– Paperback:
Free delivery for any order placed directly through the ISTE Group website istegroup.com
Delivery time: approximately two weeks
Deliveries only within metropolitan France, Belgium, Switzerland and Luxembourg
Printed in color
An ebook version is provided free with every hardcopy ordered through our website
It will be sent after the order is completed
Offer not applicable to bookshops
– Ebook:
Prices reserved for private individuals
Licenses for institutions: contact us
Our ebooks are in PDF format (readable on any device)
La série Biostatistique et sciences de la santé présente des ouvrages de Statistique appliquée à la recherche clinique, épidémiologique, en économie et sociologie de la santé, et en biologie médicale…
Les biostatistiques médicales constituent un champ scientifique précieux pour le praticien qui souhaite calculer la valeur normale d’une grandeur biologique, évaluer la fiabilité d’un examen ou estimer le risque de complication d’un état pathologique. Le logiciel de statistique R permet de compiler et d’analyser efficacement ces données médicales.
Cet ouvrage permet un apprentissage progressif de R pour pouvoir réaliser ses propres analyses. Conçu à l’origine pour un enseignement pratique, il propose une approche cohérente et unifiée des techniques de biostatistique rencontrées dans les études de recherche clinique et en épidémiologie.
Depuis l’importation de sources de données jusqu’aux étapes de modélisation statistique, la structuration d’une base de données et l’exploration numérique ou graphique des variables qui la composent jouent un rôle essentiel. Les principales commandes R permettant de manipuler des variables numériques ou catégorielles sont illustrées de façon à pouvoir obtenir rapidement un résultat correctement interprétable.
1. Eléments du langage
2. Statistiques descriptives et estimation
3. Mesures et tests d’association entre deux variables
4. Analyse de variance et plans d’expérience
5. Corrélation et régression linéaire
6. Mesures d’association en épidémiologie
et régression logistique
7. Analyse des données de survie