Bayesian Nonparametrics for Causal Inference and Missing Data (Bayesi nemparametrika ok-okozati következtetéshez és hiányzó adatokhoz)

Eredeti címe:

Bayesian Nonparametrics for Causal Inference and Missing Data

Könyv tartalma:

Bayesian Nonparametrics for Causal Inference and Missing Data áttekintést nyújt a közös vagy feltételes eloszlások és funkcionális kapcsolatok modellezésére szolgáló rugalmas Bayesian Nonparametrics (BNP) módszerekről, valamint ezek kölcsönhatásáról az oksági következtetésekkel és a hiányzó adatokkal. Ez a könyv hangsúlyozza a nem tesztelhető feltételezések fontosságát az érdeklődésre számot tartó becslések azonosítása érdekében, mint például a hiányzó adatok véletlenszerűségének feltételezése a hiányzó adatok esetében és a megfigyelési tanulmányokban az ok-okozati következtetésnél az okozatlanság. A parametrikus módszerekkel ellentétben a BNP megközelítés figyelembe tudja venni a feltételezések lehetséges megsértését, és minimalizálja a modell hibás specifikációjával kapcsolatos aggodalmakat. Az általános stratégia az, hogy először BNP-modelleket határozunk meg a megfigyelt adatokra, majd további, nem ellenőrizhető feltételezéseket határozunk meg az érdeklődésre számot tartó becslések azonosítására.

A könyv három részre oszlik. I. rész az oksági következtetés és a hiányzó adatok kulcsfogalmait fejleszti ki, és áttekinti a Bayes-féle következtetés releváns fogalmait. A II. rész bemutatja az oksági következtetés és a hiányzó adatok problémáinak kezeléséhez szükséges alapvető BNP-eszközöket. A III. rész bemutatja, hogyan alkalmazható a BNP megközelítés számos esettanulmányban. Az esettanulmányokban szereplő adatkészletek elektronikus egészségügyi nyilvántartási adatokból, felmérési adatokból, kohorszvizsgálatokból és randomizált klinikai vizsgálatokból származnak.

Jellemzők.

- Mind a BNP, mind az oksági következtetéssel és a hiányzó adatokkal való kölcsönhatásának alapos tárgyalása.

- Hogyan használjuk a BNP-t és a g-számítást az oksági következtetés és a nem jelezhető hiányzó adatok esetében.

- Hogyan lehet érzékenységi paramétereket levezetni és kalibrálni az ellenőrizhetetlen oksági és/vagy hiányzási feltételezésektől való eltérésekkel szembeni érzékenység értékeléséhez.

- Részletes esettanulmányok a BNP-módszerek ok-okozati következtetésre és hiányzó adatokra való alkalmazásának illusztrálásáról.

- R-kód és/vagy csomagok a BNP alkalmazásához az oksági következtetés és a hiányzó adatok problémáiban.

A könyv elsősorban a statisztika és a biostatisztika kutatóinak és végzős hallgatóinak szól. Hasznos gyakorlati referenciaként szolgál a matematikailag kifinomult epidemiológusok és orvoskutatók számára is.