Adaptive Designs für Phase-II-Studien in der Onkologie. Stefan Englert, Meinhard Kieser Institut für Medizinische Biometrie und Informatik.
|
|
- Georg Ursler
- vor 7 Jahren
- Abrufe
Transkript
1 Adaptive Designs für Phase-II-Studien in der Onkologie Stefan Englert, Meinhard Kieser Institut für Medizinische Biometrie und Informatik Überblick I. Besonderheiten statistischer Designs in der Onkologie II. III. IV. Motivation Adaptive Designs und diskrete Teststatistiken 1) Probleme bei direkte Anwendung 2) Lösungsidee: Adaptive Conditional Test Fallbeispiel V. Zusammenfassung
2 Statistische Designs in der Onkologie Typischerweise einarmige Zwei-Stufen-Designs mit geplanter Zwischenauswertung (Simons Optimal Design oder Simons Minimax Design) Geringe Fallzahlen Diskrete Teststatistiken (Binomialtest) Nur spezielle p-werte können in den einzelnen Stufen angenommen werden Die Verteilung der p-werte ist stochastisch größer als die der Gleichverteilung Motivation In bisherigen Designs müssen die Fallzahlen in den einzelnen Stufen im Studienprotokoll festgelegt und exakt eingehalten werden Eine größere Flexibilität ist wünschenswert Variation der Stichprobengröße (Größere oder kleinere Effekte als angenommen, finanzielle Gründe, ) Hinzunahme weiterer Zwischenauswertungen Für kontinuierliche Endpunkte existiert bereits ein breites Spektrum an Methoden für adaptive Designs
3 Beispiel: Bauer & Köhne Design Fishers Kombinationsfunktion p 1 p 2 c α α = 0.05 Einarmige Phase II Studie Binärer Endpunkt Testproblem H0: π π0 gegen H1: π π1 Responserate π Zu niedrige Responserate π0 Relevante Responserate π1 Beispiel H0: π 0.3 gegen H1: π 0.5 n1 = 19, n2 = 30
4 Direkte Anwendung Fishers Kombinationsfunktion p 1 p 2 c α Lösungsmöglichkeit: Vergrößerung der Ablehngrenzen
5 Auswirkungen Festlegung der Entscheidungsregel für jede Kombination von n1 und n2 Die Entscheidungsregel der zweiten Phase hängt vom Design der zweiten Phase ab Verletzung des Conditional Invariance Prinzip nach Brannath et al Die Entscheidungsregel muss bedingt auf das Ergebnis der Zwischenauswertung unabhängig von Designveränderungen sein. Keine adaptive Planung unter Einhaltung des Gesamtniveaus möglich Lösungsidee: Adaptive Conditional Test Liu et al., A Unified Theory of Two-Stage Adaptive Designs, 2002 Festlegung einer geeigneten Funktion C(pg) während der Planungsphase einer klinischen Studie Bei einem p-wert pg in ersten Stufe wird die globale Nullhypothese abgelehnt, falls p2 C(pg). Die Entscheidungsregel in der zweiten Phase hängt vom Ergebnis der ersten Phase ab, ist jedoch unabhängig von den weiteren Designanpassungen
6 Die Wahl von C Eine ungeschickte Wahl der Funktion C würde dazu führen, dass das Niveau schlecht ausgeschöpft wird (Powerverlust) Das Design mit vergrößertem Ablehnbereich zeigt eine gute Niveauausschöpfung Lösung: Die Funktion C wird aus dem vergrößertem Ablehnbereich eines (optimalen) nichtadaptiven Designs mit Stichprobengrößen n1 und n2 bestimmt Adaptives Design Bauer & Köhne n1 = 15
7 Vergleich Simons Optimal Design n1 = 15 n2 = 31 EN(π0) = 23,6 PET(π0) = 0.72 α = β = Startdesign n1 = 15 n2 = 35 EN(π0) = 24,2 PET(π0) = 0.74 α = β = EN = Erwartete Stichprobengröße PET = Probability for Early Termination Zusammenfassung Eine Übertragung adaptiver Methoden auf diskrete Teststatistiken ist ohne bedeutenden Niveauverlust möglich Die erste Stufe des Designs und die abschließende Entscheidungsregel muss a priori festgelegt werden Das Conditional Invariance Prinzip wird eingehalten Die Entscheidungsregel kann im nichtadaptiven Kontext gewisse Optimalitätskriterien erfüllen Das adaptive Design ist im nichtadaptivem Kontext vergleichbar zu herkömmlichen Designs, die keine Modifikationen erlauben
8 Literatur Simon R Optimal two-stage designs for phase II clinical trials. Controlled Clinical Trials 10:1 10. P. Bauer and K. Köhne Evaluation of Experiments with Adaptive Interim Analyses. Biometrics 50: Liu et al A Unified Theory of Two-Stage Adaptive Designs, American Statistical Association, 97: DeMets D, Lan G Interim analysis: the alpha spending function approach. Statistics in Medicine 13: Posch M, Bauer P Adaptive Two Stage Designs and the Conditional Error Function. Biometrical Journal 41: Brannath W, Koenig F, Bauer P Multiplicity and flexibility in clinical trials. Pharmaceutical Statistics 6: Bretz F, Koenig F, Brannath W, Glimm E, Posch M Adaptive designs for confirmatory clinical trials, Statistics in Medicine, 28:
Adaptiv gruppensequentielle Designs
Adaptiv gruppensequentielle Designs Gernot Wassmer Institut für Medizinische Statistik, Informatik und Epidemiologie Universität zu Köln Tutorial AG Nichtparametrische Methoden Berlin, 2.10.2000 Sequentielle
MehrTest Problem H : H : p. Stochastic curtailment in zweistufigen. Endpunkten. Simon s Two-Stage Design. Cornelia Ursula Kunz and Meinhard Kieser
Stochastic curtailment in zweistufigen Phase-II-Designs mit einem oder zwei binären Endpunkten Cornelia Ursula Kunz and Meinhard Kieser Simon s Two-Stage Design Phase-II-Studien in der Onkologie Ein binärer
MehrPhase-II-Paket. R-Paket und Software-Tool für Planung, Monitoring und Auswertung onkologischer Phase-II-Studien
Phase-II-Paket R-Paket und Software-Tool für Planung, Monitoring und Auswertung onkologischer Phase-II-Studien Impressum TMF Technologie- und Methodenplattform für die vernetzte medizinische Forschung
MehrTest auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)
Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen
MehrEin exakter Test für die Meta-Analyse von Studien mit binären Endpunkten. Oliver Kuß, Cora Gromann
Ein exakter Test für die Meta-Analyse von Studien mit binären Endpunkten Oliver Kuß, Cora Gromann Institut für Medizinische Epidemiologie, Biometrie und Informatik, Universität Halle-Wittenberg, Halle
MehrEin universelles Bayes-Design für einarmige Phase II-Studien mit binärem zeitlich erfasstem Endpunkt
Ein universelles Bayes-Design für einarmige Phase II-Studien mit binärem zeitlich erfasstem Endpunkt Joachim Gerß joachim.gerss@ukmuenster.de Institute of Biostatistics and Clinical Research Overview 1.
MehrAblaufschema beim Testen
Ablaufschema beim Testen Schritt 1 Schritt 2 Schritt 3 Schritt 4 Schritt 5 Schritt 6 Schritt 7 Schritt 8 Schritt 9 Starten Sie die : Flashanimation ' Animation Ablaufschema Testen ' siehe Online-Version
MehrStudiendesign und Statistik: Interpretation publizierter klinischer Daten
Studiendesign und Statistik: Interpretation publizierter klinischer Daten Dr. Antje Jahn Institut für Medizinische Biometrie, Epidemiologie und Informatik Universitätsmedizin Mainz Hämatologie im Wandel,
MehrKapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Induktive Statistik Prof. Dr. W.-D. Heller
MehrSPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests. H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab.
SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests A parametrisch -- ANOVA Beispieldatei: Seegräser_ANOVA H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab. µ
MehrNichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten. Frank Konietschke
Nichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten Frank Konietschke Abteilung für Medizinische Statistik Universität Göttingen 1 Übersicht Beispiele CGI (repeated measures) γ-gt
MehrMeta-Regression in klinischen. Studien. Hintergrund und Anwendung in SAS. Meike Hastert Mareike Herrmann
Meta-Regression in klinischen Studien Hintergrund und Anwendung in SAS Meike Hastert Mareike Herrmann Gliederung Meta-Regression im Allgemeinen Statistischer Hintergrund Anwendung mit SAS Output Interpretation
MehrBiometrische Planung von Versuchsvorhaben
Biometrische Planung von Versuchsvorhaben Einführung in das Prinzip der Lehrstuhl für Mathematik VIII Statistik http://statistik.mathematik.uni-wuerzburg.de/~hain Ziel des Vortrags Im nachfolgenden Vortrag
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 13. Juli 2011 Ziel der Vorlesung Vermittlung von Grundkenntnissen der Statistik, Simulationstechnik und numerischen Methoden (Algorithmen) Aufgabe:
MehrZur Statistik im neuen Genehmigungsantrag
Zur Statistik im neuen Genehmigungsantrag 21. Essener Informationstreffen, 12. März 2014 PD Dr. Nicole Heussen nheussen@ukaachen.de Institut für Medizinische Statistik RWTH Aachen Zur Statistik im neuen
MehrAnalyse 2: Hypothesentests
Analyse 2: Hypothesentests Ashkan Taassob Andreas Reisch Inhalt Motivation Statistischer Hintergrund Hypothese Nullhypothesen Alternativhypothesen Fehler beim Hypothesentesten Signifikanz-LEVEL und P-value
MehrInhalt. 2. Ein empirisches Beispiel als Hintergrund 2.1 Die Studie von Preckel & Freund (2006) 2.2 Rückblick
Inhalt 2. Ein empirisches Beispiel als Hintergrund 2.1 2.2 Rückblick EDV-Tutorium (A) Buchwald & Thielgen (2008) 12 Theoretischer Hintergrund Phänomen 1: false>correct (F>C)-Phänomen Wenn Personen kognitive
MehrMethodik der multiplen linearen Regression
Methodik der multiplen linearen Regression Sibel Aydemir Statistisches Amt, Direktorium Landeshauptstadt München Name, Stadt Regressionsanalyse: Schritt für Schritt Schritt 1 Schritt 2 Schritt 3 Schritt
MehrWorkshop Entwicklung zuverlässiger Softwaresysteme. Softwarezuverlässigkeitsbewertung auf Basis von Betriebsprofiltreue und Schnittstellenüberdeckung
Workshop Entwicklung zuverlässiger Softwaresysteme Softwarezuverlässigkeitsbewertung auf Basis von Betriebsprofiltreue und Schnittstellenüberdeckung (Informatik 11) Seite 1 Motivation Ziel: Softwarezuverlässigkeitsbewertung
MehrStatistische Signifikanz versus Klinische Relevanz der Sch(l)uss von der Studie in die Realität
Institut für Medizinische Biometrie und Epidemiologie Statistische Signifikanz versus Klinische Relevanz der Sch(l)uss von der Studie in die Realität Zum Nacharbeiten Die TonoPen-Studie Dissertationsprojekt
MehrPhase: I. GKM Service Consulting, preparation of study synopses and protocols in the context of the early benefit assessment
Statistical consulting Statistical consulting Beratung, Erstellung von Studiensynopsen und Prüfplänen zu Phase III Studien in verschiedenen Indikationen unter Berücksichtigung der möglichen Auswirkungen
MehrHypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav
Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der
MehrPlanung von Humanstudien Fallzahlberechnung
Planung von Humanstudien Fallzahlberechnung Hans-Peter Helfrich Universität Bonn 5. November 2015 H.-P. Helfrich (Universität Bonn) Planung von Humanstudien 5. November 2015 1 / 15 Einführung 1 Einführung
MehrKonfidenzintervalle. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt
Konfidenzintervalle Annahme: X 1,..., X n iid F θ. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt P θ (U θ O) = 1 α, α (0, 1). Das Intervall [U, O] ist ein Konfidenzintervall
MehrMethodenlehre. Vorlesung 13. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 13 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 19.05.15 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie
MehrBibliothek des Departments für Medizinische Biometrie und Medizinische Informatik: interne Zeitschriftenliste Stand 03.08.
Bibliothek des Departments für Medizinische Biometrie und Medizinische Informatik: interne Zeitschriftenliste Stand 03.08.2015 / Mo ab 2014: 17 print-abos + 1 gratis, ab 2015: 13 Print Abos 26 e-only-abos,
MehrFallzahlplanung bei unabhängigen Stichproben
Seminar Aktuelle biometrische Probleme benjamin.hofner@stat.uni-muenchen.de 2. Januar 2005 Inhaltsverzeichnis Einführung in die Fallzahlplanung 2. Grundlegendes zur Fallzahlplanung...........................
MehrIrrtümer durch Signifikanzstatistik
Irrtümer durch Signifikanzstatistik Eltern von Töchtern haben ein höheres Scheidungsrisiko als Eltern von Söhnen (Morgan et al. 1988) Do pretty women inspire men to discount the future? (Wilson and Daley
Mehr6. Übung Statistische Tests Teil 1 (t-tests)
Querschnittsbereich 1: Epidemiologie, Medizinische iometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 6. Übung Statistische Tests Teil 1 (t-tests)
MehrVon der Idee zum richtigen Studiendesign
BMBF- und DFG-Förderung für klinische Studien: Rahmenbedingungen und Erfolgsfaktoren Von der Idee zum richtigen Studiendesign Unterstützung durch das Institut für Biometrie und Klinische Forschung Dr.
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall
MehrTESTEN VON HYPOTHESEN
TESTEN VON HYPOTHESEN 1. Beispiel: Kann ein neugeborenes Küken Körner erkennen oder lernt es dies erst durch Erfahrung? Um diese Frage zu entscheiden, wird folgendes Experiment geplant: Sobald das Küken
MehrBiostatistische Studienplanung. Dr. Matthias Kohl SIRS-Lab GmbH
Biostatistische Studienplanung Dr. Matthias Kohl SIRS-Lab GmbH Ausgangspunkt Fragestellung(en)/Hypothese(n): Hauptfragestellung: Grund für Durchführung der Studie Nebenfragestellung(en): Welche Fragestellungen
MehrSeminar: Statistische Planung und Auswertung randomisierter kontrollierter klinischer Studien
Seminar: Statistische Planung und Auswertung randomisierter kontrollierter klinischer Studien Prof. Dr. Anne-Laure Boulesteix Dr. Mathias Fuchs, M.Sc. Roman Hornung, M.Sc. M.Sc. Silke Janitza Institut
MehrMethodik klinischer Studien
M. Schumacher G. Schulgen Methodik klinischer Studien Methodische Grundlagen der Planung, Durchführung und Auswertung Zweite, überarbeitete und erweiterte Auflage Sprin ger Inhaltsverzeichnis EINLEITUNG
MehrInferenzstatistik (=schließende Statistik)
Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die
MehrWie schreibe ich (m)eine Dissertation???
Wie schreibe ich (m)eine Dissertation??? Arbeitsmethodik und Standards Frank Krummenauer Promovierendensymposium Mülheim, 10. Juni 2011 Redaktionelle Aspekte Übliche Gliederung einer medizinischen Dissertation:
MehrDie Bedeutung der klinischen Relevanz für f r die Machbarkeit klinischer Studien Eine Herausforderung für r den Kliniker und Biometriker
Die Bedeutung der klinischen Relevanz für f r die Machbarkeit klinischer Studien Eine Herausforderung für r den Kliniker und Biometriker Prof. Dr. Dieter Hauschke Köln, den 18.06.2010 Klinische Relevanz,
MehrStatistische Überlegungen: Eine kleine Einführung in das 1 x 1
Statistische Überlegungen: Eine kleine Einführung in das 1 x 1 PD Dr. Thomas Friedl Klinik für Frauenheilkunde und Geburtshilfe, Universitätsklinikum Ulm München, 23.11.2012 Inhaltsübersicht Allgemeine
MehrANalysis Of VAriance (ANOVA) 1/2
ANalysis Of VAriance (ANOVA) 1/2 Markus Kalisch 16.10.2014 1 ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich)?
Mehr2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X
Hypothesentests Bisher betrachtet: Punkt- bzw. Intervallschätzung des unbekannten Mittelwerts Hierzu: Verwendung der 1 theoretischen Information über Verteilung von X empirischen Information aus Stichprobenrealisation
MehrProbeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende
Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende im Sommersemester 2012 Prof. Dr. H. Küchenhoff, J. Brandt, G. Schollmeyer, G. Walter Aufgabe 1 Betrachten
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.)
Mehr3. Herbstkolloquium des Graduiertenkollegs "Statistische Modellbildung"
3. Herbstkolloquium des Graduiertenkollegs "Statistische Modellbildung" Zu diesem Kolloquium wird eingeladen am Freitag / Samstag, 24./25. November 2006, UNIVERSITÄTSKOLLEG BOMMERHOLZ - Lehr- und Weiterbildungsstätte
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
MehrKapitel 17. Unabhängigkeit und Homogenität Unabhängigkeit
Kapitel 17 Unabhängigkeit und Homogenität 17.1 Unabhängigkeit Im Rahmen der Wahrscheinlichkeitsrechnung ist das Konzept der Unabhängigkeit von zentraler Bedeutung. Die Ereignisse A und B sind genau dann
Mehr4 Binäre Regressionsmodelle, Folien 2
4 Binäre Regressionsmodelle, Folien 2 Ludwig Bothmann (basierend auf Unterlagen von Nora Fenske) Statistik III für Nebenfachstudierende WS 2014/2015 4.5 Hypothesentests Lineare Hypothesen Betrachtet werden
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrMittelwertvergleiche, Teil II: Varianzanalyse
FB 1 W. Ludwig-Mayerhofer Statistik II 1 Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil II: FB 1 W. Ludwig-Mayerhofer Statistik II 2 : Wichtigste Eigenschaften Anwendbar auch bei mehr als
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrBayes-Verfahren und frequentischer Ansatz in der medizinischen Biometrie
Bayes-Verfahren und frequentischer Ansatz in der medizinischen Biometrie Johannes Hüsing, Institut für Medizinische Informatik, Biometrie und Epidemiologie, Universität Essen Homburg (Saar), den 19. März
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 0.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
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
MehrExakter Binomialtest als Beispiel
Prinzipien des statistischen Testens Entscheidungsfindung Exakter Binomialtest als Beispiel Statistische Tests Nullhypothese Alternativhypothese Fehlentscheidungen Ausgangspunkt: Forschungshypothese Beispiele:.
MehrSignifikanzprüfung. Peter Wilhelm Herbstsemester 2014
Signifikanzprüfung Peter Wilhelm Herbstsemester 2014 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha- Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
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
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
MehrMethoden der agilen Softwareentwicklung für eingebettete Systeme
Seminarvortrag Methoden der agilen Softwareentwicklung für eingebettete Systeme Lisa Krause Aachen, 27.01.2010 Inhaltsübersicht Motivation Einführung in die Softwaretechnik - Ziele - Traditionelle Prozessmodelle
MehrVersuchsplanung. Teil 2 Varianzanalyse (ANOVA) Dr. Tobias Kiesling
Versuchsplanung Teil 2 Varianzanalyse (ANOVA) Dr. Tobias Kiesling Gliederung Grundlagen der Varianzanalyse Streuungszerlegung und Modellschätzer Modellannahmen und Transformationen
Mehr1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests
1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests Statistische Tests dienen dem Testen von Vermutungen, so genannten Hypothesen, über Eigenschaften der Gesamtheit aller Daten ( Grundgesamtheit
MehrSignifikanzprüfung. Peter Wilhelm Herbstsemester 2016
Signifikanzprüfung Peter Wilhelm Herbstsemester 2016 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha-Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
MehrTestentscheidungen. Worum geht es in diesem Modul? Kritische Werte p-wert
Testentscheidungen Worum geht es in diesem Modul? Kritische Werte p-wert Worum geht es in diesem Modul? Testentscheidungen: Annahme- und Ablehnbereich Bei der Durchführung eines statistischen Tests kommen
MehrFührungsprobleme 06.12.2011 2009 UNIVERSITÄT ROSTOCK
Mitarbeiterprobleme sind Führungsprobleme Menschenführung als Schlüsselkompetenz 06.12.2011 2009 UNIVERSITÄT ROSTOCK Situationen häufige Auseinandersetzungen permanente persönliche Reibereien Kompetenzstreitigkeiten
MehrStatistische Analysen am Beispiel unterschiedlicher Fragestellungen der NAKO
Statistische Analysen am Beispiel unterschiedlicher Fragestellungen der NAKO Institut für Medizinische Biometrie und Statistik Universitätsklinikum Freiburg 1. Beiratssitzung der NAKO Freiburg, No. 2 Kurzfristige
MehrStatistik III. Methodologie der Psychologie
Statistik III Methodologie der Psychologie Thomas Schmidt & Lena Frank Wintersemester 2003/2004 Georg-Elias-Müller-Institut für Psychologie Uni Göttingen Literatur: Glantz, S.A. (2002). Primer of Biostatistics.
MehrAufgaben und Arbeitsweise eines Data Safety Monitoring Boards (DSMB) oder Independent Data Monitoring Committees (IDMC)
Kolloquium Koordinierungszentrum für klinische Studien (KKS), Universität Düsseldorf Düsseldorf, 29. Oktober 2014 Aufgaben und Arbeitsweise eines Data Safety Monitoring Boards (DSMB) oder Independent Data
MehrStochastik Serie 11. ETH Zürich HS 2018
ETH Zürich HS 208 RW, D-MATL, D-MAVT Prof. Marloes Maathuis Koordinator Dr. Marvin Müller Stochastik Serie. Diese Aufgabe behandelt verschiedene Themenbereiche aus dem gesamten bisherigen Vorlesungsmaterial.
MehrAdaptive Studiendesigns in Aktion. Möglichkeiten und Limitationen
Adaptive Studiendesigns in Aktion Möglichkeiten und Limitationen Meinhard Kieser Institut für Medizinische Biometrie und Informatik Universität Heidelberg 1 Inhalt Einleitung Fallzahlplanung bei Unsicherheit
MehrRCT vs. Real World - Klinische Studien und onkologischer Alltag
RCT vs. Real World - Klinische Studien und onkologischer Alltag Wolf-Dieter Ludwig Arzneimittelkommission der deutschen Ärzteschaft (AkdÄ); Poliklinik am HELIOS Klinikum Berlin-Buch Viele Fragen können
MehrW-Rechnung und Statistik für Ingenieure Übung 13
W-Rechnung und Statistik für Ingenieure Übung 13 Nächste Woche: Probeklausur Bringen Sie sich ein leeres Exemplar der Probeklausur mit, um sich eine Musterlösung zu erstellen. Aufgabe 1 : Testproblem Testproblem:
MehrInhaltsverzeichnis. Bibliografische Informationen digitalisiert durch
Grundlagen 1 1.1 Einleitung 1 1.2 Grundbegriffe 2 1.2.1 Systemgrenzen 3 1.2.2 Qualitätsmerkmal 4 1.2.3 Parameter und Faktoren 5 1.2.4 Stufen 6 1.2.5 Vergleich zu traditionellen Verfahren 6 1.3 Auswertung
MehrEinführung in die Informatik
Einführung in die Informatik Klaus Knopper 26.10.2004 Repräsentation von Zahlen Zahlen können auf unterschiedliche Arten dargestellt werden Aufgabe: Zahlen aus der realen Welt müssen im Computer abgebildet
MehrUnterschiedshypothesen bei nominalskalierten Messwerten
Arbeitsblatt 1 STATA Kapitel 7 Seite 1 Unterschiedshypothesen bei nominalskalierten Messwerten Im Folgenden gehen wir davon aus, dass Sie die Datei elporiginal.dta geöffnet, eine log-datei mit dem Namen
MehrStep-Down Prozeduren
Step-Down Prozeduren zur Kontrolle der Family-Wise Error Rate WS 2010/2011 Jakob Gierl HU Berlin 07.02.2011 1 / 19 Modell Schrittweise Step-Down Modell mathematische Stichprobe X 1,..., X n iid im R J
Mehr11 Statistisches Testen
11 Statistisches Testen 693 11 Statistisches Testen 11.1 Was versteht man unter einem Test? 696 11.1.1 Einführende Beispiele 696 11.1.2 Grundstruktur und Durchführung 712 11.2 Wichtige Aspekte beim Testen
MehrWissenschaftliches Arbeiten Quantitative Methoden
Wissenschaftliches Arbeiten Quantitative Methoden Prof. Dr. Stefan Nickel WS 2008 / 2009 Gliederung I. Motivation II. III. IV. Lesen mathematischer Symbole Wissenschaftliche Argumentation Matrizenrechnung
MehrPräsidiumskommission: Ranking von Fachzeitschriften
Präsidiumskommission: Ranking von Fachzeitschriften Auf der Basis einer Umfrage innerhalb der Fachgesellschaft (Fachausschüsse, Arbeitsgruppen, Projektgruppen, Arbeitskreise und Fachvertreter) und nach
MehrLancet: Geringeres Hypoglykämierisiko unter dem ultra-langwirksamen Insulin degludec
Zwei Phase-3-Studien in The Lancet erschienen Geringeres Hypoglykämierisiko unter dem ultra-langwirksamen Insulin degludec Mainz (14. Mai 2012) Das ultra-langwirksame Insulin degludec, ein in der Entwicklung
MehrEinführung in die Induktive Statistik: Varianzanalyse
Einführung in die Induktive Statistik: Varianzanalyse Jörg Drechsler LMU München Wintersemester 2011/2012 Varianzanalyse bisher: Vergleich der Erwartungswerte für zwei normalverteilte Variablen durch t-test
MehrStatistische Methoden der Datenanalyse
Statistische Methoden der Datenanalyse Vorlesung im Sommersemester 2002 H. Kolanoski Humboldt-Universität zu Berlin Inhaltsverzeichnis Literaturverzeichnis iii 1 Grundlagen der Statistik 3 1.1 Wahrscheinlichkeit..................................
MehrWahrscheinlichkeitstheorie 2
Wahrscheinlichkeitstheorie 2 Caroline Sporleder Computational Linguistics Universität des Saarlandes Sommersemester 2011 19.05.2011 Caroline Sporleder Wahrscheinlichkeitstheorie 2 (1) Wiederholung (1):
MehrKapitel 3 Schließende Statistik
Bemerkung 3.34: Die hier betrachteten Konfidenzintervalle für unbekannte Erwartungswerte sind umso schmaler, je größer der Stichprobenumfang n ist, je kleiner die (geschätzte) Standardabweichung σ (bzw.
MehrSPSS III Mittelwerte vergleichen
SPSS III Mittelwerte vergleichen A Zwei Gruppen ------------ Zwei-Stichproben t-test Beispieldatei: Seegräser Fragestellung: Unterscheidet sich die Anzahl der Seegräser in Gebieten mit und ohne Seeigelvorkommen
MehrBiometrische und Ökonometrische Methoden II Lösungen 1
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN SS 01 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Biometrische und Ökonometrische Methoden II Lösungen 1 1. a) MTB > name c1 '100 mm'
MehrKapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
MehrMit der Zukunft verbunden. B. Braun Space GlucoseControl
Mit der Zukunft verbunden B. Braun Space GlucoseControl Herausforderungen von heute Die Notwendigkeit einer intensiven Insulintherapie auf der Intensivstation Intensivpflichtige Patienten entwickeln häufig
MehrMakroökonomie I/Grundlagen der Makroökonomie
Makroökonomie I/Grundzüge der Makroökonomie Page 1 1 Makroökonomie I/Grundlagen der Makroökonomie Kapitel 10 Wachstum Stilisierte Fakten Günter W. Beck 1 Makroökonomie I/Grundzüge der Makroökonomie Page
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
Mehr1. Statistische Grundlagen: Überblick
1. Statistische Grundlagen: Überblick Stichwörter: Messprozess, Bias, Präzision, Grundgesamtheit, Stichprobe, Stichprobenrahmen, systematische Stichprobe, einfache Stichprobe, geschichtete Stichprobe,
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrStatistik: Planung, Auswertung, Lesen von Meta-Studien
Grundlage: Effektgrößen Statistik: Planung, Auswertung, Lesen von Meta-Studien Forschungsseminar für Fortgeschrittene für Planung, Auswertung und Meta-Studien relevant Bekannte: r = Pearson Korrelation
MehrWie liest man Konfidenzintervalle? Teil II. Premiu m
Wie liest man Konfidenzintervalle? Teil II Premiu m - Hintergrund Anderer Wahrscheinlichkeitsbegriff subjektiver Wahrscheinlichkeitsbegriff Beispiel: Was ist die Wahrscheinlichkeit dafür, dass ein Patient
MehrStochastik Praktikum Testtheorie
Stochastik Praktikum Testtheorie Thorsten Dickhaus Humboldt-Universität zu Berlin 11.10.2010 Definition X: Zufallsgröße mit Werten in Ω, (Ω, F, (P ϑ ) ϑ Θ ) statistisches Modell Problem: Teste H 0 : ϑ
MehrTeil VIII Hypothesentests für zwei Stichproben
Woche 9: Hypothesentests für zwei Stichproben Teil VIII Hypothesentests für zwei Stichproben WBL 15/17, 22.06.2015 Alain Hauser Berner Fachhochschule, Technik und Informatik Berner
MehrFertilität und psychische Gesundheit im Alter
Fertilität und psychische Gesundheit im Alter Kai Eberhard Kruk MEA, Universität Mannheim MEA Jahreskonferenz, 30.11.2010 Mannheim Research Institute for the Economics of Aging www.mea.uni-mannheim.de
Mehr