P. Mitter

Methoden zur Analyse von Zeitverläufen (eBook, PDF)

Anwendungen stochastischer Prozesse bei der Untersuchung von Ereignisdaten

• Format: PDF

Produktbeschreibung

Aus dem Inhalt: Datenanalyse mit stochastischen Modellen / Soziale Karrieren / Grundlegende Konzepte stochastischer Modelle / Nichtparametrische Verfahren / Semiparametrische Verfahren (Cox-Regression) / Parametrische Verfahren / Beispiele und Analysen mit dem Programm RATE

---

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Produktdetails

• Verlag: Vieweg+Teubner Verlag
• Seitenzahl: 208
• Erscheinungstermin: 13. August 2013
• Deutsch
• ISBN-13: 9783322949226
• Artikelnr.: 53333809

Autorenporträt

Dr. Andreas Diekmann ist Professor für Soziologie an der Universität Bern, Schweiz.

Inhaltsangabe

1. Einleitung: Datenanalyse mit stochastischen Modellen.- 1.1. Daten und Modell.- 1.2. Beispiele und Fragestellungen.- 1.3. Datenarten und Datenstruktur.- 1.4. Einige Vorteile der Datenanalyse mit stochastischen Modellen.- 2. Grundlegende Konzepte stochastischer Modelle.- 2.1. Arten stochastischer Prozesse.- 2.2. Das Zwei-Zustands-Modell mit absorbierendem Zielzustand.- 2.3. Mehr-Zustands-Modelle.- 2.4. Maximum-Likelihood-Schätzung der Übergangsrate.- 3. Nicht-parametrische Verfahren.- 3.1. Explorative Datenanalyse.- 3.2. Nicht-parametrische Schätzverfahren bei gruppierten Zeitbereichs-Daten: Life-Table-Schätzer.- 3.3. Nicht-parametrische Schätzverfahren bei Individualdaten mit exakter Ankunftszeit: Product-Limit-Schätzer.- 3.4. Nicht-parametrische Verfahren für den Vergleich von Subgruppen.- 4. Semi-parametrische Verfahren.- 4.1. Das Proportional-Hazards-Modell von COX.- 4.2. Die Partial-Likelihood-Methode von COX.- 4.3. Das geschichtete Cox-Modell und die Überprüfung der Proportionalitätsannahme.- 4.4. Signifikanztests und Stepwise-Regression.- 4.5. Anwendungsbeispiel Arbeitslosigkeit mit dem Programm BMDP.- 5. Parametrische Verfahren.- 5.1. Das log-lineare Basismodell.- 5.2. Parametrische Modelle der Zeitabhängigkeit.- 5.3. Kovariateneffekte und Zeitabhängigkeit.- 5.4. Mehr-Zustands-Modelle.- 6. Ausblick.- 1. Notation und Definition der wichtigsten Terme.- 2. Ableitung der Überlebensfunktion und einiger weiterer Beziehungen beim Zwei-Zustands-Modell mit absorbierendem Zielzustand.- 3. Ableitung der Maximum-Likelihood-Schätzer bei qualitativen Kovariaten.- 4. Die Ableitung der Differentialgleichungen für die Zustandswahrscheinlichkeiten bei Multi-State-Modellen.