de
en

 

INFO

Formate:

Poster bis maximal DIN A0 (Bitte Hochformat verwenden).

Vorträge in pdf-Format erwünscht. Die Konferenzlaptops sind mit Windows xp und Powerpoint Version 2003/2007 ausgerüstet.

 

Sprache:

Angestrebt ist eine einheitliche Vortragssprache pro Session (Englisch oder Deutsch). Für den Fall, dass internationale Gäste an einer Session teilnehmen, ist ein Vortrag auf Englisch angebracht.

 

Tutorien

Am Montag, den 12. März 2012 werden folgende Tutorien angeboten (13:30 Uhr bis 17:30 Uhr):

  • Bayessche Methoden (Björn Bornkamp, Basel, und Arno Fritsch, Wuppertal) (Leider keine Plätze mehr frei)
  • Ort: Haus Beuth, Raum A328, 3. OG

Inhalt (Kurzfassung):

Bayes-Theorem, a priori und a posteriori Verteilung, konjugierte Verteilungen, hierarchische Modelle, Gibbs Sampler, Metropolis-Hastings-Algorithmus, Konvergenzdiagnose, Anwendungsbeispiele primär aus dem Bereich Biometrie

Ablauf:
 13:30 - 13:45 Einführung
 13:45 - 14:45 Grundlagen der Bayes Statistik
 14:45 - 15:15 Einführung in MCMC
 15:15 - 15:30 Pause
 15:30 - 16:30 Einführung in WinBUGS
 16:30 - 17:30 WinBUGS Übung

Für die Teilnahme an der Übung sollte ein Laptop mitgebracht werden, auf dem entweder WinBUGS oder OpenBUGS installiert ist. Die Programme sind kostenlos verfügbar unter http://www.mrc-bsu.cam.ac.uk/bugs/winbugs/contents.shtml beziehungsweise http://www.openbugs.info/w/.

  • Gemischte Modelle (Peter Schlattmann, Jena) (Leider keine Plätze mehr frei)
  • Ort: Haus Beuth, Raum A326, 3. OG

Summary:

This tutorial will introduce random effects for linear, generalized linear and nonlinear models. Starting with a linear model for longitudinal data the linear random effects model will be introduced. Principles of maximum likelihood and restricted maximum likelihood estimation for linear mixed models are developed.
As a further application the use of random effects models for the meta-analysis of clinical and epidemiological studies will be shown. The  estimation of model parameters using the statistical packages  R and SAS will be part of the tutorial as well.
A second part of the tutorial will show how to extend random effects models to generalized linear and nonlinear models. Principles of maximum likelihood estimation will be developed. In terms of application random effects models will be applied to binary data from a clinical trial. Furthermore, as an application of nonlinear mixed effects models the analysis of pharmacokinetic data from a phase I clinical trial will be used as an example.
Often, a normal distribution is assumed for the random effects. The tutorial will also apply a nonparametric alternative for the distribution of the random effects which leads to a finite mixture model.

References
Brown, H. und  Prescott, R. Applied Mixed Models in Medicine, Statistics in Practice, Wiley 2006
Pinheiro, JC und Bates DM, Mixed-Effects Models in S and S-PLU, Statistics and Computing Series, Springer-Verlag, New York, NY, 2000
Schlattmann.P .Medical applications of finite mixture models. Springer Verlag, Berlin Heidelberg, 2009