Modul MA4962-KP05
Verallgemeinerte Lineare Modelle (VLModKP05)
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:
Modulverantwortliche:
- Prof. Dr. rer. biol. hum. Inke König
Lehrende:
- Institut für Medizinische Biometrie und Statistik
- 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 Änderungen:
22.02.2022