Ανάλυση Επιβίωσης (ΣEE13)

Από Wiki Τμήματος Μαθηματικών
Αναθεώρηση ως προς 17:36, 26 Αυγούστου 2022 από τον Mathwikiadmin (συζήτηση | συνεισφορές) (Νέα σελίδα με 'Περιγράμματα Μεταπτυχιακών Μαθημάτων - [https://math.uoi.gr Τμήμα Μαθηματικών] === Γενικά === {| class="wikitable" |- ! Σχολή | Σχολή Θετικών Επιστημών |- ! Τμήμα | Τμήμα Μαθηματικών |- ! Επίπεδο Σπουδών | Μεταπτυχιακό |- ! Κωδικός Μαθήματος | ΣEE13 |- ! Εξάμηνο | 1 |- ! Τίτλος Μαθήματος | Α...')
(διαφορά) ← Παλαιότερη αναθεώρηση | Τελευταία αναθεώρηση (διαφορά) | Νεότερη αναθεώρηση → (διαφορά)

Περιγράμματα Μεταπτυχιακών Μαθημάτων - Τμήμα Μαθηματικών

Γενικά

Σχολή Σχολή Θετικών Επιστημών
Τμήμα Τμήμα Μαθηματικών
Επίπεδο Σπουδών Μεταπτυχιακό
Κωδικός Μαθήματος ΣEE13
Εξάμηνο 1
Τίτλος Μαθήματος ΑΝΑΛΥΣΗ ΕΠΙΒΙΩΣΗΣ
Αυτοτελείς Διδακτικές Δραστηριότητες Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5)
Τύπος Μαθήματος Μάθημα Ειδίκευσης
Προαπαιτούμενα Μαθήματα
Γλώσσα Διδασκαλίας και Εξετάσεων Ελληνική
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL) Δείτε το eCourse, το Σύστημα Διαχείρισης Μάθησης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα Με την επιτυχή παρακολούθηση του μαθήματος ο φοιτητές θα είναι σε θέση να εφαρμόζει διάφορες μεθοδολογίες, τεχνικές μοντελοποίησης και ανάλυσης δεδομένων επιβίωσης.
Γενικές Ικανότητες
  • Αυτόνομη εργασία
  • Ομαδική εργασία σε κάποιες περιπτώσεις
  • Λήψη αποφάσεων
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
  • Σύνθεση δεδομένων και πληροφοριών.

Περιεχόμενο Μαθήματος

Στο μάθημα αυτό θα δοθεί μια εισαγωγή σε μεθόδους και τεχνικές της ανάλυσης δεδομένων επιβίωσης, δεδομένων που συναντώνται πολύ συχνά σε μελέτες ιατρικές αλλά και σε δεδομένα από τη βιομηχανία. Παρότι θα δοθούν και θεωρητικά αποτελέσματα, το ενδιαφέρον θα επικεντρωθεί κυρίως στην εφαρμογή αυτών στην ανάλυση δεδομένων . Ειδικότερα θα παρουσιαστούν τα ακόλουθα θέματα: Censoring. Hazard και survival συνάρτηση. Εκτίμηση της συνάρτησης επιβίωσης: Nelson-Aalen μέθοδοι, Kaplan-Meier’s μέθοδοι. Μέθοδοι για την σύγκριση δύο ή περισσότερων καμπυλών επιβίωσης. Proportional risk, Cox regression, μη παραμετρικές και παραμετρικές μέθοδοι ανάλυσης δεδομένων επιβίωσης.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Παράδοσης Πρόσωπο με πρόσωπο στο εργαστήριο του Τμήματος
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών Χρήση Τ.Π.Ε. στην επικοινωνία με τους φοιτητές καθώς και στην παράδοση εργασιών
Οργάνωση Διδασκαλίας
Δραστηριότητα Φόρτος Εργασίας Εξαμήνου
Διαλέξεις -Εργαστήριο 39
Αυτοτελής Μελέτη 78
Επίλυση ασκήσεων-εργασίες 70.5
Σύνολο Μαθήματος 187.5
Αξιολόγηση Φοιτητών Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) η οποία περιλαμβάνει την ανάλυση τόσο πραγματικών όσο και εκπαιδευτικών συνόλων δεδομένων. Κατά τη διάρκεια του εξαμήνου δίνονται υποχρεωτικές, συνήθως ατομικές, εργασίες, οι οποίες συνυπολογίζονται στον τελικό βαθμό.

Συνιστώμενη Βιβλιογραφία

  • Lawless, J.L. (2002), Statistical Models and Methods for Lifetime Data 2nd Edition, Wiley.
  • Cox D.R. and D. Oakes (1994), Analysis of Survival Data, Chapman and Hall,
  • Klein and Moschberger (2003). Survival Analysis: Techniques for Censored and Truncated Data, 2nd edition. Springer.
  • Kleinbaum, D. G. and Klein M., (2005), Survival Analysis: A Self-Learning Text, 2nd Edition. New York: Springer
  • Therneau T, and Grambsch, P. (2000). Modeling Survival Data: Extending the Cox Model. New York: Springer.
  • Hosmer, Jr, DW. and Lemeshow, S. (2008). Applied Survival Analysis: Regression Modeling of Time to Event Data, 2nd Edition. Wiley,
  • Kalbfleish, JD. and Prentice, RL. (2002). The Statistical Analysis of Failure Time Data. Wiley,
  • Collet, D. (2003). Modeling Survival Data in Medical Research. London: Chapman and Hall.
  • [Περιοδικό / Journal] Lifetime data analysis