10 noms chaque biostatisticien devrait savoir

Biostatistique, dans sa forme actuelle, est le résultat cumulé de quatre siècles de contributions de nombreux mathématiciens et scientifiques. Certains sont bien connus, et certains sont obscure- certains sont des gens célèbres que vous avez jamais soupçonnées d'être des statisticiens, et certains sont carrément des personnages excentriques et peu recommandables. Cette liste vous donne quelques points saillants des contributions de quelques-unes des nombreuses personnes qui ont fait des statistiques (et donc biostatistique) ce qu'il est aujourd'hui.

• Thomas Bayes (ca. 1701-1761). Un ministre presbytérien et mathématicien amateur, Bayes vivaient bien avant le domaine des statistiques (que nous connaissons) existé- personnes ont encore du mal à travailler sur les lois fondamentales de la probabilité. Bayes tâté avec le “ inverse de la probabilité ” problème (trouver ce que la population doit être comme, basée sur l'observation d'un échantillon de cette population), mais il n'a jamais pris la peine de publier son travail. Néanmoins, il a développé une formule est finalement devenu le fondement de Statistique bayésienne - l'une des deux grandes branches de la théorie statistique (l'autre étant statistiques fréquentistes). Statistique bayésienne n'a pas été utilisé pour résoudre les problèmes du monde réel que plus de deux siècles après la mort de son créateur. Pour plus d'informations, consultez Thomas Bayes dans Encyclopedia.com et Thomas Bayes dans Wikipedia.org.

• Pierre-Simon Laplace (1749-1827). Alors que LaPlace a fait la plupart de son travail en astronomie (l'un de ses ambitions de conduite était de prouver que le système solaire ne serait pas voler en éclats), il a également fait des découvertes fondamentales en mathématiques. Il a aidé à mettre statistique bayésienne sur une base théorique solide, et il a aidé à formuler les moindres carrés critère pour estimer les paramètres de la population. Il était également l'un des premiers scientifiques à suggérer l'existence d' trous noirs en raison de l'effondrement gravitationnel (et vous pensiez que ce était un “ moderne ” notion)! Pour plus d'informations, consultez Pierre-Simon Laplace en Encyclopedia.com et Wikipedia.org.

• Carl Friedrich Gauss (1777 au 1855). Parfois appelé “ le prince des mathématiciens, ” Les contributions de Gauss allaient de la plus abstraite et théorique à la plus pratique. Il a développé non linéaire régression des moindres carrés, a trouvé des moyens efficaces pour résoudre des équations simultanées, et a découvert ce qui est maintenant appelé le “ vite transformée de Fourier ” (FFT), sans lequel la création de la tomodensitométrie et images IRM serait désespérément de temps. La distribution normale, avec sa courbe en forme de cloche, est souvent appelé une distribution gaussienne en son honneur. Pour plus d'informations, consultez Encyclopedia.com et Wikipedia.org couverture de Carl Friedrich Gauss.

• 
  
  
  
  

  John Snow (1813 à 1858). Un médecin de Londres, Neige enquêtait sur une épidémie de choléra et a remarqué que toutes les victimes avaient été en utilisant un récemment creusé, pompe à eau publique, situé à trois pieds d'un vieux cloaque fuite. Après il a convaincu les responsables locaux sceptiques pour enlever la poignée de la pompe, l'épidémie rapidement tourné court (après quoi, les fonctionnaires réinstallés rapidement la poignée). L'étude de la neige marque la naissance de la science de la épidémiologie (étroitement liée à la biostatistique), qui étudie les tendances, les causes et les effets des conditions de santé et de maladie dans les populations spécifiques. Neige a également joué un rôle majeur dans la popularisation de l'utilisation de l'anesthésie dans les procédures chirurgicales et obstétricales (aidé par son donnant le chloroforme à la reine Victoria lors des livraisons des deux derniers de ses neuf enfants). Pour plus d'informations, consultez Encyclopedia.com et Wikipedia.org.

• Florence Nightingale (1820-1910). Qui pourrait penser que le célèbre “ La Dame à la lampe ” de la guerre de Crimée, le fondateur de la profession infirmière, était aussi un statisticien! Mais elle était. Elle pourrait transmettre des idées complexes dans un anglais simple et résumer les données avec des graphiques faciles à comprendre, y compris un type spécial de camembert elle a inventé, appelé polaire schéma de la zone. Avec l'aide de graphiques que même les politiciens pouvaient comprendre, elle a été en mesure d'apporter des améliorations profondes dans les soins médicaux et de santé publique. Pour plus d'informations, consultez Encyclopedia.com et Wikipedia.org.

• Karl Pearson (De 1857 à 1936). La “ fondateur de statistiques mathématiques ” était un personnage intéressant, pour dire le moins - antisémite, socialiste, et une eugéniste ardente dont les vues extrêmes faisaient partie des fondements philosophiques de l'holocauste du Troisième Reich. Mais son influence sur le développement des statistiques était énorme - y compris le concept de tests d'hypothèses statistiques, le coefficient de corrélation, le test du chi-carré, la valeur de p, et l'analyse des facteurs (pour ne citer que quelques-uns), qui a développé pour favoriser la crédibilité scientifique de ses vues extravagantes. Pour plus d'informations, consultez Encyclopedia.com et Wikipedia.org.

• William S. Gosset (1876-1937). Gosset a travaillé pour la brasserie Guinness à Dublin, où il a rencontré le problème de comparer les moyennes de petits échantillons. Avec l'aide de Karl Pearson, Gosset est venu avec la solution correcte. Ne pas être un mathématicien de grande puissance, il a compté sur l'intuition géniale de venir avec une proposition à la réponse, qu'il a ensuite confirmée par des simulations laborieuses et chronophages réalisées entièrement à la main (ordinateurs avaient pas encore été inventé). Guinness ne le laisserait pas publier ses résultats sous son vrai nom ils lui ont fait utiliser le nom de plume “ étudiants ” à la place, le privant à jamais de la reconnaissance du nom, il méritait vraiment. Qu'est-ce que tout le monde appelle la Test t de Student et le La distribution de Student devrait vraiment avoir été le Test t Gosset et le Distribution t Gosset. Dommage en effet. Pour plus d'informations, consultez Encyclopedia.com et Wikipedia.org.

• Ronald A. Fisher (De 1890 à 1962). Peut-être la figure la plus imposante dans le développement de techniques statistiques en usage aujourd'hui, Fisher a inventé l'analyse de la variance et de la Pêcheur test exact pour analyser les données sous forme de tableaux croisés (le test du chi-carré est seulement approximative). Comme Karl Pearson, Fisher était un eugéniste et raciste et enragé (rétrospectivement) était sur le mauvais côté d'autres questions importantes - il a fait valoir contre l'idée que fumer provoque le cancer du poumon. Et son opposition à la statistique bayésienne peut être en partie responsable pour le rôle subalterne de méthodes bayésiennes pendant la majeure partie du 20e siècle. Pour plus d'informations, consultez Encyclopedia.com et Wikipedia.org.

• John W. Tukey (1915-2000). Un pionnier dans la promotion de l'analyse exploratoire des données (examinant attentivement ce que les données essaie de dire avant de sauter dans le test statistique formelle), a inventé le Tukey boîte-et des favoris terrain et le tiges et feuilles terrain que les aides à visualiser la façon dont un ensemble de nombres sont distribués. Il a également développé l'un des meilleurs que l'on appelle post-hoc des tests pour déterminer laquelle des paires de groupes de chiffres sont significativement différentes à partir de laquelle les autres. Un vrai chercheur en informatique, il a inventé le terme bit comme un surnom pour “ binary digit ” et a été la première ou seconde personne à utiliser le terme logiciel sur papier. Pour plus d'informations, consultez Wikipedia.org.

• David R. Cox (1924-). Un très productive, “ moderne ” statisticien, Cox fait un apport innovateur à de nombreux domaines de la statistique, y compris la conception des expériences. Il est le plus célèbre pour le développement un moyen d'appliquer l'analyse de régression aux données de survie lorsque la forme générale de la courbe de survie ne peut pas être représenté par une formule mathématique. Son document original décrivant cette modèle à risques proportionnels (maintenant généralement appelé simplement La régression de Cox) Est l'un des articles les plus souvent cités dans toute la littérature médicale. Pour plus d'informations, consultez Wikipedia.org.