Website
Modulhandbuch ab 2016

Modul MA2600-KP04, MA2600

Biostatistik 2 (BioStat2)

Dauer:


1 Semester
Angebotsturnus:


Jedes Sommersemester
Leistungspunkte:


4
Studiengang, Fachgebiet und Fachsemester:
  • Master Medizinische Informatik 2019 (Wahlpflicht), Medical Data Science / Künstliche Intelligenz, 1. oder 2. Fachsemester
  • Master Biophysik 2019 (Wahlpflicht), Wahlpflicht, 2. Fachsemester
  • Master Medizinische Informatik 2014 (Wahlpflicht), eHealth / Informatik, 1. oder 2. Fachsemester
  • Master Informatik 2012 (Wahlpflicht), Anwendungsfach Medizinische Informatik, 3. Fachsemester
  • Master Informatik 2012 (Wahlpflicht), Anwendungsfach Bioinformatik, 2. oder 3. Fachsemester
  • Master Informatik 2012 (Wahlpflicht), Vertiefungsblock Stochastik, 2. Fachsemester
  • Bachelor Mathematik in Medizin und Lebenswissenschaften 2010 (Pflicht), Mathematik, 4. Fachsemester
Lehrveranstaltungen:
  • MA2600-Ü: Biostatistik 2 (Übung, 1 SWS)
  • MA2600-V: Biostatistik 2 (Vorlesung, 2 SWS)
Workload:
  • 45 Stunden Präsenzstudium
  • 25 Stunden Programmieren
  • 15 Stunden Prüfungsvorbereitung
  • 35 Stunden Selbststudium
Lehrinhalte:
  • Kenntnis der Modellvoraussetzungen und der mathematischen Begründungszusammenhänge für das lineare Modell
  • Kenntnis möglicher Fehlerquellen bei der Modellierung
  • Fähigkeit zur selbständigen Analyse einer Studie unter Verwendung des linearen Modells
  • Fähigkeit zur adäquaten Interpretation der Studienergebnisse
  • Kompetenz in der Parameterinterpretation und der Regressionsdiagnostik
  • Kenntnis der Modellvoraussetzungen und der mathematischen Begründungszusammenhänge für das verallgemeinerte lineare Modell
  • Fähigkeit zur selbständigen Analyse einer einfachen Studie mit einer binären Zielvariablen
  • Fähigkeit zur adäquaten Interpretation der Studienergebnisse einer Studie mit einer binären Zielvariablen
Qualifikationsziele/Kompetenzen:
  • Die Studierenden können die Annahmen des linearen Modells aufzählen und deren Bedeutung erklären.
  • Die Studierenden können typische Anwendungssituationen für das klassische lineare Modell beschreiben.
  • Die Studierenden können die Unterschiede zwischen dem linearen Modell und dem logistischen Regresssionsmodell auflisten.
  • Die Studierenden können mögliche Fehlerquellen bei der Modellierung im linearen Modell beschreiben.
  • Die Studierenden können die Schätzer (Punkt- und Intervallschätzer, Residuen) im linearen Modell händisch berechnen.
  • Die Studierenden können die Grafiken zur Regressionsdiagnostik im linearen Modell beurteilen.
  • Die Studierenden können Studienergebnisse, in denen ein lineares, ein logistisches oder ein Cox-Regressionsmodell angewendet wurde, interpretieren.
  • Die Studierenden können Kaplan-Meier-Kurven erstellen und interpretieren.
  • Die Studierenden können Datentransformationen durchführen.
Vergabe von Leistungspunkten und Benotung durch:
  • Klausur
Voraussetzung für:
Setzt voraus:
Modulverantwortlicher:
  • Prof. Dr. rer. biol. hum. Inke König
Lehrende:
Literatur:
  • Ludwig Fahrmeir, Thomas Kneib, Stefan Lang: Regression: Modelle, Methoden und Anwendungen - ISBN-13 9783540339328
  • Dobson, Annette J & Barnett, Adrian: An Introduction to Generalized Linear Models, 3rd ed. - Chapman & Hall/CRC: Boca Raton (FL), 2008
Sprache:
  • Wird nur auf Deutsch angeboten
Bemerkungen:

Zulassungsvoraussetzungen zum Modul:
- Keine (Die Kompetenzen der vorausgesetzten Module werden für dieses Modul benötigt, die Module stellen aber keine Zulassungsvoraussetzung dar.)

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

Letzte Änderung:
21.1.2020