Optimales Design für statistische Modelle mit zensierten Daten

In vielen technischen und biologischen Bereichen spielt die statistische Analyse zensierter Daten eine zunehmende Rolle. Diese Zensierungen können deterministisch (feste Studiendauer, Nachweisgrenzen) oder zufallsgesteuert (zufällige Studiendauer, zufälliges Ausscheiden aus der Studie) sein. Die beobachteten, teilweise zensierten Größen können zusätzlich von weiteren Einflussfaktoren (Behandlungen und Kovariablen) abhängen, was beispielsweise über ein "proportional hazards"-Modell beschrieben werden kann.
Während die statistische Analyse derartiger Daten schon relativ weit entwickelt ist, gibt es relativ wenig Resultate zur effizienten Planung derartiger Studien oder Experimente. Ziel des vorliegenden Projekts ist es, für eine Reihe von relevanten Modellsituationen optimale oder zumindest effiziente Designs zu charakterisieren und analytisch zu bestimmen, um Anleitungen für eine möglichst effektive Ausnutzung der vorhandenen Ressourcen beim Vorliegen zensierter Daten bereit zu stellen.

Optimal Design for Statistical Models with Censored Data

In many areas of engineering and biosciences the statistical analysis of censored data plays an important role. In these situations the censoring may be deterministic (fixed duration of the study, detection limits) or random (random duration of the study, random drop outs). The observed, partly censored variables may additionally be influenced by further factors (treatments and covariates), which can, for example, be described by a proportional hazards model.
While the statistical analysis of such data is quite well developed, there are relatively few results on the efficient design of such studies or experiments. The aim of the present project is to charcterize and to determine analytically optimal or. at least, efficient designs for a couple of relevant model situations in order to provide instructions for an efficient as possible utilization of the available resources in the case of censored data.