Universität Wien

040975 UK Biometrics 1 (MA) (2023S)

3.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Continuous assessment of course work
Moodle

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).

Details

max. 30 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

  • Monday 06.03. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 20.03. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 27.03. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 17.04. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 24.04. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 08.05. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 15.05. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 22.05. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 05.06. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 12.06. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 19.06. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 26.06. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock

Information

Aims, contents and method of the course

Theorie und Anwendungen (speziell in der Medizin) von Mixed Models

Kapitelübersicht:
1) ML Theorie (Score Test, Wald Test, LR Test)
2) Theorie für Mixed Models anhand von einfachster Random Effects ANOVA
- ML und REML Schätzer
- Prediction
3) Allgemeines Lineares Mixed Model (LMM)
- ML und REML
- BLUP
- Henderson equations
- Tests für Varianzkomponenten
4) Longitudinale Daten
5) GLMM
6) Mixed Models mit R

Assessment and permitted materials

Kreuzerlübungen mit Minitests
Ausarbeitung eines Beispiels mit Daten

Minimum requirements and assessment criteria

Die Note für die Übungen setzt sich aus 3 Komponenten zusammen:

1. Komponente: Prozentzahl der angekreuzten Beispiele (x)

* X < 50% 0 Punkte
* 50 - 55% 0,5 Punkte
* 55 - 60% 1 Punkt
* 60 - 65% 1,5 Punkte
* 65 - 70% 2 Punkte
* 70 - 75% 2,5 Punkte
* 75 - 80% 3 Punkte
* 80 - 90% 3,5 Punkte
* 90 - 100% 4 Punkte

2. Komponente: Beurteilung der schriftlichen Leistung bei den Minitests (Maximal 3 Punkte)

3. Komponente: Ausarbeitung eines Beispiels, wo ich die Daten zur Verfügung stelle. Je nach Anzahl der TeilnehmerInnen 2er oder 3er Gruppen. Die Aufgabe wird so gestellt sein, dass man Mixed Models zur Analyse der Daten benötigt. (Maximal 4 Punkte)

Notenschlüssel:
> 9.5 Punkte: Sehr Gut.
> 8.5 Punkte: Gut
> 7 Punkte: Befriedigend
> 5.5 Punkte: Genügend
0 – 5.5 Punkte: Nicht Genügend

Examination topics

Entsprechend der Folien zur Lehrveranstaltung

Reading list

Leo Held: Methoden der statistischen Inferenz

McCulloch, Searle: Generalized, Linear and Mixed Models

Verbeke, Molenberghs: Linear Mixed Models for Longitudinal Data

Stroup: Generalized Linear Mixed Models

West, Welch, Galecki: Linear Mixed Models

Association in the course directory

Last modified: Tu 14.03.2023 11:28