Szkoła Główna Handlowa w Warszawie - Centralny System UwierzytelnianiaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Analiza historii zdarzeń z wykorzystaniem narzędzi SAS

Informacje ogólne

Kod przedmiotu: 223470-S Kod Erasmus / ISCED: 11.2 / (0542) Statystyka
Nazwa przedmiotu: Analiza historii zdarzeń z wykorzystaniem narzędzi SAS
Jednostka: Szkoła Główna Handlowa w Warszawie
Grupy: Przedmioty kierunkowe do wyboru NMMS-ADA
Punkty ECTS i inne: 3.00 (zmienne w czasie)
zobacz reguły punktacji
Język prowadzenia: polski
Skrócony opis:

Zajęcia mają na celu przekazanie studentom kompleksowej wiedzy w zakresie analizy historii zdarzeń. Studenci zapoznają się z: filozofią i historią estymacji tego rodzaju modeli; z procedurami estymacji oraz weryfikacji modeli nieparametrycznych, oraz parametrycznych i semiparametrycznych; modelami Survival Data Mining i modelami ryzyk konkurencyjnych oraz modelowania predykcyjnego; zagadnieniami praktycznego zastosowania omawianych metod w w szeroko definiowanym biznesie.

Pełny opis:

Celem zajęć jest przekazanie studentom wiedzy z zakresu analizy historii zdarzeń (w tym: modelowania nieparametrycznego, parametrycznego i semiparametrycznego) oraz z Survival Data Mining. W toku prowadzonych zajęć prezentowane są filozofia oraz teoretyczne podstawy estymacji oraz weryfikacji wybranych modeli, jak również wskazywane są obszary zastosowań aplikacyjnych ze szczególnym nastawieniem na praktyczne umiejętności posługiwania się poszczególnymi modelami analizy historii zdarzeń. W ramach zajęć laboratoryjnych studenci mają możliwość doświadczenia pełnego procesu budowy modeli analizy historii zdarzeń uwzględniającego poszczególne etapy ich konstrukcji: począwszy od przygotowania bazy danych, zdefiniowania oraz selekcji zmiennych, estymacji, weryfikacji, oceny i poprawy jakości modelu oraz użyteczność modelu do predykcji. Oddzielną grupę modelowania stanowią modele Survival Data Mining Models oraz przykłady estymacji . Zajęcia wchodzą w skład Certyfikatu: Data Scientist z Systemem SAS na studiach stacjonarnych magisterskich na kierunku: Analiza Danych - Big Data.

Literatura:

Literatura podstawowa:

1. E. Frątczak, U. Gach-Ciepiela, H. Babiker, Analiza historii zdarzeń. Teoria, przykłady zastosowań z wykorzystaniem programów: SAS, TDA, STATA. SGH, Warszawa, 2009 i kolejne wydania;

1a. E. Frątczak , Modelowanie dla biznesu. Modele przeżycia - praca w druku, rok wydania 2020/2021;

1b. E. Frątczak, Modele ryzyk konkurencyjnych, w: Pomiar i zarządzanie jakością życia, red. E. Frątczak, T. Panek, T. Słaby , Wyd. UE we Wrocławiu , Wrocław 2017;

1c. E. Frątczak, P. Rozenbajgier, A. Wołowiec Proces migracji klientów na przykładzie programu lojalnościowego. Modelowania z zastosowaniem analizy przeżycia. W pracy: red. K.Przanowski , S.Zając ?Modelowanie dla Biznesu. Metody Machine Learning, Modele Portfela CF, Modele Rekurencyjne Analizy Przeżycia, Modele Scoringowe? , SGH Warszawa 2020, s. 69-110.

2a. P. Allison, Survival Analysis Using SAS: A Practical Guide, Second Edition, 2010;

2b. J. Ribeiro, Business Survival Analysis. SAS Institute, Cary, USA 2017;

3. G. Broström, Event History Analysis with R, Series: Chapman & Hall/CRC The R Series, CRC Press, 2012;

4. D. Collett, Modelling Survival Data in Medical Research, Second Edition, Taylor & Francise-Library Publisher, 2009;

5. M. Mils, Introducing Survival and Event History Analysis, Sage 2010;

6. H-P. Blossfeld, G. Rowher, Techniques of event history modelling. New approaches to casual analysis, Lawrence Erlbaum Associates, Mahwah, 2002;

7. H-P. Blossfeld, K. Golosh, G. Rowher, Event history analysis with Stata, Lawrence Erlbaum Associates, Publishers, London, 2007;

8. D.W. Hosmer, S. Lemeshow, Applied Survival Analysis: Regression Modelling of time to - Event Data. Second Edition, New York, 2008;

9. J.D. Kalbfleisch, R.L. Prentice, The Statistical Analysis of Failure Time Data, Second Edition, Wiley Series in Probability and Statistics, Second Edition, New Jersey, 2002;

10. Xian Liu, Survival Analysis. Models and Applications. Wiley, 2013;

11. K. Bogaerts, A. Komarek, E. Lesaffre, Survival Analysis with Interval-Censored Data. A Practical Approach with Examples in R, SAS and BUGS. Chapman & Hall/CRS Interdisciplinary Statistics Series. 2018.

http://support.sas.com/documentation/cdl/en/statug/63033/PDF/default/statug.pdf

12. Publikacje z EHA Statistical Associates Publishers

http://www.statisticalassociates.com/

http://www.statisticalassociates.com/edboard.htm

http://www.statisticalassociates.com/booklist.htm

Life Tables & Kaplan-Meier Analysis

Parametric Survival Analysis ( Event History Analysis)

Cox Regression ( Semiparametric Survival Analysis)

Literatura uzupełniająca:

E.Frątczak, Statistics for Management and Economics, SGH, WArszawa 2015 .E. Frątczak, Statystyka od podstaw z Systemem SAS, SGH, 2013; E. Frątczak, red., Zaawansowane metody analiz statystycznych, SGH, Warszawa 2012; E. Frątczak, J. Jóźwiak, B. Paszek, Zastosowania analizy historii zdarzeń w demografii, SGH, Warszawa, 1996; D.R. Cox, Regression Models and Life Tables, "Journal of the Royal Statistical Society", 1972, B. 34, s. 187-220; D.R. Cox, Partial Likelihood, "Biometrika", No. 62, s. 269-276; SAS Institute Inc., SAS/STAT SAS Online Doc, SAS Institute Inc.; Papers from: Lifetime Data Analysis - An International Journal Devoted to Statistical Methods and Applications for Time-to-Event Data - Springer

1. Publikacje z EHA Statistical Associates Publishers

http://www.statisticalassociates.com/

http://www.statisticalassociates.com/edboard.htm

http://www.statisticalassociates.com/booklist.htm

Life Tables & Kaplan-Meier Analysis

Parametric Survival Analysis ( Event History Analysis)

Cox Regression ( Semiparametric Survival Analysis)

)

Efekty uczenia się:

Wiedza:

Student powinien znać historię, filozofię i specyfikę modeli: nieparametrycznych, parametrycznych i sami-parametrycznych oraz szczególne przypadki modeli, jak: modele analizy historii zdarzeń o czasie dyskretnym, modele ryzyk konkurencyjnych oraz bayesowskie podejście do analizy historii zdarzeń, SURVIVAL DATA MINING (SDM).

Student powinien znać teorię z zakresu: podstawowych typów modeli: modele pojedynczego epizodu, modele wielu epizodów, modele ryzyk konkurencyjnych, modele oparte na procesie stanowym, modele nieparametryczne , parametryczne i semiparametryczne, modele i teorie Survival Data Mining.

Student powinien znać metody estymacji modeli analizy historii zdarzeń w tym: metodę największej wiarygodności; metodę częściowej największej wiarygodności i ich modyfikacje oraz podstawowe ich algorytmy ; metody estymacji bayesowskiej modeli analizy przeżycia, oraz metody estymacji modeli Survival Data Mining.

Umiejętności:

Student powinien umieć zdefiniować i przygotować zmienną celu do estymacji modeli analizy historii zdarzeń oraz SDM , w tym umieć: zdefiniować badane zdarzenie ( zdarzenia); zdefiniować i określić zmienną czasową ( time to event); zdefiniować i określić rodzaj obcięcia i cenzorowania oraz zbudować poprawnie zbiór danych do estymacji modeli przeżycia zawierający zmienne stałe i zależne od czasu.

Student powinien umieć: przeprowadzić estymację, weryfikację oraz ocenę jakości modeli; zinterpretować poprawnie wyniki estymacji modeli analizy przeżycia różnych typów oraz modeli SURVIVAL DATA MINING w odniesieniu do zmiennych stałych i zależnych od czasu.

Student powinien umieć: poprawnie na bazie wyników estymacji ocenić wartość predykcyjną estymowanych modelu(i); zbudować model predykcyjny i przeprowadzić pełna diagnostykę modelu oraz podjąć dalsze działania związane z doskonaleniem cyklu analitycznego wykorzystującego filozofię i teorie modelowania analizy historii zdarzeń .

Kompetencje społeczne:

Nabycie umiejętności w posługiwaniu się pakietem SAS do estymacji różnego typu modeli analizy historii zdarzeń na użytek modelowania dla biznesu (wykorzystując programowanie 4GL oraz moduły: Enterprise Guide, Enterprise Miner , Base SAS).

Nabycie umiejętności " twardych i miękkich" : w zakresie modelowania analizy historii zdarzeń; umiejętności pracy w zespole (poprzez udział w zespole przygotowującym projekty); umiejętności propagowania zastosowania modeli przeżycia w środowisku analityki biznesowej.

Metody i kryteria oceniania:

egzamin testowy: 50.00%

projekty: 50.00%

Zajęcia w cyklu "Semestr zimowy 2019/20" (zakończony)

Okres: 2019-10-01 - 2020-02-21
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 14 godzin więcej informacji
Praca samodzielna pod kontrolą wykładowcy, 7 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Ewa Frątczak, Aneta Ptak-Chmielewska
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Egzamin

Zajęcia w cyklu "Semestr letni 2019/20" (zakończony)

Okres: 2020-02-22 - 2020-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 14 godzin więcej informacji
Praca samodzielna pod kontrolą wykładowcy, 7 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Aneta Ptak-Chmielewska, Piotr Rozenbajgier
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Egzamin

Zajęcia w cyklu "Semestr zimowy 2020/21" (zakończony)

Okres: 2020-10-01 - 2021-02-19
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 14 godzin więcej informacji
Praca samodzielna pod kontrolą wykładowcy, 7 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Ewa Frątczak, Aneta Ptak-Chmielewska
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Egzamin

Zajęcia w cyklu "Semestr letni 2020/21" (zakończony)

Okres: 2021-02-20 - 2021-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 14 godzin więcej informacji
Praca samodzielna pod kontrolą wykładowcy, 7 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Ewa Frątczak, Aneta Ptak-Chmielewska
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Egzamin

Zajęcia w cyklu "Semestr zimowy 2021/22" (w trakcie)

Okres: 2021-10-01 - 2022-02-18
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 14 godzin więcej informacji
Praca samodzielna pod kontrolą wykładowcy, 7 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Aneta Ptak-Chmielewska
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Egzamin

Zajęcia w cyklu "Semestr letni 2021/22" (jeszcze nie rozpoczęty)

Okres: 2022-02-19 - 2022-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 14 godzin więcej informacji
Praca samodzielna pod kontrolą wykładowcy, 7 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Aneta Ptak-Chmielewska
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Szkoła Główna Handlowa w Warszawie.