חיפוש חדש  חזור
מידע אישי לתלמיד

שנה"ל תש"ף

  ניתוח הישרדות
  Survival Analysis  
0365-4032
מדעים מדויקים | סטטיסטיקה וחקר ביצועים
קבוצה 01
סמ'  א'1300-1600007 שרייבר מתמטישיעור פרופ גורפיין אורגד מלכה
ש"ס:  3.0

סילבוס מקוצר

מושגים בסיסיים בניתוח נתוני הישרדות. צנזורה וקטימה. אמידה אי פרמטרית ואומדי נראות מירבית. בדיקת השערות להשוואת פונקציות הישרדות. מודלים לרגרסיה:  Cox, וכן AFT (מודל לסיכון מואץ). טיפול במשתנים מסבירים תלויי זמן. אם נספיק: תהליכי מניה ומרטינגלים בהקשר לניתוח נתוני הישרדות, וכן סיכונים מתחרים.

מיועד גם לתלמידי שנה ג' לתואר ראשון.

דרישות קדם: מבוא להסתברות, תיאוריה סטטיסטית.

 

Course description

Basic quantities and models. Censoring and truncation. Non-parametric estimation of basic quantities, and maximum likelihood estimation of parametric models. Hypothesis testing םכ two or more samples. Cox proportional hazards and accelerated failure time regression models and their extensions. If time permits:  counting processes and martingales (in survival analysis), and competing risks.

Prerequisites: Introduction to probability, Theory of Statistics.

סילבוס מפורט

מדעים מדויקים | סטטיסטיקה וחקר ביצועים
0365-4032-01 ניתוח הישרדות
Survival Analysis
שנה"ל תש"ף | סמ'  א' | פרופ גורפיין אורגד מלכה

סילבוס מפורט/דף מידע

Course Description:

In this course we consider methods for the analyis of data when the response of interest is the time until some event occurs. In the classical survival analysis a collection of individuals are observed from some entry time until a particular event (generally referred as failure) happens. Often it is impossible to wait for the event to happen for all individuals, so for some it is only known that the event had not yet happened at some specified time. The problem of analyzing time to event data arises in a number of applied fields such as: biology, public health, epidemiology, engineering, economics and demography. A principle problem examined is that of developing methods for assessing the dependence of failure time on explanatory variables. The course covers the basic concepts and theory of modeling such data.

Course Outline:

  • Basic quantities and models: survival functions, hazard function, mean residual life function, common parametric models, and regression models.

  • Censoring and truncation: right censoring, left censoring, interval censoring, truncation, likelihood for censored and truncated data.

  • Non-parametric estimation of basic quantities, and maximum likelihood estimation of parametric models.

  • Hypothesis testing: one-sample, two or more samples and stratified tests among others.

  • Semi-parametric proportional hazards and accelerated failure time regression models and their extensions: fixed covariates, time-dependent covariates, stratified PH models, model diagnostics.

  • If time permits: relevant topics in counting processes and martigales, and competing risks.

Prerequisites:

Introduction to probability, Theory of Statistics.

להצהרת הנגישות


אוניברסיטת ת