【套装2本】R语言实战第2版 r语言编程入门教程书 数据分析统计R语言医学数据分析实战 大数据处理与分析技术指南 R语言学习参考书

R语言实战 D2版
	定价	(咨询特价)
	出版社	人民邮电出版社
	版次	2
	出版时间	(咨询特价)年05月
	开本	16开
	作者	Robert I. Kabacoff
	装帧	平装
	页数	534
	字数	(咨询特价)
	ISBN编码	7

R语言医学数据分析实战
	定价	99.8
	出版社	人民邮电出版社
	版次	1
	出版时间	(咨询特价)年08月
	开本	16开
	作者	赵军
	装帧	平装
	页数	274
	字数	(咨询特价)
	ISBN编码	51

《R语言实战 D二版》

本书注重实用性，是一本全面而细致的R指南，高度概括了该软件和它的强大功能，展示了使用的统计示例，且对于难以用传统方法处理的凌乱、不完整和非正态的数据给出了优雅的处理方法。作者不仅仅探讨统计分析，还阐述了大量探索和展示数据的图形功能。新版做了大量更新和修正，新增了近200页内容，介绍数据挖掘、预测性分析和GJ编程。本书适合数据分析人员及R用户学习参考。

《R语言医学数据分析实战》

本书以医学数据为例，讲解如何使用R进行数据分析，结合大量精选的实例对常用分析方法进行了深入浅出的介绍，以帮助读者解决医学数据分析中的实际问题。 本书共分为14章，D1章～D3章介绍了R语言的基本用法；D4章介绍了数据可视化；D5章介绍了基本的统计分析方法；D6章～D8章介绍了医学研究中Z常用的三种回归模型；D9章介绍了生存分析的基本方法；D10章～D12章介绍了几种常用的多统计分析方法；D13章介绍了临床诊断试验的统计评价指标和计算方法；D14章介绍了在医学科研实践中常用的Meta分析方法。 本书适用于临床医学、公共卫生及其他医学相关专业的本科生和研究生使用，亦可作为其他专业的学生和科研工作者学习数据分析的参考书。阅读本书，读者不仅能掌握使用R及相关包快速解决实际问题的方法，还能更深入地理解数据分析。

《R语言实战 D二版》

DY部分 入门

D1章 R语言介绍 3

1.1 为何要使用R 4

1.2 R的获取和安装 6

1.3 R的使用 6

1.3.1 新手上路 7

1.3.2 获取帮助 10

1.3.3 工作空间 10

1.3.4 输入和输出 12

1.4 包 13

1.4.1 什么是包 14

1.4.2 包的安装 14

1.4.3 包的载入 14

1.4.4 包的使用方法 14

1.5 批处理 15

1.6 将输出用为输入：结果的重用 16

1.7 处理大数据集 16

1.8 示例实践 16

1.9 小结 18

D2章 创建数据集 19

2.1 数据集的概念 19

2.2 数据结构 20

2.2.1 向量 21

2.2.2 矩阵 22

2.2.3 数组 23

2.2.4 数据框 24

2.2.5 因子 27

2.2.6 列表 28

2.3 数据的输入 30

2.3.1 使用键盘输入数据 31

2.3.2 从带分隔符的文本文件导入数据 32

2.3.3 导入Excel数据 35

2.3.4 导入XML数据 36

2.3.5 从网页抓取数据 36

2.3.6 导入SPSS数据 36

2.3.7 导入SAS数据 37

2.3.8 导入Stata数据 37

2.3.9 导入NetCDF数据 38

2.3.10 导入HDF5数据 38

2.3.11 访问数据库管理系统 38

2.3.12 通过Stat/Transfer导入数据 40

2.4 数据集的标注 40

2.4.1 变量标签 40

2.4.2 值标签 41

2.5 处理数据对象的实用函数 41

2.6 小结 42

D3章 图形初阶 43

3.1 使用图形 43

3.2 一个简单的例子 45

3.3 图形参数 46

3.3.1 符号和线条 47

3.3.2 颜色 49

3.3.3 文本属性 50

3.3.4 图形尺寸与边界尺寸 51

3.4 添加文本、自定义坐标轴和图例 53

3.4.1 标题 54

3.4.2 坐标轴 54

3.4.3 参考线 56

3.4.4 图例 57

3.4.5 文本标注 58

3.4.6 数学标注 60

3.5 图形的组合 61

3.6 小结 67

D4章 基本数据管理 68

4.1 一个示例 68

4.2 创建新变量 70

4.3 变量的重编码 71

4.4 变量的重命名 72

4.5 缺失值 74

4.5.1 重编码某些值为缺失值 74

4.5.2 在分析中排除缺失值 75

4.6 日期值 76

4.6.1 将日期转换为字符型变量 77

4.6.2 更进一步 78

4.7 类型转换 78

4.8 数据排序 79

4.9 数据集的合并 79

4.9.1 向数据框添加列 79

4.9.2 向数据框添加行 80

(咨询特价) 数据集取子集 80

(咨询特价).1 选入（保留）变量 80

(咨询特价).2 剔除（丢弃）变量 81

(咨询特价).3 选入观测 82

(咨询特价).4 subset()函数 82

(咨询特价).5 随机抽样 83

(咨询特价) 使用SQL语句操作数据框 83

(咨询特价) 小结 84

D5章 GJ数据管理 85

5.1 一个数据处理难题 85

5.2 数值和字符处理函数 86

5.2.1 数学函数 86

5.2.2 统计函数 87

5.2.3 概率函数 90

5.2.4 字符处理函数 92

5.2.5 其他实用函数 94

5.2.6 将函数应用于矩阵和数据框 95

5.3 数据处理难题的一套解决方案 96

5.4 控制流 100

5.4.1 重复和循环 100

5.4.2 条件执行 101

5.5 用户自编函数 102

5.6 整合与重构 104

5.6.1 转置 104

5.6.2 整合数据 105

5.6.3 reshape2包 106

5.7 小结 108

D二部分 基本方法

D6章 基本图形 110

6.1 条形图 110

6.1.1 简单的条形图 111

6.1.2 堆砌条形图和分组条形图 112

6.1.3 均值条形图 113

6.1.4 条形图的微调 114

6.1.5 棘状图 115

6.2 饼图 116

6.3 直方图 118

6.4 核密度图 120

6.5 箱线图 122

6.5.1 使用并列箱线图进行跨组比较 123

6.5.2 小提琴图 125

6.6 点图 127

6.7 小结 129

D7章 基本统计分析 130

7.1 描述性统计分析 131

7.1.1 方法云集 131

7.1.2 更多方法 132

7.1.3 分组计算描述性统计量 134

7.1.4 分组计算的扩展 135

7.1.5 结果的可视化 137

7.2 频数表和列联表 137

7.2.1 生成频数表 137

7.2.2 D立性检验 143

7.2.3 相关性的度量 144

7.2.4 结果的可视化 145

7.3 相关 145

7.3.1 相关的类型 145

7.3.2 相关性的显著性检验 147

7.3.3 相关关系的可视化 149

7.4 t 检验 149

7.4.1 D立样本的t 检验 150

7.4.2 非D立样本的t检验 151

7.4.3 多于两组的情况 151

7.5 组间差异的非参数检验 152

7.5.1 两组的比较 152

7.5.2 多于两组的比较 153

7.6 组间差异的可视化 155

7.7 小结 155

D三部分 中级方法

D8章 回归 158

8.1 回归的多面性 159

8.1.1 OLS回归的适用情境 159

8.1.2 基础回顾 160

8.2 OLS回归 160

8.2.1 用lm()拟合回归模型 161

8.2.2 简单线性回归 163

8.2.3 多项式回归 164

8.2.4 多线性回归 167

8.2.5 有交互项的多线性回归 169

8.3 回归诊断 171

8.3.1 标准方法 172

8.3.2 改进的方法 175

8.3.3 线性模型假设的综合验证 181

8.3.4 多重共线性 181

8.4 异常观测值 182

8.4.1 离群点 182

8.4.2 高杠杆值点 182

8.4.3 强影响点 184

8.5 改进措施 186

8.5.1 删除观测点 186

8.5.2 变量变换 187

8.5.3 增删变量 188

8.5.4 尝试其他方法 188

8.6 选择“Z佳”的回归模型 189

8.6.1 模型比较 189

8.6.2 变量选择 190

8.7 深层次分析 193

8.7.1 交叉验证 193

8.7.2 相对重要性 195

8.8 小结 197

D9章 方差分析 198

9.1 术语速成 198

9.2 ADVA模型拟合 201

9.2.1 aov()函数 201

9.2.2 表达式中各项的顺序 202

9.3 单因素方差分析 203

9.3.1 多重比较 204

9.3.2 评估检验的假设条件 206

9.4 单因素协方差分析 208

9.4.1 评估检验的假设条件 209

9.4.2 结果可视化 210

9.5 双因素方差分析 211

9.6 重复测量方差分析 214

9.7 多方差分析 217

9.7.1 评估假设检验 218

9.7.2 稳健多方差分析 220

9.8 用回归来做ADVA 220

9.9 小结 222

D10章 功效分析 223

10.1 假设检验速览 223

10.2 用pwr包做功效分析 225

10.2.1 t检验 226

10.2.2 方差分析 228

10.2.3 相关性 228

10.2.4 线性模型 229

10.2.5 比例检验 230

10.2.6 卡方检验 231

10.2.7 在新情况中选择合适的效应值 232

10.3 绘制功效分析图形 233

10.4 其他软件包 235

10.5 小结 236

D11章 中级绘图 237

11.1 散点图 238

11.1.1 散点图矩阵 240

11.1.2 高密度散点图 242

11.1.3 三维散点图 244

11.1.4 旋转三维散点图 247

11.1.5 气泡图 248

11.2 折线图 250

11.3 相关图 253

11.4 马赛克图 258

11.5 小结 260

D12章 重抽样与自助法 261

12.1 置换检验 261

12.2 用coin包做置换检验 263

12.2.1 D立两样本和K 样本检验 264

12.2.2 列联表中的D立性 266

12.2.3 数值变量间的D立性 266

12.2.4 两样本和K 样本相关性检验 267

12.2.5 深入探究 267

12.3 lmPerm包的置换检验 267

12.3.1 简单回归和多项式回归 268

12.3.2 多回归 269

12.3.3 单因素方差分析和协方差分析 270

12.3.4 双因素方差分析 271

12.4 置换检验点评 271

12.5 自助法 272

12.6 boot包中的自助法 272

12.6.1 对单个统计量使用自助法 274

12.6.2 多个统计量的自助法 276

12.7 小结 278

D四部分 GJ方法

D13章 广义线性模型 280

13.1 广义线性模型和glm()函数 281

13.1.1 glm()函数 281

13.1.2 连用的函数 282

13.1.3 模型拟合和回归诊断 283

13.2 Logistic回归 284

13.2.1 解释模型参数 286

13.2.2 评价预测变量对结果概率的影响 287

13.2.3 过度离势 288

13.2.4 扩展 289

13.3 泊松回归 289

13.3.1 解释模型参数 291

13.3.2 过度离势 292

13.3.3 扩展 294

13.4 小结 295

D14章 主成分分析和因子分析 296

14.1 R 中的主成分和因子分析 297

14.2 主成分分析 298

14.2.1 判断主成分的个数 298

14.2.2 提取主成分 300

14.2.3 主成分旋转 303

14.2.4 获取主成分得分 304

14.3 探索性因子分析 305

14.3.1 判断需提取的公共因子数 306

14.3.2 提取公共因子 307

14.3.3 因子旋转 308

14.3.4 因子得分 312

14.3.5 其他与EFA相关的包 312

14.4 其他潜变量模型 312

14.5 小结 313

D15章 时间序列 315

15.1 在R中生成时序对象 317

15.2 时序的平滑化和季节性分解 319

15.2.1 通过简单移动平均进行平滑处理 319

15.2.2 季节性分解 321

15.3 指数预测模型 326

15.3.1 单指数平滑 326

15.3.2 Holt指数平滑和Holt-Winters指数平滑 329

15.3.3 ets()函数和自动预测 331

15.4 ARIMA 预测模型 333

15.4.1 概念介绍 333

15.4.2 ARMA和ARIMA模型 334

15.4.3 ARIMA的自动预测 339

15.5 延伸阅读 340

15.6 小结 340

D16章 聚类分析 342

16.1 聚类分析的一般步骤 343

16.2 计算距离 344

16.3 层次聚类分析 345

16.4 划分聚类分析 350

16.4.1 K均值聚类 350

16.4.2 围绕中心点的划分 354

16.5 避免不存在的类 356

16.6 小结 359

D17章 分类 360

17.1 数据准备 361

17.2 逻辑回归 362

17.3 决策树 363

17.3.1 经典决策树 364

17.3.2 条件推断树 366

17.4 随机森林 368

17.5 支持向量机 370

17.6 选择预测效果Z好的解 374

17.7 用rattle包进行数据挖掘 376

17.8 小结 381

D18章 处理缺失数据的GJ方法 382

18.1 处理缺失值的步骤 383

18.2 识别缺失值 384

18.3 探索缺失值模式 385

18.3.1 列表显示缺失值 385

18.3.2 图形探究缺失数据 386

18.3.3 用相关性探索缺失值 389

18.4 理解缺失数据的来由和影响 391

18.5 理性处理不完整数据 391

18.6 完整实例分析（行删除） 392

18.7 多重插补 394

18.8 处理缺失值的其他方法 397

18.8.1 成对删除 398

18.8.2 简单（非随机）插补 398

18.9 小结 399

D五部分 技能拓展

D19章 使用ggplot2进行GJ绘图 402

19.1 R 中的四种图形系统 402

19.2 ggplot2包介绍 403

19.3 用几何函数指定图的类型 407

19.4 分组 411

19.5 刻面 413

19.6 添加光滑曲线 416

19.7 修改ggplot2图形的外观 418

19.7.1 坐标轴 419

19.7.2 图例 420

19.7.3 标尺 421

19.7.4 主题 423

19.7.5 多重图 425

19.8 保存图形 426

19.9 小结 426

D20章 GJ编程 427

20.1 R 语言回顾 427

20.1.1 数据类型 427

20.1.2 控制结构 433

20.1.3 创建函数 436

20.2 环境 437

20.3 面向对象的编程 439

20.3.1 泛型函数 439

20.3.2 S3模型的限制 441

20.4 编写有效的代码 442

20.5 调试 445

20.5.1 常见的错误来源 445

20.5.2 调试工具 446

20.5.3 支持调试的会话选项 448

20.6 深入学习 451

20.7 小结 451

D21章 创建包 452

21.1 非参分析和npar包 453

21.2 开发包 457

21.2.1 计算统计量 457

21.2.2 打印结果 460

21.2.3 汇z结果 461

21.2.4 绘制结果 463

21.2.5 添加样本数据到包 464

21.3 创建包的文档 466

21.4 建立包 467

21.5 深入学习 471

21.6 小结 471

D22章 创建动态报告 472

22.1 用模版生成报告 474

22.2 用R和Markdown创建动态报告 475

22.3 用R和LaTeX创建动态报告 480

22.4 用R和Open Document创建动态报告 483

22.5 用R和Microsoft Word创建动态报告 485

22.6 小结 489

D23章 使用lattice进行GJ绘图 490

23.1 lattice包 490

23.2 调节变量 494

23.3 面板函数 495

23.4 分组变量 498

23.5 图形参数 502

23.6 自定义图形条带 503

23.7 页面布局 504

23.8 深入学习 507

附录A 图形用户界面 508

附录B 自定义启动环境 511

附录C 从R中导出数据 513

附录D R中的矩阵运算 515

附录E 本书中用到的扩展包 517

附录F 处理大数据集 522

附录G 更新R 526

后记：探索R的SJ 528

参考文献 530

《R语言医学数据分析实战》

D 1章 R语言介绍 1  
　1.1 什么是R语言　1  
　1.2 为什么使用R分析数据　1  
　1.3 R的下载与安装　2  
　1.4 启动和退出R　2  
　1.5 RStudio　3  
　1.6 R包　4  
　1.6.1 什么是包　4  
　1.6.2 包的安装　5  
　1.6.3 包的使用和更新　5  
　1.7 开始使用R　5  
　1.7.1 获取帮助　5  
　1.7.2 把RD作一个计算器　6  
　1.7.3 R对象　8  
　1.8 工作空间管理　11  
　1.9 小结　12  
　1.10 习题　12  
D　2章 创建数据集　14  
　2.1 R的数据结构　14  
　2.1.1 向量　14  
　2.1.2 因子　16  
　2.1.3 矩阵　17  
　2.1.4 数组　19  
　2.1.5 列表　20  
　2.1.6 数据框　21  
　2.1.7 数据类型的转换　22  
　2.2 用R获取数据　23  
　2.2.1 获取内置数据集　23  
　2.2.2 模拟特定分布的数据　24  
　2.2.3 获取其他格式的数据　25  
　2.2.4 导出数据　26  
　2.2.5 用rio包导入和导出数据　26  
　2.3 数据录入　27  
　2.4 小结　28  
　2.5 习题　30  
D3章　数据框的操作　31  
　3.1 用基本包处理数据框　31  
　3.1.1 查看数据框里的内容　31  
　3.1.2 选取数据框的子集　34  
　3.1.3 将数据框按照某个变量的值排序　35  
　3.1.4 查找和删除重复数据　36  
　3.1.5 在数据框中添加和删除变量　37  
　3.1.6 把数据框添加到搜索路径　38  
　3.2 用dplyr包处理数据框　39  
　3.2.1 使用filter()和slice()筛选行　40  
　3.2.2 使用arrange()排列行　41  
　3.2.3 使用select()选择列　42  
　3.2.4 使用mutate()添加新变量　43  
　3.2.5 使用summarise()计算统计量　43  
　3.2.6 使用group_by()拆分数据框　44  
　3.2.7 使用传递符“%>%”组合多个操作　45  
　3.3 数据框的合并　46  
　3.3.1 纵向合并　46  
　3.3.2 横向合并　47  
　3.3.3 按照某个共有变量合并　47  
　3.4 数据框的长宽格式的转换　48  
　3.5 缺失值的处理　50  
　3.5.1 识别缺失值　50  
　3.5.2 探索数据框里的缺失值　51  
　3.5.3 填充缺失值　52  
　3.6 处理大型数据集的策略　55  
　3.6.1 清理工作空间　55  
　3.6.2 快速读取.csv文件　55  
　3.6.3 模拟一个大型数据集　56  
　3.6.4 剔除不需要的变量　57  
　3.6.5 选取数据集的一个随机样本　58  
　3.7 小结　58  
　3.8 习题　60  
D4章　数据可视化　62  
　4.1 用R的基础绘图系统作图　62  
　4.1.1 函数plot()　62  
　4.1.2 直方图和密度曲线图　63  
　4.1.3 条形图　65  
　4.1.4 饼图　67  
　4.1.5 箱线图和小提琴图　67  
　4.1.6 克利夫兰点图　68  
　4.1.7 导出图形　69  
　4.2 用ggplot2包作图　70  
　4.2.1 初识ggplot2包　70  
　4.2.2 分布的特征　74  
　4.2.3 比例的构成　76  
　4.2.4 用函数ggsave()保存图形　78  
　4.3 其他图形　78  
　4.3.1 金字塔图　78  
　4.3.2 横向堆栈条形图　79  
　4.3.3 热图　79  
　4.3.4 三维散点图　80  
　4.3.5 词云图　81  
　4.3.6 动态图形　82  
　4.4 小结　83  
　4.5 习题　85  
D5章　基本统计分析　86  
　5.1 数值型变量的描述性统计分析　88  
　5.2 分类变量的列联表和D立性检验　91  
　5.2.1 生成频数表和列联表　91  
　5.2.2 D立性检验　96  
　5.3 连续型变量组间差异的比较　101  
　5.3.1 D立样本的t检验　101  
　5.3.2 非D立样本的t检验　102  
　5.3.3 单因素方差分析　103  
　5.3.4 组间差异的非参数检验　105  
　5.4 用函数tablestack()汇z双变量分析结果　106  
　5.5 变量间的相关性　111  
　5.5.1 连续型变量间的相关性　111  
　5.5.2 分类变量间的相关性　114  
　5.5.3 相关性的可视化　115  
　5.6 小结　118  
　5.7 习题　120  
D6章　线性回归分析　122  
　6.1 简单线性回归　122  
　6.1.1 拟合简单线性回归模型　123  
　6.1.2 模型输出结果的解释　124  
　6.1.3 回归诊断　126  
　6.2 分层线性回归　129  
　6.3 多重线性回归　133  
　6.3.1 拟合多重线性回归模型　133  
　6.3.2 多重共线性　135  
　6.3.3 逐步回归　136  
　6.3.4 回归诊断　139  
　6.4 小结　140  
　6.5 习题　141  
D7章　Logistic回归分析　142  
　7.1 二分类Logistic回归　142  
　7.1.1 Logistic回归模型　142  
　7.1.2 Logistic回归实例　143  
　7.1.3 表格数据的Logistic回归　151  
　7.2 条件Logistic回归　155  
　7.3 无序多分类Logistic回归　157  
　7.4 有序Logistic回归　161  
　7.5 小结　166  
　7.6 习题　167  
D8章　Poisson回归分析　168  
　8.1 Poisson回归模型　168  
　8.2 过度离散的判定及处理　171  
　8.3 对数线性模型　174  
　8.4 小结　178  
　8.5 习题　178  
D9章　生存分析　180  
　9.1 生存对象　180  
　9.2 生存率的估计与生存曲线　182  
　9.3 生存率的比较　184  
　9.4 Cox回归　186  
　9.4.1 建立Cox回归模型　186  
　9.4.2 比例风险假定的检验　188  
　9.4.3 生存的预测　188  
　9.5 小结　190  
　9.6 习题　190  
D　10章 聚类分析　192  
　10.1 相似性的度量　192  
　10.1.1 样品间的距离　192  
　10.1.2 变量间的相似系数　195  
　10.2 层次聚类法　196  
　10.2.1 类之间相似系数的定义　196  
　10.2.2 Q型聚类　196  
　10.2.3 R型聚类　203  
　10.3 k均值聚类法　204  
　10.4 小结　206  
　10.5 习题　207  
D　11章 判别分析　209  
　11.1 距离判别　209  
　11.2 KZ邻近判别　213  
　11.3 Fisher判别　215  
　11.4 Bayes判别　218  
　11.5 小结　219  
　11.6 习题　220  
D　12章 主成分分析和因子分析　221  
　12.1 主成分分析　221  
　12.1.1 主成分的定义　221  
　12.1.2 主成分的求解　222  
　12.1.3 主成分分析的注意事项　226  
　12.2 因子分析　226  
　12.2.1 因子分析模型的定义　226  
　12.2.2 因子分析模型的求解　227  
　12.2.3 因子旋转　229  
　12.2.4 因子分析的注意事项　231  
　12.3 小结　232  
　12.4 习题　233  
D　13章 临床诊断试验评价　234  
　13.1 二分类结果的评价指标　234  
　13.1.1 灵敏度和特异度　234  
　13.1.2 预测值　235  
　13.1.3 图解灵敏度、特异度、阳性预测值和阴性预测值　235  
　13.1.4 诊断试验的综合评价指标　236  
　13.2 ROC及曲线下面积　237  
　13.2.1 单个ROC分析　237  
　13.2.2 两个ROC的比较　240  
　13.2.3 Logistic回归的ROC曲线　241  
　13.3 联合试验　243  
　13.4 小结　244  
　13.5 习题　244  
D　14章 Meta分析　245  
　14.1 Meta分析的基本步骤　245  
　14.2 Meta分析的常用统计方法　246  
　14.3 二分类变量资料的Meta分析　247  
　14.3.1 OR、RR或RD的合并　248  
　14.3.2 发表偏倚的识别　251  
　14.3.3 敏感性分析　253  
　14.4 连续型变量资料的Meta分析　254  
　14.5 Meta分析的注意事项　255  
　14.6 小结　256  
　14.7 习题　256  
习题参考答案　258  
参考文献　273  
函数索引　274 

Robert I. Kabacoff

R语言社区ZM学习wzQuick-R的维护者，现为quanqiu化开发与咨询公司Management研究集团研发副z裁。此前，Kabacoff博士是佛罗里达诺瓦东南大学的教授，讲授定量方法和统计编程的研究生课程。Kabacoff还是临床心理学博士、统计顾问，擅长数据分析，在健康、金融服务、制造业、行为科学、政府和学术界有20余年的研究和统计咨询经验。

译者简介：

王小宁

中国人民大学统计学院14级硕士，16级博士，统计之都副主编，中国人民大学数据挖掘中心分布式计算负责人，研究兴趣包括统计机器学习和缺失数据。

刘撷芯

中国人民大学统计学院13级硕士，爱荷华大学商学院16级博士，中国人民大学数据挖掘中心核心成员之一，研究兴趣包括统计机器学习和文本分析。

黄俊文

(咨询特价)年毕业于中山大学数学系，2016年毕业于加州大学圣地亚哥分校统计学专业，统计之都成员，易易网创始人之一，目前关注计算机科学和统计学的结合与应用，包括机器学习方法等。他致力于成为一个有趣的人。

赵军，泰国宋卡王子大学流行病学博士，湖北医药学院公共卫生与管理学院副教授、硕士研究生导师。讲授医药数理统计方法、医学统计学、GJ统计学等课程。近三年以DY作者身份发表SCI论文5篇，研究方向为临床流行病学、医学统计学。