Τροποποιήθηκε Δευτέρα, 5 Αυγούστου 2024
Τίτλος μαθήματος
Προηγμένα Στατιστικά Μοντέλα
Κωδικός μαθήματος
ΥΠ009
Υπεύθυνος μαθήματος
Ζιντζαράς Ηλίας
Διδάσκοντες
Ζιντζαράς Ηλίας, Μπατσίδης Απόστολος, Μπρότσης Θεόδωρος
Τρόπος διεξαγωγής
Παράδοση μαθημάτων μέσω διαλέξεων και εργαστηριακών ασκήσεων
Το μάθημα διεξάγεται δια ζώσης
Ταυτότητα μαθήματος
Υποχρεωτικό μάθημα – B΄ εξαμήνου
Λέξεις κλειδιά για αναζήτηση στο διαδίκτυο
Biostatistics, Medical Statistics, Biometry
Σκοποί και Στόχοι του μαθήματος
Στόχοι του μαθήματος είναι η απόκτηση γνώσης προηγμένης στατιστικής μεθοδολογίας ώστε οι φοιτητές να έχουν την ικανότητα:
- να σχεδιάζουν πολύπλοκα πειράματα και κλινικές μελέτες
- να αναλύουν πολύπλοκους πειραματικούς σχεδιασμούς και κλινικές μελέτες
- να παρουσιάζουν τα δεδομένα
- να αξιοποιούν τα δεδομένα στην εξαγωγή συμπερασμάτων
Μέθοδος διδασκαλίας
Η διδασκαλία του μαθήματος γίνεται υπό τη μορφή ακαδημαϊκών διαλέξεων. Τα μαθήματα εμπεριέχουν πέραν της θεωρίας και εργαστηριακή εξάσκηση σε Η/Υ με χρήση του στατιστικού πακέτου SPSS και του R.
Τρόπος και κριτήρια αξιολόγησης
Εργασίες (40%) και γραπτές εξετάσεις (60%)
Βιβλιογραφία
- David G. Kleinbaum, Mitchel Klein, Survival Analysis: A Self-Learning Text, Springer; 3rd ed, 2012
- Douglas C. Montgomery, Elizabeth A. Peck, G. Geoffrey Vining, Introduction to Linear Regression Analysis, Wiley, 5th Ed, 2012
- David G. Kleinbaum, Mitchel Klein, Survival Analysis: A Self-Learning Text, Springer, 3rd ed, 2012
- Anne Whitehead, Meta-Analysis Of Controlled Clinical Trials, Wiley, 2013
- Byron Jones, Michael G. Kenward, Design and Analysis of Cross-Over Trials, Second Edition, Chapman and Hall/CRC 2003
- Martin J. Crowder, David J. Hand, Analysis of Repeated Measures, Chapman & Hall/CRC Monographs on Statistics & Applied Probability, 1990
- John Jobson, Applied Multivariate Data Analysis: Regression and Experimental Design, Springer Texts in Statistics, 1999
Ημερολογιακός προγραμματισμός και περίγραμμα διδακτικής ύλης
| 1. |
08/02/25
09:00-11:00 |
Μπατσίδης Απόστολος |
Linear Regression
Parameter estimation
Hypothesis testing of parameters
Prediction
Model adequacy
Indicator variables
Variable selection and model building
Multicollinearity
Polynomial models
|
| 2. |
08/02/25
11:00-13:00 |
Μπατσίδης Απόστολος |
Logistic Regression and Poisson Regression
Parameter estimnation - Odds ratios
Inferences using maximum likelihood techniques
Modelling strategies
Assesing interaction and confounding
Analysis of matched data
|
| 3. |
08/02/25
14:00-16:00 |
Μπατσίδης Απόστολος |
Survival Analysis
Kaplan-Meier survival curves and the Log-Rank test
Cox proportional hazards model and its characteristics
Evaluating the proportional hazards assumption
|
| 4. |
08/02/25
16:00-17:00 |
Μπατσίδης Απόστολος |
Practical Analysis of Specific Designs
Repeated measures
|
| 5. |
09/02/25
10:00-11:00 |
Ζιντζαράς Ηλίας |
Multivariate analysis
Comparison of means for two samples
|
| 6. |
09/02/25
11:00-12:00 |
Μπρότσης Θεόδωρος |
SPSS Practice |
| 7. |
09/02/25
12:00-13:00 |
Ζιντζαράς Ηλίας
|
Discriminant analysis
Cluster analysis |
| 8. |
09/02/25
13:00-14:00 |
Μπρότσης Θεόδωρος |
SPSS Practice |
| 9. |
09/02/25
15:00-17:00 |
Ζιντζαράς Ηλίας |
Meta-analysis of controlled clinical trials
Combining estimates of a treatment difference across trials:
fixed and random effects parametric approaches
Dealing with heterogeneity
Testing bias
|
| 10. |
09/02/25
17:00-18:00 |
Μπρότσης Θεόδωρος |
Excel Practice |
Προηγούμενο μάθημα Επόμενο μάθημα