Master's degree in Statistics and Operations Research

Conceptos básicos y aplicaciones del Análisis de supervivencia bayesiano

Título del curso: Conceptos básicos y aplicaciones del Análisis de supervivencia bayesiano

Impartido por: Carmen Armero y Héctor Perpiñán, Departament d’Estadística i Investigació Operativa, Universitat de València.


  • Carmen Armero i Cervera es Doctora en Matemáticas por la Universitat de València y profesora titular en el Departamento de Estadística e Investigación Operativa de la Universitat de València desde 1990. Su trabajo investigador siempre se ha desarrollado en el marco de la Inferencia Bayesiana, inicialmente en modelos jerárquicos bayesianos e inferencia en colas, y más recientemente en modelos  longitudinales, análisis de supervivencia y cuantificación de riesgos en alimentos.
  • Hèctor Perpiñán Fabuel es licenciado en Matemáticas y en Estadística y Master de Bioestadística por la Universitat de València. Su trabajo investigador se centra en la Inferencia Bayesiana, con especial interés en la modelización de datos longitudinales y de supervivencia a través de los denominados joint models en problemas del mundo de la Salud Pública y las ciencias Biológicas. Ha sido profesor en la Universidad CEU Cardenal Herrera durante tres años y recientemente ha fundado, junto con otros jóvenes investigadores,  BayeStats un empresa cuyo principal interés es extender y promover el conocimiento estadístico a la Sociedad.

 

Idioma del curso: Español (materiales en inglés).

Fechas y horarios del curso: 22 a 25 de julio, días 22 a 24 de 9 a 13 h, día 25 de 9 a 12 h.

Lugar: aula PC2

Tipo de actividad y carga lectiva: Curso de 15 horas.

Descripción:

Objectivos: Survival analysis is a very important subject in Statistics with a great impact in Public Health, Medicine, Biology, Epidemiology, etc. Bayesian Inference allows for a probabilistic treatment of all the uncertainties in a study and its relevance in the survival research has been strengthened in recent times as a direct result of the recent advances in computing. The main objective of this course is to present the basic elements and tools of the Bayesian Survival analysis from a conceptual and applied perspective. The introduction of the different models and topics will be accompanied of detailed examples and analyses trough R and WinBUGS.


Programa

  1. Bayesian Inference. Probability. Bayes' theorem. Prior and posterior distributions. Model comparison. Estimation and Prediction.
  2. Time to Event Data. Notation, Censoring and Likelihood. One-sample Models.
  3. Time to Event Regression. Accelerated Failure Time Models. Proportional Hazards Modelling: Gamma processes, Beta processes, Correlated Gamma processes, and the Dirichlet process.
  4. Frailty Models. Proportional Hazards Models with Frailty. Multiple event time and panel count data models.
  5. Cure Rate Models. Parametric Cure Rate Models. Semiparametric Cure Rate Models.

 

Bibliografía:

1. R. Christensen, W.O. Johnson, A.J. Branscum and T.E. Hanson (2011). Bayesian Ideas and Data Analysis An Introduction for Scientists and Statisticians. Chapman & Hall/CRC.

2. J.G. Ibrahim, M.-H. Chen and D. Sinha (2001). Bayesian Survival Analysis. Springer


Evaluación:
El aprovechamiento del curso se evaluará a partir de la entrega de parte de las prácticas realizadas en R i WinBUGS.