除了已经推荐的 Frank Harrell 的好书（我期待阅读）之外，我还想分享以下（希望是相关的）资源：

• 书“生物统计学中的回归方法：线性、逻辑、生存和重复测量模型”。这些示例在Stata中，以防万一，如果您关心的话。这是亚马逊链接——顺便说一句，这是精装版，比平装本便宜得多。

• 范德比尔特大学生物统计学系分享的一些有趣的通用和重点统计推荐阅读资源。

• 来自选定生物统计学课程的信息，由约翰霍普金斯大学（彭博公共卫生学院生物统计学系）的 Ingo Ruczinski 教授分享。

• 关于求职，最近我在谷歌遇到过几个职位（是的，没错！），涉及生物信息学、生物统计学和相关领域。例如，看到这个职位和这个职位（请记住，这些职位不在欧洲，而是在硅谷）。

您在 Q 结尾提到“我正在考虑将自己作为生物统计学家推销”在欧洲的行业中。在这种情况下，阅读有关药物开发过程的监管指南和书籍会更有意义，并提高您的 SAS 技能和 cdisc、sdtm、adam 的知识。大型随机对照试验往往不需要精密复杂的分析。毕竟，一家制药公司需要一个简单、有说服力、明确的分析来说服 FDA。他们花费 $$$ 运行试验，这意味着（通过数据监控）可以最大限度地减少可能使分析复杂化的数据缺失等问题。业界也喜欢惯例，因为惯例会带来效率（例如重用 sas 代码和大量标准化）。因此你最好读一本像pocock这样简单的书' s 关于临床试验的书，如果你有野心，那么斯蒂芬森在药物开发中的统计问题。这会让你加快速度。并花时间节省阅读点来考虑 EMA 网站上的文档：EMA 指南

您需要从应用方面开始，例如 Frank Harrell：“回归建模策略：线性模型、逻辑回归和生存分析的应用（统计学中的 Springer 系列）”

然后，您可以使用 PER KRAGH ANDERSEN 和 Ørnulf Borgan 之类的东西深入了解基础数学：“基于计数过程的统计模型（统计学中的 Springer 系列）”

也许用一些关于 R 的书来补充这一点。