Einführung in die Survival-Analyse (Modul: Methoden II)
|
|
- Hilke Ackermann
- vor 7 Jahren
- Abrufe
Transkript
1 Einführung in die Survival-Analyse (Modul: Methoden II) ROLAND RAU Universität Rostock, Sommersemester Mai 2013 c Roland Rau Survival-Analyse 06. Sitzung 1 / 23
2 Hinweis: Interview mit Prof. Matthias Junge im Spiegel, Printausgabe vom 13. Mai 2013 c Roland Rau Survival-Analyse 06. Sitzung 2 / 23
3 Ankündigung Ehrenpromotion Karl Ulrich Mayer am 29. Mai 2013 um 14h Festveranstaltung in der Universitätskirche Weitere Informationen zu Prof. Mayer finden sich beispielsweise unter: karl-ulrich-mayer/biografie/ c Roland Rau Survival-Analyse 06. Sitzung 3 / 23
4 Heutige Veranstaltung: Wiederholung: Kaplan-Meier Schätzer Test auf Signifikanz der Unterschiede von zwei KM-Survival-Kurven KM- Schätzer für linkstrunkierte und rechtszensierte Daten Weitere Vorstellung Datensatz Themen für Testat c Roland Rau Survival-Analyse 06. Sitzung 4 / 23
5 Nichtparametrische Schätzung: Kaplan-Meier Der Kaplan-Meier Schätzer ist folgendermaßen definiert für die Prozesszeit x und die Zeitpunkte i, an denen sich mindestens ein Event ereignet (siehe für Definition Abschnitt 4.2 in Klein and Moeschberger (2003) 1 ). Ŝ (x) = { 1, falls x < x1 ( ) x i x 1 d i Y i falls x 1 x wobei d i der Anzahl der Ereignisse (z.b. Todesfälle) zum i-ten Zeitpunkt entspricht und Y i der Anzahl der Personen, die um i-ten Zeitpunkt dem Risiko ausgesetzt waren, das Ereignis zu erfahren. 1 Es sei darauf hingewiesen, dass Klein and Moeschberger (2003) nicht x sondern t verwenden. c Roland Rau Survival-Analyse 06. Sitzung 5 / 23
6 Nichtparametrische Schätzung: Kaplan-Meier Beispiel: komplett beobachtete und rechts-zensierte ( + ) Überlebenszeiten x i d i Y i S(x) S^(x) x c Roland Rau Survival-Analyse 06. Sitzung 6 / 23
7 Nichtparametrische Schätzung: Kaplan-Meier Wir wollen nun aber nicht nur die allgemeine Survival-Zeit schätzen sondern auch überprüfen, ob eventuell festgestellte Unterschiede auch statistisch signifikant sind. Wir verwenden hierfür den Datensatz leukemia, der im Paket survival zur Verfügung gestellt wird. data(leukemia) Mittels?leukemia können Sie mir über Inhalt und Quelle der Daten erfahren. c Roland Rau Survival-Analyse 06. Sitzung 7 / 23
8 Nichtparametrische Schätzung: Kaplan-Meier Der erste Schritt der Survival Analyse in R besteht immer darin, ein Survivalobjekt zu definieren: survleuk <- Surv(leukemia$time, leukemia$status) survleuk Der Kaplan-Meier-Schätzer wird nun wiederum durch survfit berechnet. Allerdings steht nun rechts der Tilde die Variable, nach der wie eine Unterscheidung treffen wollen; in diesem Falle nennt sich die Variable x, welche anzeigt, ob Chemotherapie durchgeführt wurde oder nicht. km.leukemia <- survfit(survleuk ~ leukemia$x) km.leukemia summary(km.leukemia) Die beiden Überlebenskurven können wir natürlich plot(km.leukemia, col=c("red", "blue")) legend("topright", col=c("red", "blue"), lty=1, legend=c("maintained", "Nonmaintained")) c Roland Rau Survival-Analyse 06. Sitzung 8 / 23
9 Nichtparametrische Schätzung: Kaplan-Meier Maintained Nonmaintained Aber sind diese Unterschiede statistisch signifikant? Nächste HEUTIGE Veranstaltung... c Roland Rau Survival-Analyse 06. Sitzung 9 / 23
10 Der log-rank Test Eine Möglichkeit, zwei Gruppen A und B hinsichtlich ihrer Überlebenschancen zu testen, besteht im sogenannten log-rank-test. Es wird die Nullhypothese (H 0 ) von keinen Unterschieden zwischen den beiden Bevölkerungen hinsichtlich ihres Überlebens gegen die Alternativhypothese, dass Unterschiede existieren (H A ) getestet. Die Teststatistik T ist wobei U L = j T = U2 L V L χ 2 1 (d 1j e 1j ), mit e 1j = Y 1j d j Y j und V L = j v 1j, mit v 1j = Y 1jY 2j d j (Y j d j ) Y 2 j (Y j 1) c Roland Rau Survival-Analyse 06. Sitzung 10 / 23
11 Der log-rank Test Die Teststatistik T ist wobei T = U2 L V L χ 2 1 ( d1j e 1j ), mit e1j = Y 1j d j U L = j Y j und V L = j v 1j, mit v 1j = Y ( ) 1jY 2j d j Yj d j Yj 2 ( Yj 1 ) t d 1j Y 1j d 2j Y 2j d j Y j e 1j c Roland Rau Survival-Analyse 06. Sitzung 11 / 23
12 Der log-rank Test Die Teststatistik T ist wobei T = U2 L V L χ 2 1 ( d1j e 1j ), mit e1j = Y 1j d j U L = j Y j und V L = j v 1j, mit v 1j = Y ( ) 1jY 2j d j Yj d j Yj 2 ( Yj 1 ) t d 1j Y 1j d 2j Y 2j d j Y j e 1j d 1j e 1j U L = c Roland Rau Survival-Analyse 06. Sitzung 12 / 23
13 Der log-rank Test Die Teststatistik T ist wobei T = U2 L V L χ 2 1 ( d1j e 1j ), mit e1j = Y 1j d j U L = j Y j und V L = j v 1j, mit v 1j = Y ( ) 1jY 2j d j Yj d j Yj 2 ( Yj 1 ) t d 1j Y 1j d 2j Y 2j d j Y j e 1j d 1j e 1j v 1j U L = V L = c Roland Rau Survival-Analyse 06. Sitzung 13 / 23
14 Der log-rank Test Die Teststatistik T ist wobei T = U2 L V L χ 2 1 ( d1j e 1j ), mit e1j = Y 1j d j U L = j Y j und V L = j v 1j, mit v 1j = Y ( ) 1jY 2j d j Yj d j Yj 2 ( Yj 1 ) t d 1j Y 1j d 2j Y 2j d j Y j e 1j d 1j e 1j v 1j U L = ; V L = T = U2 L V L = ; χ 2 T,1 = c Roland Rau Survival-Analyse 06. Sitzung 14 / 23
15 und damit noch einmal die Analyse für den leukemia-datensatz: library(survival) data(leukemia) so.leuk <- Surv(leukemia$time, leukemia$status) logrank.test.nach.geschlecht <- survdiff(so.leuk ~ leukemia$x) > logrank.test.nach.geschlecht Call: survdiff(formula = so.leuk ~ leukemia$x) N Observed Expected (O-E)^2/E (O-E)^2/V leukemia$x=maintained leukemia$x=nonmaintained Chisq= 3.4 on 1 degrees of freedom, p= c Roland Rau Survival-Analyse 06. Sitzung 15 / 23
16 Kaplan-Meier mit linkstrunkierten Daten Die Schätzung der Kaplan-Meier-Kurven ist in R nicht nur für rechtszensierte Daten möglich sondern auch für linkstrunkierte Daten möglich. setwd("...") die.daten <- read.table("mortdaten.txt", header=true, sep=",") ## Nach dem Laden des survival Paketes besteht der gesamte Kniff ## darin, dass man nun drei anstatt zwei Angaben benötigt. Die ## Zeit der Linkstrunkierung, die Zeit des Event oder der ## Rechtszensierung sowie den "Event-Indicator" library(survival) s.object <- Surv(die.daten$inage, die.daten$outage, die.daten$delta) km1 <- survfit(s.object ~ 1) plot(km1) km2 <- survfit(s.object ~ die.daten$geschlecht) plot(km2) plot(km2, col=c("blue", "red")) s.object2 <- Surv(die.daten$inage, die.daten$outage, die.daten$delta, origin=30) km3 <- survfit(s.object2 ~ die.daten$geschlecht) plot(km3) plot(km3, col=c("blue", c Roland "red")) Rau Survival-Analyse 06. Sitzung 16 / 23
17 Weitere Erläuterungen zu Daten auf stud-ip c Roland Rau Survival-Analyse 06. Sitzung 17 / 23
18 Themen für Testat Definition und Relationen zwischen folgenden Funktionen: S(x), F(x), f (x), h(x), H(x) S(x), F(x), f (x), h(x) für die Exponential-Verteilung h(x) für die Gompertz-Verteilung Links-/Rechtszensierung & Links-/Rechtstrunkierung (Definition, Beispiel geben, Beispiel zuordnen können) Likelihood / log-likelihood Konstruktion bei Zensierung und Trunkierung unter der Annahme, dass die Daten exponentialverteilt sind. Definition und einfach Berechnung des Kaplan-Meier-Schätzers c Roland Rau Survival-Analyse 06. Sitzung 18 / 23
19 Exkurs: Wie bekomme ich Zufallszahlen von einer (nahezu) beliebigen Verteilung Nähere Infos unter Oder aber natürlich wie bei nahezu allen computerrelevanten Themen: Don Knuth (1998a,b,c); in diesem Fall insbesondere: Knuth (1998b). c Roland Rau Survival-Analyse 06. Sitzung 19 / 23
20 Vielen Dank für Ihre Aufmerksamkeit! c Roland Rau Survival-Analyse 06. Sitzung 20 / 23
21 Klein, J. P. and M. L. Moeschberger (2003). Survival Analysis : Techniques for Censored and Truncated Data. Statistics for Biology and Health. New York, NY: Springer. Knuth, D. E. (1998a). Fundamental Algorithms (Third ed.), Volume 1 of The Art of Computer Programming. Reading, Massachusetts: Addison-Wesley. Knuth, D. E. (1998b). Seminumerical Algorithms (Third ed.), Volume 2 of The Art of Computer Programming. Reading, Massachusetts: Addison-Wesley. Knuth, D. E. (1998c). Sorting and Searching (Third ed.), Volume 3 of The Art of Computer Programming. Reading, Massachusetts: Addison-Wesley. c Roland Rau Survival-Analyse 06. Sitzung 21 / 23
22 Lizenz This open-access work is published under the terms of the Creative Commons Attribution NonCommercial License 2.0 Germany, which permits use, reproduction & distribution in any medium for non-commercial purposes, provided the original author(s) and source are given credit. Für ausführlichere Informationen: (Deutsch) (English) c Roland Rau Survival-Analyse 06. Sitzung 22 / 23
23 Kontakt Universität Rostock Institut für Soziologie und Demographie Lehrstuhl für Demographie Ulmenstr Rostock Germany Tel.: Fax.: Sprechstunde im Sommersemester 2013: Mittwochs, 09:00 10:00 (und nach Vereinbarung) c Roland Rau Survival-Analyse 06. Sitzung 23 / 23
Survival Analysis (Modul: Lebensdaueranalyse)
Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2015 19. Mai 2015 Roland Rau Survival Analysis 1 / 26 Nächste & übernächste Woche Nächste Woche: Projektwoche
MehrSurvival Analysis (Modul: Lebensdaueranalyse)
Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2015 12. Mai 2015 c Roland Rau Survival Analysis 1 / 24 Hausaufgabe 1 Schreiben Sie die Log-Likelihood Gleichung
MehrSurvival Analysis (Modul: Lebensdaueranalyse)
Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2015 05. Mai 2015 c Roland Rau Survival Analysis 1 / 18 Zensierung & Trunkierung: Nicht vollständig beobachtete
MehrSurvival Analysis (Modul: Lebensdaueranalyse)
Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2014 22. April 2014 c Roland Rau Survival Analysis 1 / 23 Erinnerung: Prüfungsmodalitäten Nr. Termine evtl.
MehrEinführung in die formale Demographie
Einführung in die formale Demographie ROLAND RAU Universität Rostock, Wintersemester 2014/2015 26 Januar 2015 c Roland Rau Einführung in die formale Demographie 1 / 10 Wichtige Themen Übersicht I Bevölkerungsbilanzgleichung
MehrDemographie III ROLAND RAU. 14. Oktober Universität Rostock, Wintersemester 2013/2014. c Roland Rau Demographie III 1 / 29
Demographie III ROLAND RAU Universität Rostock, Wintersemester 2013/2014 14. Oktober 2013 c Roland Rau Demographie III 1 / 29 Organisatorisches: Demographie III Demographie III Vorlesung: Montag 07:30
MehrSurvival Analysis (Modul: Lebensdaueranalyse)
Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2014 01. April 2014 c Roland Rau Survival Analysis 1 / 20 Formalia & Übersicht Seminar: wöchentlich um 09:15
MehrAnforderungen der demografischen Forschung an Daten zur Mortalität
Anforderungen der demografischen Forschung an Daten zur Mortalität ROLAND RAU 1,2 1 Universität Rostock, 2 Max-Planck-Institut für demografische Forschung 15. Februar 2017 c Roland Rau, Uni Rostock & MPIDR
MehrSurvival Analysis (Modul: Lebensdaueranalyse)
Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2015 21. April 2015 c Roland Rau Survival Analysis 1 / 35 Veranstaltung nächste Woche entfällt. Lehrstuhl Demographie
MehrBerechnung des LOG-RANK-Tests bei Überlebenskurven
Statistik 1 Berechnung des LOG-RANK-Tests bei Überlebenskurven Hans-Dieter Spies inventiv Health Germany GmbH Brandenburger Weg 3 60437 Frankfurt hd.spies@t-online.de Zusammenfassung Mit Hilfe von Überlebenskurven
MehrWeiterführende formale Demographie
Weiterführende formale Demographie ROLAND RAU Universität Rostock, Sommersemester 2015 20. April 2015 c Roland Rau Weiterführende formale Demographie 1 / 21 Vergangene Woche Wiederholung wichtiger Konzepte
MehrStatistische Analyse von Ereigniszeiten
Statistische Analyse von Survival Analysis VO Biostatistik im WS 2006/2007 1 2 3 : Leukemiedaten (unzensiert) 33 Patienten mit Leukemie; Zielvariable Überlebenszeit. Alle Patienten verstorben und Überlebenszeit
MehrLaden des Datensatzes und erstellen eines Survival-Objektes. Laden des Datensatzes und Data Cleaning
Laden des Datensatzes und erstellen eines Survival-Objektes Laden des Datensatzes und Data Cleaning Das Laden des Datensatzes sollte wenig Schwierigkeiten verursachen. Nachdem Sie mittels setwd("c:/sommer2015/survival")
MehrForschungspraktikum: Krebssterblichkeit in den USA
Forschungspraktikum: Krebssterblichkeit in den USA ROLAND RAU Universität Rostock, Wintersemester 2014/2015 14. Oktober 2014 Roland Rau Forschungspraktikum: Krebssterblichkeit in den USA 1 / 19 Tutoren
MehrReferences. Demographie I ROLAND RAU. Universität Rostock, Wintersemester 2012/ Januar 2013
ROLAND RAU Universität Rostock, Wintersemester 2012/2013 30. Januar 2013 Heutige Veranstaltung = Letzte Veranstaltung Zusammenfassung! Vorlesung: 17.10.2012 Was ist Demographie? Bevölkerungsbilanzgleichung
MehrReferences. Demographie IV ROLAND RAU. Universität Rostock, Sommersemester Juli c Roland Rau Demographie IV 1 / 23
Demographie IV ROLAND RAU Universität Rostock, Sommersemester 2013 01. Juli 2013 c Roland Rau Demographie IV 1 / 23 EINLADUNG Das Rektorat, die Fakultäten und die Gesellschaft der Förderer der Universität
MehrEinführung in die formale Demographie
Einführung in die formale Demographie ROLAND RAU Universität Rostock, Wintersemester 2014/2015 13. Oktober 2014 c Roland Rau Einführung in die formale Demographie 1 / 37 Organisatorisches: Einführung in
MehrLife Tables und Kaplan Meier
9. Mai 2012 Inhaltsverzeichnis 1 Mathematische Grundlagen Der Datensatz 2 Zusammenhänge Mathematische Grundlagen Der Datensatz F (t) + S(t) = 1 P (T t) + P (T t) = P (Ω) = 1 t 0 f(u)du + t f(u)du = 0 f(u)du
MehrDemographie I ROLAND RAU. 29. Januar Universität Rostock, Wintersemester 2013/2014. c Roland Rau Demographie I 1 / 16
Demographie I ROLAND RAU Universität Rostock, Wintersemester 2013/2014 29. Januar 2014 c Roland Rau Demographie I 1 / 16 Vorlesung: 16.10.2013 Was ist Demographie? Bevölkerungsbilanzgleichung Die drei
MehrLösung Übungsblatt 5
Lösung Übungsblatt 5 5. Januar 05 Aufgabe. Die sogenannte Halb-Normalverteilung spielt eine wichtige Rolle bei der statistischen Analyse von Ineffizienzen von Produktionseinheiten. In Abhängigkeit von
MehrEinführung in die Demographie
Einführung in die Demographie ROLAND RAU Universität Rostock, Wintersemester 2015/2016 27. Januar 2016 c Roland Rau Einführung in die Demographie 1 / 1 Hinweis: Die Tutorensprechstunde findet am 29.01.2016
MehrTutorial: Anpassungstest
Tutorial: Anpassungstest An einem Institut gibt es vier UniversitätslehrerInnen, die auch Diplomarbeiten betreuen. Natürlich erfordert die Betreuung einer Diplomarbeit einiges an Arbeit und Zeit und vom
MehrWoher kommst du? Sven Koerber-Abe, 2013
Woher kommst du? Sven Koerber-Abe, 2013 Belgien Tschechien Australien Japan Italien China England Deutschland Korea Brasilien Frankreich Österreich Wie? Wie heißt du? Wie heißt du? Wie heißen Sie? Ich
MehrStatistics, Data Analysis, and Simulation SS 2015
Mainz, June 11, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
MehrTutorial: Vergleich von Anteilen
Tutorial: Vergleich von Anteilen Die Sicherung des Pensionssystems ist in vielen Ländern ein heikles Thema. Noch stärker als der Streit, wer wann welche Pension beziehen können soll, tobt ein Streit, welche
MehrGlossar und Formelsammlung. Hazard Rate. Hazard Ratio =
Glossar und Formelsammlung Hazard Rate Die Hazard Rate steht für das Risiko, genau zum Zeitpunkt t ein Ereignis bei Überlebenszeitanalysen den Tod zu erleiden. Es handelt sich demnach um eine vom Zeitpunkt
MehrEinführung in die formale Demographie Übung
Einführung in die formale Demographie Übung Roland Rau mailto:roland.rau@uni-rostock.de 03. November 2014 Inhaltsverzeichnis 1 Aufgaben vom 27. Oktober 2014 2 1.1 Schreiben von Funktionen............................
MehrImperativ! Sven Koerber-Abe, 2014
Imperativ! Sven Koerber-Abe, 2014 Sie Essen Sie eine Pizza? Essen Sie eine Pizza. Trinken Sie eine Cola? Trinken Sie eine Cola. du Trinkst du eine Cola? Trinkst du eine Cola. Trinkst du eine Cola? Trink
MehrDiagnose und Prognose: Kurzfassung 4
Diagnose und Prognose: Kurzfassung 4 Ziele der 4. Vorlesung Inhaltliche Verbindung zwischen inhaltlicher Statistisches Konzept / Problemstellung Problemstellung und statistischem statistische Methode Konzept/Methode
Mehr27 Zufallsvariablen. Erwartungswert. Median. Perzentilen
27 Zufallsvariablen. Erwartungswert. Median. Perzentilen Jörn Loviscach Versionsstand: 7. Januar 2011, 21:03 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu:
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 3.2.2 bis 3.3 besser zu verstehen. Auswertung und Lösung Abgaben: 81 / 265 Maximal erreichte Punktzahl: 7 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.28 Frage
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
Mehr27 Zufallsvariablen. Erwartungswert. Median. Perzentilen
27 Zufallsvariablen. Erwartungswert. Median. Perzentilen Jörn Loviscach Versionsstand: 21. September 2013, 15:56 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html
MehrDie rote Regenjacke Author: Kiran Kasturia Illustrator: Zainab Tambawalla Translator: Martina Endlein Monteiro
Die rote Regenjacke Author: Kiran Kasturia Illustrator: Zainab Tambawalla Translator: Martina Endlein Monteiro Am Sonntag haben Manus Eltern ihm eine rote Regenjacke geschenkt. "Mama, darf ich sie gleich
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrStatistics, Data Analysis, and Simulation SS 2015
Mainz, May 12, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrEinführung in die Demographie
Einführung in die Demographie ROLAND RAU Universität Rostock, Wintersemester 2014/2015 29. Oktober 2014 c Roland Rau Einführung in die Demographie 1 / 42 Vergangene Veranstaltung: Sterberate Rohe Sterberate
MehrEinführung in die formale Demographie Übung
Einführung in die formale Demographie Übung Roland Rau mailto:roland.rau@uni-rostock.de 26. Oktober 2015 Inhaltsverzeichnis 1 Dateneingabe (Fortsetzung) 2 2 Eigene Funktionen schreiben 4 3 Aufgaben Teil
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne
MehrStatistische Matching-Verfahren
Statistische Matching-Verfahren Erste Statistik-Tage 2012 Bamberg Fürth 26./27. Juli 2012 in Bamberg Prof. Dr. Susanne Rässler Lehrstuhl für Statistik und Ökonometrie in den Sozial- und Wirtschaftswissenschaften
MehrThe projectivity of the moduli space of stable curves. I: Preliminaries on "det"...
The projectivity of the moduli space of stable curves. I: Preliminaries on "det"... Knudsen, Finn; Mumford, David pp. 19-55 Terms and Conditions The Göttingen State and University Library provides access
Mehr5. Kolmogorov-Smirnov-Test und χ 2 -Anpassungstest
Empirische Wirtschaftsforschung Prof. Dr. Ralf Runde 5. Kolmogorov-Smirnov-Test und χ 2 -Anpassungstest Ein wesentliches Merkmal nichtparametrischer Testverfahren ist, dass diese im Allgemeinen weniger
MehrSchließende Statistik: Hypothesentests (Forts.)
Mathematik II für Biologen 15. Mai 2015 Testablauf (Wdh.) Definition Äquivalente Definition Interpretation verschiedener e Fehler 2. Art und Macht des Tests Allgemein im Beispiel 1 Nullhypothese H 0 k
MehrZeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n (2k 1) = n 2.
Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k=1 (2k 1) = n 2. Aufgabe 2. (7 Punkte) Gegeben sei das lineare Gleichungssystem x + 2z = 0 ay
MehrFinal Exam. Friday June 4, 2008, 12:30, Magnus-HS
Stochastic Processes Summer Semester 2008 Final Exam Friday June 4, 2008, 12:30, Magnus-HS Name: Matrikelnummer: Vorname: Studienrichtung: Whenever appropriate give short arguments for your results. In
MehrDie partielle Likelihood-Funktion
Die partielle Likelihood-Funktion Roger Züst 12. Juni 26 1 Repetition: Maximum-Likelihood-Methode Hat man n unabhängige Beobachtungen x 1, x 2,..., x n einer Zufallsvariablen X und eine Familie von möglichen
MehrEinführung in die statistische Testtheorie II
1 Seminar: Simulation und Bildanalyse mit Java Einführung in die statistische Testtheorie II Guntram Seitz Sommersemester 2004 1 WIEDERHOLUNG 2 1 Wiederholung Grundprinzip: Annahme: Beobachtungen bzw.
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrDer Parameter Relative Survival zur Berechnung von Sterblichkeitsdifferenzen in Subpopulationen
Beitrag zur Statistischen Woche 2010 Der Parameter Relative Survival zur Berechnung von Sterblichkeitsdifferenzen in Subpopulationen Dipl.-Demogr. Matthias Leuchter Lehrstuhl für Demographie und Ökonometrie,
MehrTutorial:Unabhängigkeitstest
Tutorial:Unabhängigkeitstest Mit Daten aus einer Befragung zur Einstellung gegenüber der wissenschaftlich-technischen Entwicklungen untersucht eine Soziologin den Zusammenhang zwischen der Einstellung
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrPatentrelevante Aspekte der GPLv2/LGPLv2
Patentrelevante Aspekte der GPLv2/LGPLv2 von RA Dr. Till Jaeger OSADL Seminar on Software Patents and Open Source Licensing, Berlin, 6./7. November 2008 Agenda 1. Regelungen der GPLv2 zu Patenten 2. Implizite
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrInstitut für Soziologie Werner Fröhlich. Methoden 2. Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest
Institut für Soziologie Methoden 2 Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest Aufbau der Sitzung Was sind Kontingenztabellen? Wofür werden Kontingenztabellen verwendet? Aufbau und Interpretation
MehrDie Anwendung des globalen und partiellen F-Tests beim Regressionsmodell
Dr. Wolfgang Langer - Integrierte Veranstaltung Methoden IV WS 2002/2003-1 Die Anwendung des globalen und partiellen F-Tests beim Regressionsmodell von XENOPHOB auf V247 und POSTMAT, MATERIAL Für unsere
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrEinführung in SPSS. Sitzung 4: Bivariate Zusammenhänge. Knut Wenzig. 27. Januar 2005
Sitzung 4: Bivariate Zusammenhänge 27. Januar 2005 Inhalt der letzten Sitzung Übung: ein Index Umgang mit missing values Berechnung eines Indexes Inhalt der letzten Sitzung Übung: ein Index Umgang mit
MehrUniversitätsprofessor Dr. rer. nat. habil. Karl-Ernst Biebler und Dr. rer. nat. Bernd Jäger
Die Reihe Biometrie und Medizinische Informatik Greifswalder Seminarberichte wird herausgegeben von: Universitätsprofessor Dr. rer. nat. habil. Karl-Ernst Biebler und Dr. rer. nat. Bernd Jäger Institut
MehrKategoriale Daten. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/17
Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/17 Übersicht Besitzen die Daten, die statistisch ausgewertet werden sollen, kategoriales Skalenniveau, unterscheidet man die folgenden Szenarien:
MehrDie Katze ist schuld! Author: Anushka Ravishankar Illustrator: Priya Kuriyan Translator: Martina Endlein Monteiro
Die Katze ist schuld! Author: Anushka Ravishankar Illustrator: Priya Kuriyan Translator: Martina Endlein Monteiro Warum hast du nicht deine Hausaufgaben gemacht? Die Katze ist schuld, Lehrerin. 2 Wäre
Mehr1 Übungen zu Wahrscheinlichkeitsrechnung und Zufallsvariablen
1 Übungen zu Wahrscheinlichkeitsrechnung und Zufallsvariablen Zoltán Zomotor Versionsstand: 16. März 2016, 11:21 This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0
MehrPROC FREQ für Kontingenztafeln
zum Überprüfen von Zusammenhängen zweier qualitativer Merkmale Allgemeine Form: PROC FREQ DATA=name Optionen ; TABLES (variablenliste) * (variablenliste) / Optionen ; Beispiel und Beschreibung der Programm-Statements:
MehrLogistische Regression
Logistische Regression Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Logistische Regression Beispiel 1: Herzerkrankungsdaten aus Framingham Log Odds Modell Beispiel 1: Einfluss von Blutdruck Maximum
MehrComplex Event Processing
[10] Armin Steudte HAW Hamburg Masterstudiengang Informatik - WS 2011/2012 Agenda Motivation Grundlagen Event Processing Networks Ausblick Quellen 2 Agenda Motivation Grundlagen Event Processing Networks
MehrIns$tut'für'Verkehrswissenscha3'(IVM)' ' ' ' ' ' ' ' Vorstellung'der'Wahlpflichtmodule'(Bachelorstudiengang)' 2015/2016'
Ins$tutfürVerkehrswissenscha3(IVM) VorstellungderWahlpflichtmodule(Bachelorstudiengang) 2015/2016 Ins$tutfürVerkehrswissenscha3(IVM)! Prof.&Dr.&Gernot&Sieg&! David&Ennen&! Kathrin&Goldmann&! Inga&Molenda&!
MehrWir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus, (
Kapitel 4 Konfidenzbereiche Wir gehen wieder von einem allgemeinen parametrischen statistischen Modell aus, M, A, P ϑ ; sei eine Funktion des Parameters gegeben, die einen interessierenden Teil-Parameter
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. mit dem R Commander. A Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst mit dem R Commander A Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist
Mehr4.1 Stichproben, Verteilungen und Schätzwerte. N(t) = N 0 e λt, (4.1)
Kapitel 4 Stichproben und Schätzungen 4.1 Stichproben, Verteilungen und Schätzwerte Eine physikalische Messung ist eine endliche Stichprobe aus einer Grundgesamtheit, die endlich oder unendlich sein kann.
MehrNumerische Methoden und Algorithmen in der Physik
Numerische Methoden und Algorithmen in der Physik Hartmut Stadie, Christian Autermann 15.01.2009 Numerische Methoden und Algorithmen in der Physik Christian Autermann 1/ 47 Methode der kleinsten Quadrate
MehrÜbung 2 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-897 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 3, 8975 Ulm Tel. +49
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
MehrPROC NPAR1WAY. zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale)
PROC NPAR1WAY zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale) Allgemeine Form: PROC NPAR1WAY DATA=name Optionen ; VAR variablenliste ; CLASS
MehrOnline-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung
Online-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung Abgaben: 92 / 234 Maximal erreichte Punktzahl: 7 Minimal erreichte Punktzahl: 1 Durchschnitt: 4 Frage 1 (Diese Frage haben ca. 0% nicht beantwortet.)
Mehr10 Der statistische Test
10 Der statistische Test 10.1 Was soll ein statistischer Test? 10.2 Nullhypothese und Alternativen 10.3 Fehler 1. und 2. Art 10.4 Parametrische und nichtparametrische Tests 10.1 Was soll ein statistischer
MehrWorking Out Loud! Circle Leitfaden!
Was Sie diese Woche erwartet Working Out Loud Circle Leitfaden Version 3.5 - May 2016 Woche 1 Wählen Sie ein einfaches Ziel & listen Sie Personen auf, die damit zu tun haben This material is licensed under
MehrWeiterführende formale Demographie
Weiterführende formale Demographie ROLAND RAU Universität Rostock, Sommersemester 2015 13. Juli 2015 c Roland Rau Weiterführende formale Demographie 1 / 24 Herzliche Einladung an alle Interessierten zum
MehrIntroduction to Python. Introduction. First Steps in Python. pseudo random numbers. May 2016
to to May 2016 to What is Programming? All computers are stupid. All computers are deterministic. You have to tell the computer what to do. You can tell the computer in any (programming) language) you
Mehr2. Prinzipien der Datenreduktion
2. Prinzipien der Datenreduktion Man verwendet die Information in einer Stichprobe X 1,..., X n, um statistische Inferenz über einen unbekannten Parameter zu betreiben. Falls n groß ist, so ist die beobachtete
MehrStatistik II. Weitere Statistische Tests. Statistik II
Statistik II Weitere Statistische Tests Statistik II - 19.5.2006 1 Überblick Bisher wurden die Test immer anhand einer Stichprobe durchgeführt Jetzt wollen wir die statistischen Eigenschaften von zwei
MehrAuswertung und Lösung
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
Mehr4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers
4. Statistik im multiplen Regressionsmodell In diesem Kapitel wird im Abschnitt 4.1 zusätzlich zu den schon bekannten Standardannahmen noch die Annahme von normalverteilten Residuen hinzugefügt. Auf Basis
MehrBreusch-Pagan-Test I auf Heteroskedastie in den Störgrößen
Breusch-Pagan-Test I Ein weiterer Test ist der Breusch-Pagan-Test. Im Gegensatz zum Goldfeld-Quandt-Test ist es nicht erforderlich, eine (einzelne) Quelle der Heteroskedastizität anzugeben bzw. zu vermuten.
MehrDer χ 2 -Test (Chiquadrat-Test)
Der χ 2 -Test (Chiquadrat-Test) Der Grundgedanke Mit den χ 2 -Methoden kann überprüft werden, ob sich die empirischen (im Experiment beobachteten) Häufigkeiten einer nominalen Variable systematisch von
Mehrunendlich-dimensionalen lästigen Parameter auffassen.
Näherungen mit Bootstrap Werner Stahel, Seminar für Statistik, ETH Zürich, 8. 4. 2009 Dieser Text kann dazu dienen, die Ideen des Bootstrap zusammenzufassen. Es fehlen hier Beispiele. 1 Fragestellung a
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
MehrDWT 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen 330/467 Ernst W. Mayr
2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen Wir betrachten nun ein Verfahren zur Konstruktion von Schätzvariablen für Parameter von Verteilungen. Sei X = (X 1,..., X n ). Bei X
Mehr5. Lektion: Einfache Signifikanztests
Seite 1 von 7 5. Lektion: Einfache Signifikanztests Ziel dieser Lektion: Du ordnest Deinen Fragestellungen und Hypothesen die passenden einfachen Signifikanztests zu. Inhalt: 5.1 Zwei kategoriale Variablen
Mehr1 Grundprinzipien statistischer Schlußweisen
Grundprinzipien statistischer Schlußweisen - - Grundprinzipien statistischer Schlußweisen Für die Analyse zufallsbehafteter Eingabegrößen und Leistungsparameter in diskreten Systemen durch Computersimulation
MehrInferenzstatistik und Hypothesentests. Hierbei geht es um die Absicherung eines Untersuchungsergebnisses gegen ein Zufallsereignis.
Statistik II und Hypothesentests Dr. Michael Weber Aufgabenbereich Hierbei geht es um die Absicherung eines Untersuchungsergebnisses gegen ein Zufallsereignis. Ist die zentrale Fragestellung für alle statistischen
MehrLog-lineare Analyse I
1 Log-lineare Analyse I Einleitung Die log-lineare Analysemethode wurde von L.A. Goodman in den 60er und 70er Jahren entwickelt. Sie dient zur Analyse von Zusammenhängen in mehrdimensionalen Kontingenztafeln
Mehr