficients Model -- Chapter 8: Optimal Designs for LED Degradation Modeling -- Chapter 9: Gamma Degradation Models: Inferences and Optimal Designs -- Chapter 10: Model Misspecification analysis of Inverse Gaussian and Gamma Degrada-tion Processes -- III. Applications -- Chapter 11: Practical Application of Fréchet Shock-Degradation Models for System Failures -- Chapter 12: Statistical Methods for Thermal Index Estimation Based on Accelerated Destructive Degradation Test Data -- Chapter 13: Inference on Remaining Useful Life Under Gamma Degradation Models with Random effects.-- Chapter 14: ADDT: An R Package for Analysis of Accelerated Destructive Degradation Test Data -- Chapter 15: Modeling and Inference of CD4 Data. . Tipo de medio : Computadora Summary : This book focuses on the statistical aspects of the analysis of degradation data. In recent years, degradation data analysis has come to play an increasingly important role in different disciplines such as reliability, public health sciences, and finance. For example, information on products' reliability can be obtained by analyzing degradation data. In addition, statistical modeling and inference techniques have been developed on the basis of different degradation measures. The book brings together experts engaged in statistical modeling and inference, presenting and discussing important recent advances in degradation data analysis and related applications. The topics covered are timely and have considerable potential to impact both statistics and reliability engineering. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Statistical Modeling in Biomedical Research : Contemporary Topics and Voices in the Field Tipo de documento: documento electrónico Autores: Zhao, Yichuan, ; Chen, Ding-Geng (Din), Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XVIII, 491 p. 107 ilustraciones, 79 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-33416-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: BiometrÃa Investigación cuantitativa Procesamiento de datos BioestadÃstica Análisis de datos y Big Data MinerÃa de datos y descubrimiento de conocimientos Clasificación: 57.015.195 Resumen: Esta colección editada analiza los temas emergentes en el modelado estadÃstico para la investigación biomédica. Los principales expertos en las fronteras de la bioestadÃstica y la investigación biomédica analizan los procedimientos estadÃsticos, los métodos útiles y sus novedosas aplicaciones en la investigación bioestadÃstica. De alcance interdisciplinario, el volumen en su conjunto refleja los últimos avances en modelos estadÃsticos en la investigación biomédica, identifica nuevas direcciones impactantes y busca impulsar el campo hacia adelante. También fomenta la interacción de académicos en el campo, ofreciendo grandes oportunidades para estimular futuras colaboraciones. Este libro atraerá a cientÃficos y estadÃsticos de datos de la industria, investigadores y estudiantes de posgrado en bioestadÃstica y ciencias biomédicas. Cubre temas en: Análisis de datos de secuencia de próxima generación Aprendizaje profundo, medicina de precisión y sus aplicaciones Análisis de datos a gran escala y sus aplicaciones Investigación y modelado biomédico Análisis de supervivencia con estructura de datos compleja y sus aplicaciones. Nota de contenido: Preface -- Part I: Next Generation Sequence Data Analysis -- 1. Modeling Species Specific Gene Expression Across Multiple Regions in the Brain -- 2. Classification of EEG Motion Artifact Signals Using Spatial ICA -- 3. Weighted K-means Clustering with Observation Weight for Single-cell Epigenomic Data -- 4. Discrete Multiple Testing in Detecting Differential Methylation Using Sequencing Data -- Part II: Deep Learning, Precision Medicine and Applications -- 5. Prediction of Functional Markers of Mass Cytometry Data via Deep Learning -- 6. Building Health Application Recommender System Using Partially Penalized Regression -- 7. Hierarchical Continuous Time Hidden Markov Model, with Application in Zero-Inflated Accelerometer Data -- Part III: Large Scale Data Analysis and its Applications -- 8. Privacy Preserving Feature Selection Via Voted Wrapper Method For Horizontally Distributed Medical Data -- 9. Improving Maize Trait through Modifying Combination of Genes -- 10. Molecular Basis of Food Classification in Traditional Chinese Medicine -- 11. Discovery Among Binary Biomarkers in Heterogeneous Populations -- Part IV: Biomedical Research and the Modelling -- 12. Heat Kernel Smoothing on Manifolds and Its Application to Hyoid Bone Growth Modeling -- 13. Optimal Projections in the Distance-Based Statistical Methods -- 14. Kernel Tests for One, Two, and K-Sample Goodness-Of-Fit: State of the Art and Implementation Considerations -- 15. Hierarchical Modeling of the Effect of Pre-exposure Prophylaxis on HIV in the US -- 16. Mathematical Model of Mouse Ventricular Myocytes Overexpressing Adenylyl Cyclase Type 5 -- Part V: Survival Analysis with Complex Data Structure and its Applications -- 17. Non-Parametric Maximum Likelihood Estimator for Case-Cohort and Nested Case-Control Designs with Competing Risks Data -- Authors: Jie-Huei Wang, Chun-Hao Pan, Yi-Hau Chen and I-Shou Chang -- 18. Variable Selection in Partially Linear Proportional Hazards Model with Grouped Covariates and a Diverging Number of Parameters -- 19. Inference of Transition Probabilities in Multi-state Models using Adaptive Inverse Probability Censoring Weighting Technique. Tipo de medio : Computadora Summary : This edited collection discusses the emerging topics in statistical modeling for biomedical research. Leading experts in the frontiers of biostatistics and biomedical research discuss the statistical procedures, useful methods, and their novel applications in biostatistics research. Interdisciplinary in scope, the volume as a whole reflects the latest advances in statistical modeling in biomedical research, identifies impactful new directions, and seeks to drive the field forward. It also fosters the interaction of scholars in the arena, offering great opportunities to stimulate further collaborations. This book will appeal to industry data scientists and statisticians, researchers, and graduate students in biostatistics and biomedical science. It covers topics in: Next generation sequence data analysis Deep learning, precision medicine, and their applications Large scale data analysis and its applications Biomedical research and modeling Survival analysis with complex data structure and its applications. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Statistical Modeling in Biomedical Research : Contemporary Topics and Voices in the Field [documento electrónico] / Zhao, Yichuan, ; Chen, Ding-Geng (Din), . - 1 ed. . - [s.l.] : Springer, 2020 . - XVIII, 491 p. 107 ilustraciones, 79 ilustraciones en color.
ISBN : 978-3-030-33416-1
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: BiometrÃa Investigación cuantitativa Procesamiento de datos BioestadÃstica Análisis de datos y Big Data MinerÃa de datos y descubrimiento de conocimientos Clasificación: 57.015.195 Resumen: Esta colección editada analiza los temas emergentes en el modelado estadÃstico para la investigación biomédica. Los principales expertos en las fronteras de la bioestadÃstica y la investigación biomédica analizan los procedimientos estadÃsticos, los métodos útiles y sus novedosas aplicaciones en la investigación bioestadÃstica. De alcance interdisciplinario, el volumen en su conjunto refleja los últimos avances en modelos estadÃsticos en la investigación biomédica, identifica nuevas direcciones impactantes y busca impulsar el campo hacia adelante. También fomenta la interacción de académicos en el campo, ofreciendo grandes oportunidades para estimular futuras colaboraciones. Este libro atraerá a cientÃficos y estadÃsticos de datos de la industria, investigadores y estudiantes de posgrado en bioestadÃstica y ciencias biomédicas. Cubre temas en: Análisis de datos de secuencia de próxima generación Aprendizaje profundo, medicina de precisión y sus aplicaciones Análisis de datos a gran escala y sus aplicaciones Investigación y modelado biomédico Análisis de supervivencia con estructura de datos compleja y sus aplicaciones. Nota de contenido: Preface -- Part I: Next Generation Sequence Data Analysis -- 1. Modeling Species Specific Gene Expression Across Multiple Regions in the Brain -- 2. Classification of EEG Motion Artifact Signals Using Spatial ICA -- 3. Weighted K-means Clustering with Observation Weight for Single-cell Epigenomic Data -- 4. Discrete Multiple Testing in Detecting Differential Methylation Using Sequencing Data -- Part II: Deep Learning, Precision Medicine and Applications -- 5. Prediction of Functional Markers of Mass Cytometry Data via Deep Learning -- 6. Building Health Application Recommender System Using Partially Penalized Regression -- 7. Hierarchical Continuous Time Hidden Markov Model, with Application in Zero-Inflated Accelerometer Data -- Part III: Large Scale Data Analysis and its Applications -- 8. Privacy Preserving Feature Selection Via Voted Wrapper Method For Horizontally Distributed Medical Data -- 9. Improving Maize Trait through Modifying Combination of Genes -- 10. Molecular Basis of Food Classification in Traditional Chinese Medicine -- 11. Discovery Among Binary Biomarkers in Heterogeneous Populations -- Part IV: Biomedical Research and the Modelling -- 12. Heat Kernel Smoothing on Manifolds and Its Application to Hyoid Bone Growth Modeling -- 13. Optimal Projections in the Distance-Based Statistical Methods -- 14. Kernel Tests for One, Two, and K-Sample Goodness-Of-Fit: State of the Art and Implementation Considerations -- 15. Hierarchical Modeling of the Effect of Pre-exposure Prophylaxis on HIV in the US -- 16. Mathematical Model of Mouse Ventricular Myocytes Overexpressing Adenylyl Cyclase Type 5 -- Part V: Survival Analysis with Complex Data Structure and its Applications -- 17. Non-Parametric Maximum Likelihood Estimator for Case-Cohort and Nested Case-Control Designs with Competing Risks Data -- Authors: Jie-Huei Wang, Chun-Hao Pan, Yi-Hau Chen and I-Shou Chang -- 18. Variable Selection in Partially Linear Proportional Hazards Model with Grouped Covariates and a Diverging Number of Parameters -- 19. Inference of Transition Probabilities in Multi-state Models using Adaptive Inverse Probability Censoring Weighting Technique. Tipo de medio : Computadora Summary : This edited collection discusses the emerging topics in statistical modeling for biomedical research. Leading experts in the frontiers of biostatistics and biomedical research discuss the statistical procedures, useful methods, and their novel applications in biostatistics research. Interdisciplinary in scope, the volume as a whole reflects the latest advances in statistical modeling in biomedical research, identifies impactful new directions, and seeks to drive the field forward. It also fosters the interaction of scholars in the arena, offering great opportunities to stimulate further collaborations. This book will appeal to industry data scientists and statisticians, researchers, and graduate students in biostatistics and biomedical science. It covers topics in: Next generation sequence data analysis Deep learning, precision medicine, and their applications Large scale data analysis and its applications Biomedical research and modeling Survival analysis with complex data structure and its applications. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Statistical Regression Modeling with R : Longitudinal and Multi-level Modeling Tipo de documento: documento electrónico Autores: Chen, Ding-Geng (Din), ; Chen, Jenny K., Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XVII, 228 p. 45 ilustraciones ISBN/ISSN/DL: 978-3-030-67583-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: EstadÃsticas Lenguajes de programación (computadoras electrónicas) TeorÃa y métodos estadÃsticos. EstadÃsticas aplicadas Lenguaje de programación Clasificación: 519.5 Resumen: Este libro proporciona un punto de referencia conciso para los métodos de regresión más utilizados. Comienza con la regresión lineal y no lineal para datos distribuidos normalmente, la regresión logÃstica para datos distribuidos binomialmente y la regresión de Poisson y la regresión binomial negativa para datos de recuento. Luego avanza hacia estos modelos de regresión que funcionan con estructuras de datos longitudinales y multinivel. El volumen está diseñado para guiar la transición del modelado de regresión clásico a uno más avanzado, asà como para contribuir al rápido desarrollo de la estadÃstica y la ciencia de datos. Con datos y programas informáticos disponibles para facilitar la experiencia de aprendizaje de los lectores, Statistical Regression Modeling promueve las aplicaciones de R en regresión lineal, no lineal, longitudinal y multinivel. Todos los conjuntos de datos incluidos, asà como el programa R asociado en los paquetes nlme y lme4 para regresión multinivel, se detallan en el Apéndice A. Este libro será valioso en cursos de posgrado sobre regresión aplicada, asà como para profesionales e investigadores en los campos de la ciencia de datos, el análisis estadÃstico, la salud pública y campos relacionados. Nota de contenido: 1. Linear Regression -- 2. Introduction to Multi-Level Regression -- 3. Two-Level Multi-Level Modeling -- 4. Higher-Level Multi-Level Modeling -- 5. Longitudinal Data Analysis -- 6. Nonlinear Regression Modeling -- 7. Nonlinear Mixed-Effects Modeling -- 8. Generalized Linear Model -- 9. Generalized Multi-Level Model for Dichotomous Outcome -- 10. Generalized Multi-Level Model for Counts Outcome. Tipo de medio : Computadora Summary : This book provides a concise point of reference for the most commonly used regression methods. It begins with linear and nonlinear regression for normally distributed data, logistic regression for binomially distributed data, and Poisson regression and negative-binomial regression for count data. It then progresses to these regression models that work with longitudinal and multi-level data structures. The volume is designed to guide the transition from classical to more advanced regression modeling, as well as to contribute to the rapid development of statistics and data science. With data and computing programs available to facilitate readers' learning experience, Statistical Regression Modeling promotes the applications of R in linear, nonlinear, longitudinal and multi-level regression. All included datasets, as well as the associated R program in packages nlme and lme4 for multi-level regression, are detailed in Appendix A. This book will be valuable in graduate courses on applied regression, as well as for practitioners and researchers in the fields of data science, statistical analytics, public health, and related fields. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Statistical Regression Modeling with R : Longitudinal and Multi-level Modeling [documento electrónico] / Chen, Ding-Geng (Din), ; Chen, Jenny K., . - 1 ed. . - [s.l.] : Springer, 2021 . - XVII, 228 p. 45 ilustraciones.
ISBN : 978-3-030-67583-7
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: EstadÃsticas Lenguajes de programación (computadoras electrónicas) TeorÃa y métodos estadÃsticos. EstadÃsticas aplicadas Lenguaje de programación Clasificación: 519.5 Resumen: Este libro proporciona un punto de referencia conciso para los métodos de regresión más utilizados. Comienza con la regresión lineal y no lineal para datos distribuidos normalmente, la regresión logÃstica para datos distribuidos binomialmente y la regresión de Poisson y la regresión binomial negativa para datos de recuento. Luego avanza hacia estos modelos de regresión que funcionan con estructuras de datos longitudinales y multinivel. El volumen está diseñado para guiar la transición del modelado de regresión clásico a uno más avanzado, asà como para contribuir al rápido desarrollo de la estadÃstica y la ciencia de datos. Con datos y programas informáticos disponibles para facilitar la experiencia de aprendizaje de los lectores, Statistical Regression Modeling promueve las aplicaciones de R en regresión lineal, no lineal, longitudinal y multinivel. Todos los conjuntos de datos incluidos, asà como el programa R asociado en los paquetes nlme y lme4 para regresión multinivel, se detallan en el Apéndice A. Este libro será valioso en cursos de posgrado sobre regresión aplicada, asà como para profesionales e investigadores en los campos de la ciencia de datos, el análisis estadÃstico, la salud pública y campos relacionados. Nota de contenido: 1. Linear Regression -- 2. Introduction to Multi-Level Regression -- 3. Two-Level Multi-Level Modeling -- 4. Higher-Level Multi-Level Modeling -- 5. Longitudinal Data Analysis -- 6. Nonlinear Regression Modeling -- 7. Nonlinear Mixed-Effects Modeling -- 8. Generalized Linear Model -- 9. Generalized Multi-Level Model for Dichotomous Outcome -- 10. Generalized Multi-Level Model for Counts Outcome. Tipo de medio : Computadora Summary : This book provides a concise point of reference for the most commonly used regression methods. It begins with linear and nonlinear regression for normally distributed data, logistic regression for binomially distributed data, and Poisson regression and negative-binomial regression for count data. It then progresses to these regression models that work with longitudinal and multi-level data structures. The volume is designed to guide the transition from classical to more advanced regression modeling, as well as to contribute to the rapid development of statistics and data science. With data and computing programs available to facilitate readers' learning experience, Statistical Regression Modeling promotes the applications of R in linear, nonlinear, longitudinal and multi-level regression. All included datasets, as well as the associated R program in packages nlme and lme4 for multi-level regression, are detailed in Appendix A. This book will be valuable in graduate courses on applied regression, as well as for practitioners and researchers in the fields of data science, statistical analytics, public health, and related fields. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
