Publikacja jest drugim wydaniem, gruntownie poprawionym i rozbudowanym, cieszącej się ogromną popularnością książki, poświęconym zaawansowanym metodom statystycznej analizy danych. Jest ona naturalną kontynuacją tomu 1.: "Przystępnego kursu statystyki. Statystyki podstawowe", lecz może być czytana niezależnie.
Autor książki stara się przybliżyć Czytelnikom bardziej zaawansowane metody analiz statystycznych związane z zagadnieniem modelowania współzależności pomiędzy zmiennymi. Jako pierwsze zostały omówione klasyczne techniki analizy regresji, analiza reszt oraz problematyka budowy modeli. Następnie Autor zajął się zagadnieniem regresji nieliniowej. Osobny rozdział został poświęcony regresji logistycznej. Najwięcej miejsca zajmują metody analizy wariancji. Po wprowadzeniu do zagadnienia planowania doświadczeń zostały kolejno omówione najczęściej stosowane układy doświadczalne oraz sposoby opracowania ich wyników. Pewnego rodzaju podsumowaniem omówionych metod jest rozdział poświęcony prezentacji tzw. ogólnego modelu liniowego. W ostatnim rozdziale Autor prezentuje najbardziej ogólne podejście do zagadnień modelowania współzależności pomiędzy zmiennymi, opierające się na uogólnionym modelu liniowym. Są to metody pozwalające na statystyczny opis powiązań między zmiennymi, w przypadku gdy rozkład zmiennej zależnej odbiega od normalnego (lub zmienna zależna ma charakter jakościowy).
Książka zawiera wiele ciekawych przykładów oraz dużą ilość praktycznych wskazówek. Przykładowe zagadnienia merytoryczne oraz przytaczane dane empiryczne czynią ją szczególnie atrakcyjną dla przedstawicieli nauk biomedycznych, ale książka jest adresowana nie tylko do nich. Korzystać z niej mogą wszyscy pragnący poznać metody analizy regresji i analizy wariancji oraz praktycznie wykorzystywać pakiet STATISTICA, który pojawia się w książce jako narzędzie do przeprowadzania obliczeń statystycznych oraz tworzenia wykresów ułatwiających interpretacje wyników przeprowadzanych analiz. Książka jest ilustrowana wieloma wykresami oraz zrzutami ekranowymi z programu STATISTICA. Należy jednak podkreślić, że książka nie jest dokumentacją do programu STATISTICA - zostały w niej przedstawione tylko wybrane opcje analiz statystycznych.
Zobacz również: Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny Tom 1 Statystyki podstawowe, Andrzej Stanisz
Zobacz również: Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny Tom 3. Analizy Wielowymiarowe , Andrzej Stanisz
SPIS TREŚCI
PRZEDMOWA
ANALIZA REGRESJI PROSTEJ
I. Wprowadzenie
II. Regresja liniowa
III. Klasyczny model regresji liniowej
IV. Estymacja i estymatory
V. Założenia modelu
VI. A jak to się liczy w programie STATISTICA
REGRESJA WIELORAKA
I. Wprowadzenie
II. Założenia modelu
III. A jak to się liczy w programie STATISTICA
ANALIZA RESZT
I. Wprowadzenie
II. A jak się to liczy w programie STATISTICA
REGRESJA KROKOWA
I. Wprowadzenie
II. Regresja hierarchiczna
III. Metoda regresji krokowej
REGRESJA NIELINIOWA
I. Wprowadzenie
II. Modele linearyzowalne
III. Modele nieliniowe
IV. Regresja segmentowa
V. Analizy pokrewne i dopełniające w programie STATISTICA
REGRESJA LOGISTYCZNA
I. Wprowadzenie
II. A jak to się liczy w programie STATISTICA
III. Ocena mocy predykcji
IV. Regresja probitowa
ELEMENTY PLANOWANIA DOŚWIADCZEŃ
I. Wprowadzenie
II. Terminologia
III. Podstawowe plany doświadczalne
JEDNOCZYNNIKOWA ANALIZA WARIANCJI
I. Wprowadzenie
II. Analiza wariancji - klasyfikacja jednoczynnikowa
III. A jak to się liczy w programie STATISTICA
IV. Podsumowanie
WIELOCZYNNIKOWA ANALIZA WARIANCJI
I. Wprowadzenie
II. A jak to się liczy w programie STATISTICA
ZAŁOŻENIA ANALIZY WARIANCJI I OCENA WIELKOŚCI EFEKTÓW EKSPERYMENTALNYCH
I. Wprowadzenie
II. A jak to się sprawdza w programie STATISTICA
III. Oceny wielkości efektów eksperymentalnych
PROCEDURY PORÓWNAŃ WIELOKROTNYCH - ANALIZA KONTRASTÓW
I. Wprowadzenie
II. Kontrasty
III. A jak to się liczy w programie STATISTICA
IV. Predefiniowane kontrasty
V. Analiza trendu
VI. Podsumowanie
PROCEDURY PORÓWNAŃ WIELOKROTNYCH -TESTY POST-HOC
I. Wprowadzenie
II. Porównania post-hoc
III. Porównanie metod
IV. A jak to się liczy w programie STATISTICA
V. Podsumowanie
WYBRANE UKŁADY DOŚWIADCZALNE
I. Bloki losowe
II. Kwadraty łacińskie
III. A jak to się liczy w programie STATISTICA
HIERARCHICZNA ANALIZA WARIANCJI
I. Wprowadzenie
II. A jak to się liczy w programie STATISTICA
ANALIZA KOWARIANCJI
I. Wprowadzenie
II. Analiza założeń
III. A jak to się liczy w programie STATISTICA
POWTARZANE POMIARY
I. Wprowadzenie
II. Założenia leżące u podstaw analizy wariancji z powtarzanymi pomiarami
III. A jak to się liczy w programie STATISTICA
KOMPONENTY WARIANCYJNE
I. Wprowadzenie
II. A jak to się liczy w programie STATISTICA
III. Uwagi końcowe
WIELOWYMIAROWA ANALIZA WARIANCJI - MANOVA
I. Wprowadzenie
II. A jak to się liczy w programie STATISTICA
III. Założenia MANOVA. Uwagi
ANALIZA WARIANCJI - PODEJŚCIE MODELOWE I REGRESYJNE
I. Wprowadzenie
II. Modele analizy wariancji
III. A jak to się liczy w programie STATISTICA
IV. Wprowadzenie do układów niezrównoważonych
OGÓLNY MODEL LINIOWY
I. Wprowadzenie
II. A jak to się liczy w programie STATISTICA
III. Podsumowanie
UOGÓLNIONY MODEL LINIOWY
I. Wprowadzenie
II. Specyfikacja modelu i ocena dopasowania
III. A jak to się liczy w programie STATISTICA
WEKTORY I MACIERZE
I. Wektory
II. Macierze
III. Definicja i własności wyznacznika macierzy
IV. Układy równań liniowych
V. Wartość własna i wektor własny
BIBLIOGRAFIA
SKOROWIDZ
