Todo 2018 June-September

  • 大塚敏美財団メールを返信する
  • PCA analysis learning
  • Cluster analysis learning
  • 建立一個論文日程表格
    • 日程計劃包括每周進度
    • 分析進度
    • 論文寫作進度
  • 學習 Latent Class Analysis 方法;
  • 熟悉 NDNS 數據框架結構,思考分析方法;
  • Comment and response to AACE
  • Test on Ubuntu 18.04
  • 尝试从Ubuntu, 日本語を試す
  • 更新 LSHTM 統計學學習筆記 生存分析章節-Cox-models;
  • 更新 LSHTM 統計學學習筆記,GLM Multinomial logistic regression model;
  • 更新 LSHTM 統計學學習筆記,GLM Oridinal logisitic regression model;
  • 更新 LSHTM 統計學學習筆記,貝葉斯進階章節;
  • 更新 LSHTM 統計學學習筆記,用 STATA 或者 R 分析 SME 流行病學數據的實踐部分;
  • 更新生存分析,更多具體細節及練習[Cox];
  • 更新生存分析,更多具體細節及練習[AFT];
  • 辦理法國簽證所需的材料; 法國行程取消(2018-06-20)
    • 大學學生在校證明;
    • 銀行三個月存款證明
    • 歐洲之星(7月)訂票;
    • 巴黎青年旅館訂房 (聯繫下正好在法國的 なっちゃん家?);
    • 旅行保險;
    • BRP 複印;
    • 護照複印;
    • [xa] 簽證申請書;
    • 近三个月内的证件照,尺寸3.5cm x 4.5cm,白底
  • LaTeX 模板 調整到 Bookdownplus 的模板之一
  • 複習 Bayesian
  • 2011年 LSHTM 試題 Paper 1-1;
  • 2011年 LSHTM 試題 Paper 1-3
  • 2011年 LSHTM 試題 Paper 1-4;
  • 2011年 LSHTM 試題 Paper 1-7;
  • 2012年 LSHTM 試題 Paper 1-1;
    • [done 2018-06-03 17:00, mean and variance for data transformation]
  • 2012年 LSHTM 試題 Paper 1-3;
    • [done 2018-06-03 17:30 linear regression, really need to pay attention in reading the question]
  • 2012年 LSHTM 試題 Paper 1-4;
  • 2012年 LSHTM 試題 Paper 1-7;
    • [done 2018-06-03 22:30 Binomial exact test]
  • 2012年 LSHTM 試題 Paper 2-1;
    • [done 2018-06-04 20:00 Mock test done, coefficient and rho, 75% about]
  • 2012年 LSHTM 試題 Paper 2-2;
  • 2012年 LSHTM 試題 Paper 2-3;
  • 2012年 LSHTM 試題 Paper 2-4;
    • [done 2018-06-04 20:00 Mock test done, too much to write as a survival question, about 80%]
  • 2012年 LSHTM 試題 Paper 2-5;
    • [done 2018-06-04 20:00 Mock test done, too much to write about 80%]
  • 2012年 LSHTM 試題 Paper 2-6;
  • 2012年 LSHTM 試題 Paper 2-8;
    • [done 2018-06-04 20:00 Mock test done, GLM about 90%]
  • 2013年 LSHTM 試題 Paper 1-1;
  • 2013年 LSHTM 試題 Paper 2-4;
  • 2014年 LSHTM 試題 Paper 2-4;
  • 2015年 LSHTM 試題 Paper 2-4;
  • 2016年 LSHTM 試題 Paper 2-4;
  • 2017年 LSHTM 試題 Paper 2-4;
Avatar
王 超辰 - Chaochen Wang
Real World Evidence Scientist

All models are wrong, but some are useful.

comments powered by Disqus

Related