Dozent: Jan Beyersmann

Übungsleiter: Stefan Repky

Allgemeine Informationen

Sprache	Englisch, außer alle Teilnehmer besitzen ausreichende Deutschkenntnisse
Vorlesungen	2 h
Übungen	1 h

---

Vorlesungen Dienstag 14 Uhr c.t. - 15:45 Uhr  (He 22 E04)
Übungen Mittwoch 13 Uhr c.t. - 14 Uhr             (He 18 E20)

---

Klausur (offen)

Montag 23.07 9 Uhr- 11 Uhr (s.t.!)   He 18 120
TBA

---

Allgemeine Informationen:

 Für Studenten der 'Wirtschaftsmathematik': Der Kurs ist Teil des SOF-Blocks.

Vorkenntnisse:	Elementare Wahrscheinlichkeitsrechnung und Statistik, Stochastik I und Maßtheorie. Die Anforderungen dieses Kurses entsprechen dem letzten Jahr im Bachelorstudiengang "mathematische Biometrie", Studenten der Mathematik, der Wirtschaftsmathematik oder ähnlichen Studiengängen sind jedoch auch herzlich willkommen. Grundkenntnisse in der programmiersprache R sind hilfreich.
Prüfung:	Um für die Prüfung zugelassen zu werden, müssen Studenten zu mindestens 80% der Aufgaben sinnvolle Lösungsansätze vorbringen.

---

Inhalt:

Ereigniszeitdaten sind allgegenwärtig in Bereichen wie Medizin, Biologie, Demographie, Soziologie und Wirtschaft. In biomedizinischer Forschung ist die Analyse von Überlebenszeiten (deshalb auch Überlebenszeitanalyse) oder kombinierten Endpunkten wie progressionsfreies Überleben die wichtigste fortgeschrittene statistische Methode. Ein wichtiger Unterschied zu anderen Situationen besteht darin, dass Daten für gewöhnlich nicht vollständig beobachtet werden - man muss darauf warten, dass ein Ereignis eintritt. Falls das Ereignis bis zum ende des Beobachtungszeitraums nicht eintritt, wird es als rechts-zensiert bezeichnet. Dies ist ein Grund warum die Analyse von Ereigniszeitdaten auf Hazards basiert. Die statistische Methodik für Hazards unterscheidet sich von den standardmäßigeren Methoden der angewandten Statistik. Diese Vorlesung  wird die moderne Vorgehensweise  über Prozesse hervorheben, ohne zu tief in technische Details abzutauchen. Die Komplexität des Kurses ist vergleichbar mit jener vieler angewandter Einführungstexte zur Überlebenszeitanalyse. Nach Abschluss dieses Kurses sollten die Teilnehmer dazu in der Lage sein Überlebenszeitanalysen zu verstehen und anzuwenden, welche z.B. in klinischen Studien mit Überleben als Ergebnis benötigt werden.

---

Übungsblätter

auf Moodle.

---

 

 Literature: 

Klein, M. Moeschberger: Survival Analysis, Springer 2003

O.O. Aalen, O. Borgan, H. Gjessing: Survival and Event History Analysis - A Process Point of View, Springer 2008

J. Beyersmann, A. Allignol, M. Schumacher: Competing Risks and Multistate Models with R, Springer 2012

Link to Semesterapparat