▷ Offre de Formation Analyse de survie avancee avec Data Value

Public admis

Salarié en poste

Demandeur d'emploi

Entreprise

Etudiant

Prix

2340 €

Durée

Nous contacter

Localité

En présentiel

Découvrez les localités disponibles pour suivre cette formation en présentiel.

Objectifs

Objectifs
S'approprier les principaux modèles de survie à effets aléatoires pour analyser des données de survie non standards. Savoir manipuler, analyser et interpréter des données de survie avancées.

Compétences visées
- Analyser l'utilisation des modèles de survie à effets aléatoires dans des contextes de données corrélées, et spécifier les hypothèses et paramètres associés.
- Maîtriser les spécificités et les techniques d'estimation du modèle à fragilité, en interprétant les paramètres et en évaluant l'adéquation du modèle.
- Évaluer l'intérêt et l'application des modèles pour risques compétitifs, en utilisant des modèles de régression appropriés et les outils de programmation (packages R).
- Développer et estimer des modèles conjoints pour données de survie, en spécifiant les hypothèses et en interprétant les paramètres du modèle.

Programme

- Modèles de survie à effets aléatoires (frailty models)
Contexte des données corrélées
Terminologie
Exemples
Spécification du modèle à fragilité
Hypothèses
Interprétation des paramètres du modèle
Estimation des paramètres du modèle
Tests d'hypothèses sur les paramètres du modèle
Codage des variables explicatives (binaire, qualitative)
Modification de l'effet et confusion
Comparaison de modèles et sélection de variables
Étude de l'adéquation du modèle (résidus)

- Modèles pour risques compétitifs
Contexte et indicateurs pour risques semi-compétitifs ou compétitifs
Modèles de régression pour risques compétitifs
Packages R

- Modèles conjoints pour données de survie
Contexte
Spe?cification des mode?les conjoints
Hypothe?ses
Interpre?tation des parame?tres du mode?le