Dauer:
1 Semester | Angebotsturnus:
Unregelmäßig | Leistungspunkte:
5 |
Studiengang, Fachgebiet und Fachsemester: - Master Mathematik in Medizin und Lebenswissenschaften 2023 (Wahlpflicht), Mathematik, 1., 2. oder 3. Fachsemester
- Bachelor Mathematik in Medizin und Lebenswissenschaften 2023 (Wahlpflicht), Mathematik, 5. und 6. Fachsemester
- Bachelor Mathematik in Medizin und Lebenswissenschaften 2016 (Wahlpflicht), Mathematik, 5. oder 6. Fachsemester
- Master Mathematik in Medizin und Lebenswissenschaften 2016 (Wahlpflicht), Mathematik, 1., 2. oder 3. Fachsemester
|
Lehrveranstaltungen: - MA4962-Ü: Verallgemeinerte Lineare Modelle (Übung, 1 SWS)
- MA4962-V: Verallgemeinerte Lineare Modelle (Vorlesung, 2 SWS)
| Workload: - 15 Stunden Prüfungsvorbereitung
- 30 Stunden Programmieren
- 45 Stunden Präsenzstudium
- 60 Stunden Selbststudium
| |
Lehrinhalte: | - Allgemeine Uebersicht über verallgemeinerte lineare Modelle (GLM): - Link- und Responsefunktion, - GLM-Algorithmen: Newton-Raphson, Fisher Scoring, iterierte gewichtete kleinste Quadrate, - Konvergenz, - Güte der Anpassung, - Residuen
- Stetige Zielvariablen: Normal, log-normal, Gamma, log-Gamma für Überlebenszeiten, inverse normal
- Binäre Zielvariablen: logit, probit, cloglog
- Zählgrössen: Poisson, negativ Binomial mit Über-/Unterstreuung
- Ordinale Zielvariablen: Proportional Odds Modell
- Ungeordnet kategoriale Zielvariablen: Multinomiales logit und probit-Modell
- Zensierte stetige Zielvariablen: Tobitmodell
| |
Qualifikationsziele/Kompetenzen: - Die Studierenden können die theoretischen Grundlagen des verallgemeinerten linearen Modells (GLM) benennen.
- Sie können die Anwendungsmöglichkeiten des GLMs benennen.
- Sie können das geeignete GLM auswählen.
- Sie können GLMs in R schätzen.
- Sie können den R-Programmcode in einer Präsentation erläutern.
- Sie können die Ergebnisse von GLMs in R kritisch beurteilen.
- Sie können algorithmische Probleme von GLMs bewerten.
- Sie können konzeptuelle Probleme von GLMs mit kategoriellen Zielvariablen benennen.
- Sie können ein GLM selbstständig in R implementieren.
- Sie können Regressionsdiagnostik für GLMs durchführen und die Ergebnisse bewerten.
- Sie können die zentralen Algorithmen zur Schätzung von GLMs beschreiben.
- Sie können die statistischen Eigenschaften von GLMs auflisten.
|
Vergabe von Leistungspunkten und Benotung durch: - Mündliche Prüfung oder Klausur
|
Setzt voraus: |
Modulverantwortlicher: - Prof. Dr. rer. biol. hum. Inke König
Lehrende: - Prof. Dr. rer. biol. hum. Inke König
|
Literatur: - Agresti, Alan: Foundations of Linear and Generalized Linear Models - Wiley, 2015
|
Sprache: - Englisch, außer bei nur deutschsprachigen Teilnehmern
|
Bemerkungen:Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine (die Kompetenzen der unter Setzt voraus genannten Module werden für dieses Modul benötigt, sind aber keine formale Voraussetzung)
Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Erfolgreiche Bearbeitung von Übungsaufgaben gemäß Vorgabe am Semesteranfang
Modulprüfung(en):
- MA4962-L1: Verallgemeinerte Lineare Modelle, Klausur (90 min) oder mündliche Prüfung (30 min), 100 % der Modulnote |
Letzte Änderung: 22.2.2022 |
für die Ukraine