Анализ литературы

1. Халафян А.А. Современные статистические методы медицинских исследований: монография. М.: Издательство ЛКИ, 2008.

В монографии приведены результаты научных исследований, проведенных автором совместно с врачами-исследователями. На реальных медицинских данных изложена технология современного статистического анализа данных. Представлены классические многомерные и современные углубленные методы анализа данных: множественный регрессионный анализ, кластерный анализ, факторный анализ, анализ главных компонент и классификация, многомерное шкалирование, анализ соответствий, канонический анализ, дискриминантный анализ, общие модели дискриминантного анализа, дисперсионный анализ, деревья классификации, анализ выживаемости, моделирование структурными уравнениями, временные ряды и прогнозирование. Уделено внимание постановочной части рассмотренных методов и интерпретации результатов. Показаны возможности при разработке диагностических программ. Книга рассчитана на широкий круг читателей – врачи, занимающиеся исследовательской работой, профессорско-преподавательский состав, аспиранты, студенты и научные работники медико-билогических вузов, заинтересованные в применении современных технологий статистического анализа данных; а также все специалисты, использующие анализ данных в различных прикладных областях знаний.

2. Сырцова Л.Е., Косаговская И.И., Авксентьева М.В. Основы эпидемиологии и статистического анализа в общественном здоровье и управлении здравоохранением. М.: Московская медицинская академия им. И.М.Сеченова, 2003. – 91с.

В данном пособии представлены основы статистического анализа и эпидемиологии, в частности методы сравнения статистических совокупностей, корреляционный и регрессионный анализ, методы анализа динамики явлений, которые являются базовыми при изучении и анализе проблем общественного здоровья и здравоохранения, а также при организации и проведении научно-практических исследований и принятии управленческих решений. Целью данного пособия является помощь обучающимся в овладении наиболее простыми и часто встречающимися методами и подходами статистического анализа и попытка предупредить наиболее распространенные ошибки.

3.Гайдышев И. Анализ и обработка данных: специальный справочник — СПб: Питер, 2001. — 752 с.: ил.

Здесь вы найдете краткое описание большого количества алгоритмов анализа данных, их сравнения, а также известных математических методов, применяющихся в этих алгоритмах. Достаточно полно даны прокомментированные исходные тексты компьютерных программ, реализующих эти алгоритмы.

Книга может оказаться полезной в качестве справочника при изучении темы данной работы, а также научным работникам, программистам, инженерам-исследователям, медикам, биологам и другим специалистам, профессионально имеющим дело с обработкой экспериментальной информации.

4.Стрижов В. В. Методы индуктивного порождения регрессионных моделей. М.: Вычислительный центр им. А. А. Дородницына Российской академии наук, 2008 – 61с.

При решении задач регрессии искомая модель может быть назначена аналитиком на основе предположений о характере решаемой задачи или выбрана из некоторого множества моделей. При выборе моделей встают вопросы о том, какова должна быть структура модели, ее сложность, устойчивость и точность. В данном пособии рассматриваются проблемы индуктивного порождения и выбора моделей, представленных в виде суперпозиций параметрических функций. Основу его составляет курс лекций, читаемый автором в Московском физико-техническом институте.

5. Калинина В. Н., Панкин В. Ф. Математическая статистика: Учеб. для студ. сред. спец. учеб. заведений — 4-е изд., испр. — М.: Дрофа, 2002. — 336 с.

В учебнике содержатся наиболее важные разделы математической статистики: оценивание числовых характеристик и закона распределения случайной величины, проверка гипотез, дисперсионный и корреляционно-регрессионный анализ, а также необходимые для понимания этих разделов сведения по теории вероятностей. Приведены примеры и упражнения, их разбор и решения, графические иллюстрации.

В учебник включены вопросы статистического моделирования случайных величин и систем массового обслуживания на ЭВМ, широко используемого специалистами, которые работают в области программирования и использования ЭВМ.

6. Гмурман, В. Е. Теория вероятностей и математическая статистика: Учеб. пособие для вузов/В. Е. Гмурман. — 9-е изд., стер. — М.: Высш. шк., 2003. — 479 с.

Книга содержит в основном весь материал программы по теории вероятностей и математической статистике. Большое внимание уделено статистическим методам обработки экспериментальных данных. В конце каждой главы помешены задачи с ответами.

Предназначается для студентов вузов и лиц, использующих вероятностные и статистические методы при решении практических задач.

7. Урбах В.Ю. Статистический анализ в биологических и медицинских исследованиях. М.: Медицина, 1975. – 297 с.

В книге подробно изложены вопросы статистического планирования медицинских и биологических экспериментов, предварительной статистической обработки полученного в опытах материала, оценки параметров распределения но эмпирическим данным, выявление значимости различия двух распределений; рассмотрены важные для биологических и медицинских приложений распределения (нормальное, биномиальное, пуассоновское), описаны методы регрессионного, дискриминантного, последовательного анализа и др. Особое внимание уделено детальному разбору техники вычислений. Удачное расположение материала, необходимые математико-статистические таблицы облегчают пользование книгой. Книга рассчитана главным образом на научных работников, ведущих исследования в различных областях медицины, физиологии и биологии.

8. Н. Джонсон, Ф. Лион Статистика и планирование эксперимента в технике и науке. Методы обработки данных. М.: «Мир», 1980. – 305с.

В книге излагаются основы техники статистических вычислений. Наряду со стандартными приемами оценивания и проверки гипотез рассматриваются методы статистического контроля, элементы теории статистических решений, вопросы регрессионного и корреляционного анализов. Приведены статистические таблицы и графики, полезные при решении прикладных задач, а также большое число примеров и упражнений.

Предназначена для специалистов, желающих применять методы математической статистики и теории планирования эксперимента, и представляет несомненный интерес для студентов вузов и аспирантов естественнонаучных и технических специальностей.