|
課程名稱 |
應用生物統計學(甲)
Applied Biostatistics (A) |
|
開課學期 |
109-1 |
|
授課對象 |
學程 生物統計學程 |
|
授課教師 |
張淑惠 |
|
課號 |
EPM7006 |
|
課程識別碼 |
849 M0900 |
|
班次 |
|
|
學分 |
3.0 |
|
全/半年 |
半年 |
|
必/選修 |
選修 |
|
上課時間 |
星期二2,3,4(9:10~12:10) |
|
上課地點 |
公衛201 |
|
備註 |
流預所碩士班共同必修課程。公衛學院、統計碩士學位學程以外其它系所學生欲選修需經授課教師同意。與杜裕康合授
限碩士班以上 或 限公衛學院學生(含輔系、雙修生)
總人數上限：100人 |
|
Ceiba 課程網頁 |
http://ceiba.ntu.edu.tw/1091EPM7006_ |
|
課程簡介影片 |
|
|
核心能力關聯 |
核心能力與課程規劃關聯圖 |
|
課程大綱
|
|
為確保您我的權利,請尊重智慧財產權及不得非法影印
|
|
課程概述 |
本課程分成三個部份, 第一部分講授線性迴歸模式與推論，第二部分為廣義線性模式分析及應用，第三部分則介紹進階統計方法。課程著重理解統計方法以正確應用執行資料分析與解釋結果。 |
|
課程目標 |
1.應用生物統計學(甲)的課程目標重視對統計理論和方法的理解，並讓學生瞭解各種常用統計方法之間的關係。同時強調實際應用統計理論和方法，正確執行資料分析的能力。另外介紹如何使用進階統計方法，來分析現實資料以驗證複雜的研究假說。應用生物統計學(甲)和應用生物統計學(乙) 的差別除了應用生物統計學(甲)介紹進階統計方法之外，並且在課程當中會使用微積分和線性代數解釋統計理論和方法，所以修課學生需要具備這些數學知識和公式推導能力。
2.本課程含2小時演講及1小時討論課。演講為大班教學，以公共衛生及醫學實務的資料型態為導向，闡述基本統計原理，並特別強調應用。討論課含習題作業演練及討論資料分析的結果，並進行闡釋。作業所需的資料分析使用統計軟體R或SAS，R可在https://cran.r-project.org/下載，SAS可在https://www.cc.ntu.edu.tw/chinese/index.asp下載。
|
|
課程要求 |
正課上課時間為每週二23節，討論課上課時間為週二第4節。
需要具備基本數理能力，如微積分、線性代數 |
|
預期每週課後學習時數 |
|
|
Office Hours |
另約時間 |
|
指定閱讀 |
待補 |
|
參考書目 |
1. Regression Methods in Biostatistics. Linear, Logistic, Survival, and
Repeated Measures Models. Authors: Eric Vittinghoff, David V. Glidden, Stephen
C. Shiboski, Charles E. McCulloch. Springer, 2012.
2. Basic Biostatistics, 2nd edition. Author: B Burt Gerstman. Burlington MA:
Jones & Bartlett Learning, 2015.
3. Extending the Linear Model with R: Julian Faraway. Boca Raton : Chapman &
Hall/CRC, 2006.
4. A Second Course in Statistics: Regression Analysis. William Mendenhall &
Terry Sincich. Prentice Hall, 2012
5. Introductory statistics with R. Authors: Peter Dalgaard. Springer- Verlag
New York, 2008
6. A handbook of statistical analyses using R, 2nd edition. Authors: Torsten
Hothorn & Brian Everitt, Boca Raton : Chapman & Hall/CRC, 2010
7. Multilevel analysis, 2nd edition. Author: Joop J Hox, New York: Routledge,
2010. |
|
評量方式
(僅供參考) |
|
No. |
項目 |
百分比 |
說明 |
|
1. |
平時表現 |
10% |
|
2. |
作業及討論 |
20% |
|
3. |
期中考試 |
35% |
|
4. |
期末考試 |
35% |
|
|
|
週次 |
日期 |
單元主題 |
|
第01週 |
09/15 |
簡介/相關分析 (Introduction/Association analysis)
[討論課: R 簡介 (Introduction of R)] |
|
第02週 |
09/22 |
線性迴歸模型 (Linear regression models) (1)
[討論課: 敘述統計與相關分析 (Descriptive statistics and association analysis)] |
|
第03週 |
09/29 |
線性迴歸模型 (Linear regression models) (2)
[討論課: 基礎數理統計(Basic concept in mathematical statistics) (1)] |
|
第04週 |
10/06 |
線性迴歸模型 (Linear regression models) (3)
[討論課: 基礎數理統計(Basic concept in mathematical statistics) (2)] |
|
第05週 |
10/13 |
線性迴歸模型 (Linear regression models) (4)
[討論課: 線性迴歸 (Linear regression)] |
|
第06週 |
10/20 |
廣義線性迴歸模型 (Generalized linear models) (1)
[討論課: 模式診斷 (Model diagnostic)] |
|
第07週 |
10/27 |
廣義線性迴歸模型 (Generalized linear models) (2)
[討論課: 羅吉斯迴歸 (Logistic regression)] |
|
第08週 |
11/03 |
廣義線性迴歸模型 (Generalized linear models) (3)
[討論課: 檢討作業 (Homework review) (1)] |
|
第09週 |
11/10 |
期中考 (Midterm exam) |
|
第10週 |
11/17 |
[討論課: 檢討期中考卷 (Midterm exam review)]
[討論課: 卜瓦松迴歸 (Poisson regression)]
[討論課: 檢討作業 (Homework review) (2)] |
|
第11週 |
11/24 |
長期追蹤資料分析 (Longitudinal data analysis) (1)+(2) |
|
第12週 |
12/01 |
多層次模型 (Multilevel models) (1) (杜裕康老師)
[討論課: 廣義估計方程式 (Generalized estimating equation)(1)] |
|
第13週 |
12/08 |
多層次模型 (Multilevel models) (2) (杜裕康老師)
[討論課: 廣義估計方程式 (Generalized estimating equation) (2)] |
|
第14週 |
12/15 |
多層次模型 (Multilevel models) (3) (杜裕康老師)
[討論課: 多層次模型 (Multilevel models) (1)] |
|
第15週 |
12/22 |
多層次模型 (Multilevel models) (4) (杜裕康老師)
[討論課: 檢討作業 (Homework review) (3)] |
|
第16週 |
12/29 |
存活分析 (Survival analysis)
[討論課: 多層次模型 (Multilevel models) (2)] |
|
第17週 |
2021/01/05 |
期末考 (Final exam) |
|
第18週 |
2021/01/12 |
期末討論 (Final discussion)
[檢討期末考卷 (Final exam review)] |
|