RusDASL - российская библиотека данных

для изучающих биостатистику

DASL (The Data and Story Library) - под такой аббревиатурой на вебсайте Carnegie Mellon University размещена известная библиотека исходных статистических данных данных из различных отраслей науки. Эта библиотека была создана усилиями Paul F. Velleman из Cornell University и Mike Meyer из Carnegie Mellon University.

Первое описание библиотеки было опубликовано в Statistical Computing and Graphics Newsletter, Volume 7, Number 1, April 1996. Аналогичный ресурс OzDASL существует и у преподавателей статистики в Австралии и Новой Зеландии. Естественно, что этот набор имеет свой акцент, связанный с австралийской спецификой.

Кроме этих двух известных библиотек данных имеется еще несколько менее известных коллекций, таких как Datasets из Pew Research Center, библиотека Data Surfing on the World Wide Web, StatSci.org, Data Collections. 

Гораздо меньшие по объему и тематике наборы учебных данных имеются и на сайтах Journal of Statistics Education (JSE) Data Archive, UCLA Statistics Case Studies, JSE Data Archive, Data Surfing on the World Wide Web. Небольшие наборы учебных данных имеются и в комплекте разнообразных статистических пакетов, таких как SAS, STATISTICA, SPSS, NCSS и т.д. К примеру, в последней версии пакета NCSS более 100 таких учебных наборов. Однако наибольшую известность среди них получила коллекция DASL, как самая первая и наиболее полная.

В нашей библиотеке представлены 40 фрагментов, выбранные из нескольких тысяч массивов, которые автор собрал за 35 лет статистического анализа данных по медицине, биологии, психологии, экономике, химии, социологии, технологии, и т.д. Объём этих фрагментов составляет 5-20% реальных массивов данных, в которых объем наблюдений колеблется от нескольких десятков до нескольких тысяч и даже до миллиона наблюдений. Тем не менее их вполне достаточно для того, чтобы получить реальное представление о возможностях того или иного метода анализа. Поэтому небольшие по объёму таблицы данных, конечно, не следует рассматривать как полноценные массивы данных, имеющих собственную научную ценность. Однако при этом их можно успешно использовать для практики усвоения указанных методов статистического анализа.

В отличие от DASL и OzDASL мы не стали создавать столь же подробную рубрикацию методов. Разумееется наша рубрикация субъективна, однако мы надеемся что она будет вполне удобной для наших читателей.

По большинству методов статистического анализа представлены разные количества наборов данных. Это поможет обучающимся выполнив один и тот же анализ с разными наборами, почувствовать как специфику данных, так и специфику метода. Разумеется, что для достижения этого необходимо знание и понимание применяемого метода, а также умение продуктивно использовать конкретный статистический пакет. Напомним, что желающие овладеть тем и другим, могут пройти обучение на наших дистантных курсах по биостатистике. Такие курсы могут быть реализованы в режиме реального общения курсанта и преподавателя с использованием программы Skype. Мы будем признательны нашим читателям, которые пришлют нам свои наборы данных для публикации их в этой коллекции.