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: |
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 |
für die Ukraine