312419 Überlebensanalyse und Risikovorhersage (V) (WiSe 2020/2021)

Die Veranstaltung „Überlebenszeitanalysen und Risikoprädiktion“ vermittelt den grundlegenden Umgang mit Zeit-​Event-Datensätzen und erweitert das Repertoire von Analysemethoden und -​modellen der Überlebenszeitanalyse (z.B. Cox proportional hazard und Kaplan-​Meier). Zudem wird die Risikoprädiktion im Zentrum der Veranstaltung stehen und den Regressionsbegriff weiter ausbauen. Hierbei soll insbesondere der Umgang mit dem n«k-​Problem geübt werden. Weitere Komponenten wie die Regularisierung und (Kreuz-​)Validierung der generierten Modelle, die nicht nur in der wissenschaftlichen Praxis auf einer täglichen Basis verwendet werden, werden in der Veranstaltung genauer erläutert und erprobt.
Anhand von Beispielen aus Wissenschaft und Wirtschaft sollen gängige Stolperfallen und ihre Lösungsmöglichkeiten visualisiert und begreiflich gemacht werden.
Die Theorie der so erlernten Methoden wird mittels eines Exkurses in die Programmiersprache R unterfüttert und über einen Ausflug in die Bayesianische Statistik kontextualisiert.

Weitere Informationen können im Syllabus nachgelesen werden, der auf der externen Kommentarseite verfügbar ist. Die Veranstaltung findet grundsätzlich synchron/live (zu den angegeben Zeiten im ekvv) als digitale Vorlesung statt.

Teilnahmevoraussetzungen, notwendige Vorkenntnisse

Teilnehmer der Veranstaltung sollten eingeschriebene Master-Studierende der Universität Bielefeld sein. Ein Bachelor-Abschluss in einer mathematischen/statistischen Disziplin ist förderlich. Sicherer Umgang mit Datensätzen/-formaten sowie Interesse an Modellierung von umweltwissenschaftlichen, biomedizinischen und/oder wirtschaftswissenschaftlichen Zusammenhängen ist von Vorteil. Kenntnisse der Programmierung in einer der statistischen Programmiersprachen (wozu SPSS nicht gehört) wie zum Beispiel R sind hilfreich. Ein Grundverständnis von Regressionsmodellen wird vorausgesetzt.

Literaturangaben

Klein, John P. (2003). Survival analysis. Statistics for biology and health (2. ed.). New York [u.a.]: Springer.
Selvin, Steve. (2008). Survival analysis for epidemiologic and medical research. Practical guides to biostatistics and epidemiology. Cambridge [u.a.]: Cambridge Univ. Press.
Moore, Dirk F. (2016). Applied Survival Analysis Using R. Use R! Cham: Springer International Publishing.

Externe Kommentarseite

https://www.uni-bielefeld.de/fakultaeten/wirtschaftswissenschaften/lehrbereiche/datascience/teaching/surv19/