Εφαρμογή τεχνικών πολυμεταβλητής ανάλυσης σε ιατρικά και κοινωνικο-οικονομικά προβλήματα

This item is provided by the institution :
University of Peiraeus   

Repository :
Dione   

see the original item page
in the repository's web site and access all digital files if the item*



Application of multivariate analysis techniques in medical, financial and social problems (EL)
Εφαρμογή τεχνικών πολυμεταβλητής ανάλυσης σε ιατρικά και κοινωνικο-οικονομικά προβλήματα (EL)

Σκύφα, Βασιλική - Αμαρυλλίς

Κούτρας, Μάρκος
Εφαρμοσμένη Στατιστική (EL)

Master Thesis (EL)

2021-11-08T11:56:56Z
2021-09-28
2021-09


Multivariate Analysis is a subdivision of Statistics encompassing a large amount of methods which aim to collect, study and analyze data consisting of multiple variables’ measurements in a set of experimental units. The most commonly used techniques of Multivariate Statistical Analysis are: • Principal Component Analysis, • Factor Analysis, • Cluster Analysis, • Discriminant Analysis, • Correspondence Analysis. Every researcher can choose to apply one or more of the above techniques in order to reduce the number of variables used without loosing valuable information, group data into similar subsets, investigate the existence of dependence between variables, create forecast models and carry out hypothesis testing for parameters related to the studied data. The purpose of this thesis is the presentation of the first two methods and the application of them in a case study, concerning medical data, in order to extract useful conclusions. (EL)
Η Πολυμεταβλητή Ανάλυση είναι ο τομέας της Στατιστικής ο οποίος ασχολείται με την ανάπτυξη μεθόδων που στόχο έχουν τη συλλογή, μελέτη και ανάλυση δεδομένων που αποτελούνται από μετρήσεις πολλών μεταβλητών σε ένα σύνολο πειραματικών μονάδων. Οι βασικότερες τεχνικές της Πολυμεταβλητής Στατιστικής Ανάλυσης είναι οι εξής: • Ανάλυση Κύριων Συνιστωσών, • Ανάλυση Παραγόντων, • Ανάλυση κατά Συστάδες, • Διαχωριστική Ανάλυση, • Ανάλυση Αντιστοιχιών. Κάθε ερευνητής μπορεί να επιλέξει να εφαρμόσει μία ή περισσότερες από τις παραπάνω τεχνικές για να μειώσει το πλήθος των μεταβλητών που θα χρησιμοποιήσει χωρίς να χαθεί πολύτιμη πληροφορία, να ομαδοποιήσει τα δεδομένα σε ομοειδή υποσύνολα, να διερευνήσει την ύπαρξη εξάρτησης μεταξύ μεταβλητών, να δημιουργήσει μοντέλα πρόβλεψης καθώς και να διενεργήσει ελέγχους υποθέσεων για παραμέτρους που σχετίζονται με τα υπό μελέτη δεδομένα. Σκοπός της παρούσας Διπλωματικής Εργασίας είναι η παρουσίαση των δύο πρώτων μεθόδων καθώς επίσης και η εφαρμογή αυτών σε μελέτη περίπτωσης (case study) που αφορά ιατρικά δεδομένα με στόχο την εξαγωγή χρήσιμων συμπερασμάτων. (EL)


Τεχνικές (EL)
Ανάλυση κύριων συνιστωσών (EL)
Πολυμεταβλητή ανάλυση (EL)
Κύριες συνιστώσες (EL)
Ανάλυση παραγόντων (EL)

Πανεπιστήμιο Πειραιώς (EL)

Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης (EL)

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
http://creativecommons.org/licenses/by-nc-nd/3.0/gr/




*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)