Ein Teil der Vorlesung findet asynchron über Videos statt. Zusätzlich gibt es die Möglichkeit, in Präsenz und online Fragen zu stellen und außerdem werden praktische Übungen zur Berechnung der gelernten Modelle in R angeboten. Bitte melden Sie sich auch für die Übung zur Vorlesung an.
Es wird Zoom, Panopto, sowie der Lernraum genutzt.
__________
Im Vordergrund der Veranstaltung stehen folgende Modelle:
- Generalisierte Lineare Modelle (z.B. Vorhersage eines dichotomen
Kriteriums), Cox-Regression (Vorhersagte eines dichtomen Kriteriums über
Zeit, eine Überlebenszeitanalyse)
- Hierarchische Lineare Modelle (auch Mehrebenen-Modelle genannt)
- ggf. werden Inhalte aus "Multivariate Verfahren" wiederholt und
vertieft.
Die Vorlesung baut auf statistischen Grundbegriffen und Verfahren aus dem BSC-Studium auf. Folgende Kenntnisse sind unabdingbar: lineare Regression, uni- und bivariate kategoriale Testverfahren (z.B. x²-k*l-Test, x²-Anpassungstest) sowie bedingte Wahrscheinlichkeiten. Sollten einige dieser Punkte nicht mehr präsent sein wird dringend empfohlen diese selbstständig vor Beginn der Vorlesung zu wiederholen. Inhalte der Veranstaltungen "Multivariate Verfahren" und "Evaluation" werden als bekannt vorausgesetzt, sind aber nicht zwingend erforderlich.
Wird in der 1. Veranstaltung bekannt gegeben
Frequency | Weekday | Time | Format / Place | Period | |
---|---|---|---|---|---|
weekly | Mi | 10-12 | ON SITE & ONLINE X-E0-001 | 04.04.-15.07.2022
not on: 7/6/22 |
Module | Course | Requirements | |
---|---|---|---|
27-M-A Forschungsmethoden und Evaluation | A.2 Multivariate Verfahren II | Graded examination
|
Student information |
The binding module descriptions contain further information, including specifications on the "types of assignments" students need to complete. In cases where a module description mentions more than one kind of assignment, the respective member of the teaching staff will decide which task(s) they assign the students.
Es findet eine Klausur über die Inhalte der Vorlesung am Ende des Sommersemesters statt (90 Min.)