Website
Modulhandbuch ab 2016

Modul MA2600-KP07

Biostatistik 2 (BioSt2KP07)

Dauer:


1 Semester
Angebotsturnus:


Jedes Sommersemester
Leistungspunkte:


7
Studiengang, Fachgebiet und Fachsemester:
  • Bachelor Mathematik in Medizin und Lebenswissenschaften 2016 (Pflicht), Mathematik, 4. Fachsemester
Lehrveranstaltungen:
  • MA2600-Ü: Biostatistik 2 (Übung, 1 SWS)
  • MA2600-P: Biostatistik 2 (Praktikum, 2 SWS)
  • MA2600-V: Biostatistik 2 (Vorlesung, 2 SWS)
Workload:
  • 70 Stunden Präsenzstudium
  • 85 Stunden Programmieren
  • 15 Stunden Prüfungsvorbereitung
  • 40 Stunden Selbststudium
Lehrinhalte:
  • Annahmen im klassischen linearen Modell
  • Kleinste-Quadrate-Methode und geometrische Darstellung
  • Stochastische Eigenschaften, Tests der allgemeinen linearen Hypothese und Herleitung von Konfidenzintervallen und Konfidenzellipsoiden
  • Regressionsdiagnostik und Modellwahl
  • Logistische Regression: Grundlagen, Modellspezifikation, Schwellenwertmodell, Maximum-Likelihoodschätzung, Tests und Konfidenzintervalle
  • Überlebenszeitanalysen: Kaplan-Meier-Kurven, Log-Rank-Test, Modellannahmen und Parameterschätzung der Cox-Regression
  • Datenstrukturen von R, Funktionen und Funktionale in R
  • Statistische Analysen in R: Deskriptive Statistik (Häufigkeitstabellen, Maßzahlen), grafische Darstellungen, statistische Tests (t-, X2-, U-, Log-Rank-), ausführbare Protokolle (literate programming) mit knitr, Bootstrap, Kreuzvalidierung, lineare Regression, logistische Regression, Cox-Regression
Qualifikationsziele/Kompetenzen:
  • Die Studierenden können die Annahmen des linearen Modells aufzählen und deren Bedeutung erklären.
  • Sie können typische Anwendungssituationen für das klassische lineare Modell beschreiben.
  • Sie können die Unterschiede zwischen dem linearen Modell und dem logistischen Regresssionsmodell auflisten.
  • Sie können mögliche Fehlerquellen bei der Modellierung im linearen Modell beschreiben.
  • Sie können die Schätzer (Punkt- und Intervallschätzer, Residuen, Prognose) im linearen Modell händisch berechnen.
  • Sie können die Grafiken zur Regressionsdiagnostik im linearen Modell beurteilen.
  • Sie können Studienergebnisse, in denen ein lineares, ein logistisches oder ein Cox-Regressionsmodell angewendet wurde, interpretieren.
  • Sie können Kaplan-Meier-Kurven erstellen und interpretieren.
  • Sie können Datentransformationen durchführen.
  • Sie können eigene R-Funktionen schreiben.
  • Sie können Daten durch geeignete und ansprechende Grafiken darstellen.
  • Sie können mit Hilfe entsprechender R-Pakete lineare, logistische und Cox-Regressionsanalysen durchführen und die Ergebnisse bewerten.
  • Sie können statistische Tests (t-, X2-, U-, Log-Rank-) in R ausführen, die Hypothesen formulieren und eine Testentscheidung fällen.
  • Sie können das Prinzip des Bootstrappings und das der Kreuzvalidierung veranschaulichen und in R implementieren.
  • Sie können mit dem R-Paket knitr einen Bericht erstellen, der die Anforderungen an das wissenschaftliche Arbeiten erfüllt.
Vergabe von Leistungspunkten und Benotung durch:
  • Klausur
Voraussetzung für:
Setzt voraus:
Modulverantwortlicher:
  • Prof. Dr. rer. biol. hum. Inke König
Lehrende:
Literatur:
  • Fahrmeir, Ludwig; Kneib, Thomas; Lang, Stefan (2009): Regression: Modelle, Methoden und Anwendungen - Springer: Heidelberg
  • Dobson, Annette J & Barnett, Adrian (2008): An Introduction to Generalized Linear Models, 3rd ed. - Chapman & Hall/CRC: Boca Raton
  • Sachs, Lothar; Hedderich, Jürgen: Angewandte Statistik: Methodensammlung mit R - 15. Auflage, Springer: Heidelberg
  • Ligges, Uwe: Programmieren mit R - 3. Auflage, Springer: Heidelberg
Sprache:
  • Wird nur auf Deutsch angeboten
Bemerkungen:

Prüfungsvorleistungen können zu Beginn des Semesters festgelegt werden. Sind Vorleistungen definiert, müssen diese vor der Erstprüfung erbracht und positiv bewertet worden sein.

Letzte Änderung:
17.7.2019