Αντιμετώπιση σφαλμάτων ταξινόμησης (misclassification) στην ανάλυση κατηγορικών δεδομένων
| dc.contributor.advisor | Κατέρη, Μαρία | |
| dc.contributor.author | Οικονόμου, Γεώργιος | |
| dc.date.accessioned | 2013-02-14T08:06:20Z | |
| dc.date.available | 2013-02-14T08:06:20Z | |
| dc.date.issued | 2013-02-14T08:06:20Z | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/5193 | |
| dc.description.abstract | Η λάθος ταξινόμηση, η εσφαλμένη μέτρηση μίας ή περισσότερων κατηγορικών μεταβλητών, είναι ένα σημαντικό πρόβλημα που συναντάται στη διεξαγωγή ερευνών που αφορούν πολλούς επιστημονικούς τομείς, όπως η Ιατρική και η Επιδημιολογία. Τα παρατηρούμενα δεδομένα που συλλέγονται σε μελέτες υπόκεινται συχνά σε λάθη ταξινόμησης. Ακόμα και σε σχετικά απλά σενάρια, εκτός εάν οι πιθανότητες λάθους ταξινόμησης είναι πολύ μικρές, ένα σημαντικό ποσοστό μεροληψίας μπορεί να προκύψει κατά την εκτίμηση του βαθμού συσχέτισης που αφορά συνήθη μέτρα όπως η διαφορά κινδύνων, ο σχετικός λόγος κινδύνου και ο λόγος σχετικών πιθανοτήτων. Η λάθος ταξινόμηση μπορεί επίσης να οδηγήσει στη μείωση της αποτελεσματικότητας κατά την ανάλυση των πινάκων συνάφειας. Ο κύριος στόχος αυτής της εργασίας είναι να παρουσιαστούν οι επιδράσεις της λάθους ταξινόμησης στη μονοδιάστατη, διδιάστατη και πολυδιάστατη ανάλυση κατηγορικών δεδομένων, καθώς και να καταδειχτούν τα αποτελέσματά της για την εκτίμηση παραμέτρων και για έλεγχους υποθέσεων. Θα παρουσιαστούν μέθοδοι διόρθωσης για τις συνέπειες της λάθους ταξινόμησης, όπως είναι οι απλές πινακικές μέθοδοι και οι μέθοδοι μέσω μοντελοποίησης χρησιμοποιώντας δεδομένα επικύρωσης, καθώς και μέθοδοι διόρθωσης που χρησιμοποιούν επαναλαμβανόμενες μετρήσεις. Αυτές οι μέθοδοι θα συγκριθούν προκειμένου να διαπιστωθεί ποια αποδίδει καλύτερα, ανάλογα με το διαθέσιμο σύνολο δεδομένων και τη δειγματοληψία διαδικασία. Τέλος, οι μέθοδοι διόρθωσης θα εφαρμοστούν σε ένα σύνολο δεδομένων που περιέχει λάθος ταξινομημένα δεδομένα από μία έρευνα ασφαλείας αυτοκινητοδρόμων, ώστε να αξιολογηθεί η αποτελεσματικότητα της χρήσης ζώνης ασφαλείας στη μείωση των τραυματισμών σε ατυχήματα αυτοκινήτων σε σχέση με παράγοντες όπως η σοβαρότητα ζημιών των αυτοκινήτων και το φύλο. | |
| dc.language.iso | el | |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/deed.el | |
| dc.subject | Error analysis (Mathematics) -- Econometric models | |
| dc.subject | Μεταβλητές (Μαθηματικά) | |
| dc.subject | Ταξινόμηση -- Μαθηματικά υποδείγματα | |
| dc.subject | Contingency tables | |
| dc.title | Αντιμετώπιση σφαλμάτων ταξινόμησης (misclassification) στην ανάλυση κατηγορικών δεδομένων | |
| dc.type | Master Thesis | |
| europeana.isShownAt | https://dione.lib.unipi.gr/xmlui/handle/unipi/5193 | |
| dc.identifier.call | 519.5'3 ΟΙΚ | |
| dc.description.abstractEN | Misclassification, the erroneous measurement of one or several categorical variables, is a major problem met in conducting surveys concerning many scientific fields such as Medicine and Epidemiology. The observed data which are collected in studies are often subject to misclassification errors. Even in rather simple scenarios, unless the misclassification probabilities are very small, a significant amount of bias can arise in estimating the degree of association concerning common measures like risk difference, risk ratio and odds ratio. Misclassification can also lead to the reduction of efficiency in the analysis of contingency tables. The main aim of this MSc Dissertation is to present the effects of misclassification in univariate, bivariate and multivariate analysis of categorical data, as well as to demonstrate its effects to parameter estimation and hypothesis testing. Methods of adjusting for the effects of misclassification will be presented, including simple matrix and model-based methods using validation data, as well as adjustment methods using repeated data. These methods will be compared in order to find out which one performs better, depending on the available data set and sampling process. Finally, adjustment methods will be performed on a data set containing misclassified data from highway safety research in order to evaluate the effectiveness of seat belt use in reducing injuries in automobile accidents depending on factors such as car damage severity and sex. |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές