Department of Statistics & Insurance Science https://dione.lib.unipi.gr/xmlui/handle/unipi/2054 2026-07-22T18:43:38Z 2026-07-22T18:43:38Z Τσόγια, Βικτώρια https://dione.lib.unipi.gr/xmlui/handle/unipi/19582 2026-07-17T23:37:00Z 2026-07-01T00:00:00Z

Ανάλυση χρονοσειράς του δείκτη τιμών καταναλωτή και διερεύνηση παραγόντων που συμβάλλουν στην αλλαγή της τιμής του Τσόγια, Βικτώρια Η παρούσα διπλωματική εργασία πραγματεύεται τη μελέτη του Δείκτη Τιμών Καταναλωτή (ΔΤΚ) και τη διερεύνηση των παραγόντων που συμβάλλουν στη διαμόρφωση και τη διαχρονική μεταβολή του. Ο Δείκτης Τιμών Καταναλωτή αποτελεί έναν από τους σημαντικότερους μακροοικονομικούς δείκτες, καθώς χρησιμοποιείται ευρέως για την αποτύπωση του πληθωρισμού και την παρακολούθηση των μεταβολών στο γενικό επίπεδο τιμών αγαθών και υπηρεσιών μιας οικονομίας. Για τις ανάγκες της έρευνας χρησιμοποιήθηκαν στοιχεία τα οποία αντλήθηκαν από την Ελληνική Στατιστική Αρχή (ΕΛΣΤΑΤ) και αφορούν τον Δείκτη Τιμών Καταναλωτή καθώς και τις επιμέρους κατηγορίες αγαθών και υπηρεσιών που περιλαμβάνονται στη σύνθεσή του. Η ανάλυση των δεδομένων πραγματοποιήθηκε με σκοπό την κατανόηση της δομής τους, την ανάδειξη των σημαντικότερων παραγόντων που επηρεάζουν τη διαμόρφωση του δείκτη και τη μελέτη της διαχρονικής συμπεριφοράς των εξεταζόμενων μεταβλητών. Για την επίτευξη των στόχων της έρευνας εφαρμόστηκε ένα σύνολο στατιστικών τεχνικών που επέτρεψαν τη διερεύνηση των σχέσεων μεταξύ των μεταβλητών και την εξαγωγή χρήσιμων συμπερασμάτων σχετικά με τη συμπεριφορά του Δείκτη Τιμών Καταναλωτή. Ειδικότερα, πραγματοποιήθηκε ανάλυση παλινδρόμησης για τη μελέτη της επίδρασης των επιμέρους κατηγοριών αγαθών και υπηρεσιών στη διαμόρφωση του δείκτη, ενώ παράλληλα εφαρμόστηκαν τεχνικές πολυμεταβλητής στατιστικής ανάλυσης, όπως η ανάλυση κυρίων συνιστωσών, η ανάλυση παραγόντων και η ανάλυση κατά συστάδες, με σκοπό τη διερεύνηση της δομής των δεδομένων και την αναγνώριση κοινών χαρακτηριστικών μεταξύ των μεταβλητών. Επιπλέον, πραγματοποιήθηκε ανάλυση χρονοσειρών σε επιλεγμένες κατηγορίες του δείκτη, προκειμένου να μελετηθεί η διαχρονική τους εξέλιξη και να αναπτυχθούν κατάλληλα υποδείγματα για την περιγραφή της δυναμικής. Τα αποτελέσματα της ανάλυσης ανέδειξαν σημαντικές σχέσεις μεταξύ των επιμέρους κατηγοριών του Δείκτη Τιμών Καταναλωτή και κατέδειξαν τη χρησιμότητα των εφαρμοζόμενων στατιστικών μεθόδων στην κατανόηση της δομής και της διαχρονικής συμπεριφοράς των δεδομένων. Συνολικά, η παρούσα εργασία αναδεικνύει τη σημασία της εφαρμογής σύγχρονων στατιστικών τεχνικών στη μελέτη οικονομικών δεικτών και συμβάλλει στην πληρέστερη κατανόηση των παραγόντων που επηρεάζουν τη διαμόρφωση και την εξέλιξη του Δείκτη Τιμών Καταναλωτή.

2026-07-01T00:00:00Z Raisis, Dimitrios Ραΐσης, Δημήτριος https://dione.lib.unipi.gr/xmlui/handle/unipi/19556 2026-07-15T23:32:44Z 2026-06-01T00:00:00Z

Comparative evaluation of penalized techniques and machine learning techniques for the study of linear model Raisis, Dimitrios; Ραΐσης, Δημήτριος Η πρόβλεψη συνεχών μεταβλητών αποτελεί σημαντικό αντικείμενο της σύγχρονης στατιστικής ανάλυσης και της μηχανικής μάθησης. Πέρα από τα κλασικά γραμμικά μοντέλα, έχουν αναπτυχθεί μέθοδοι ποινικοποιημένης παλινδρόμησης, όπως οι Ridge, Lasso και Elastic Net, οι οποίες επιτρέπουν την αντιμετώπιση προβλημάτων όπως η πολυσυγγραμμικότητας και η μείωση διάστασης . Παράλληλα, οι μέθοδοι δέντρων παλινδρόμησης αποτελούν μια ευέλικτη μη παραμετρική προσέγγιση που μπορεί να μοντελοποιήσει μη γραμμικές σχέσεις μεταξύ των μεταβλητών, ενώ σύγχρονες τεχνικές όπως τα Random Forests συνδυάζουν πολλαπλά δέντρα με σκοπό τη βελτίωση της προβλεπτικής ακρίβειας. Στην παρούσα εργασία μελετάται και συγκρίνεται η προβλεπτική ικανότητα των παραπάνω μεθόδων, καθώς και υβριδικών προσεγγίσεων που συνδυάζουν τον αριθμό των μεταβλητών μέσω elastic net με Regression trees. Επιπλέον, εξετάζονται γενικές συναρτήσεις ποινικοποίησης που χρησιμοποιείται στη διαδικασία κλαδέματος (pruning) δέντρων, με στόχο να διερευνηθεί κατά πόσο οι γενικεύσεις αυτές μπορούν να βελτιώσουν την προβλεπτική ικανότητα του μοντέλου. Η αξιολόγηση των μεθόδων πραγματοποιείται μέσω εφαρμογών σε πραγματικά σύνολα δεδομένων και σύγκρισης κατάλληλων μέτρων αξιολόγησης, με σκοπό την ανάδειξη των πλεονεκτημάτων και των περιορισμών κάθε μεθόδου. Στην εισαγωγική ενότητα συζητούνται τα δύο πραγματικά σύνολα δεδομένων από της R. Η πρόβλεψη συνεχών μεταβλητών αποτελεί σημαντικό αντικείμενο της σύγχρονης στατιστικής ανάλυσης και της μηχανικής μάθησης. Πέρα από τα κλασικά γραμμικά μοντέλα, έχουν αναπτυχθεί μέθοδοι ποινικοποιημένης παλινδρόμησης, όπως οι Ridge, Lasso και Elastic Net, οι οποίες επιτρέπουν την αντιμετώπιση προβλημάτων όπως η πολυσυγγραμμικότητας και η μείωση διάστασης . Παράλληλα, οι μέθοδοι δέντρων παλινδρόμησης αποτελούν μια ευέλικτη μη παραμετρική προσέγγιση που μπορεί να μοντελοποιήσει μη γραμμικές σχέσεις μεταξύ των μεταβλητών, ενώ σύγχρονες τεχνικές όπως τα Random Forests συνδυάζουν πολλαπλά δέντρα με σκοπό τη βελτίωση της προβλεπτικής ακρίβειας. Στην παρούσα εργασία μελετάται και συγκρίνεται η προβλεπτική ικανότητα των παραπάνω μεθόδων, καθώς και υβριδικών προσεγγίσεων που συνδυάζουν τον αριθμό των μεταβλητών μέσω elastic net με Regression trees. Επιπλέον, εξετάζονται γενικές συναρτήσεις ποινικοποίησης που χρησιμοποιείται στη διαδικασία κλαδέματος (pruning) δέντρων, με στόχο να διερευνηθεί κατά πόσο οι γενικεύσεις αυτές μπορούν να βελτιώσουν την προβλεπτική ικανότητα του μοντέλου. Η αξιολόγηση των μεθόδων πραγματοποιείται μέσω εφαρμογών σε πραγματικά σύνολα δεδομένων και σύγκρισης κατάλληλων μέτρων αξιολόγησης, με σκοπό την ανάδειξη των πλεονεκτημάτων και των περιορισμών κάθε μεθόδου. Στην εισαγωγική ενότητα συζητούνται τα δύο πραγματικά σύνολα δεδομένων από της R.

2026-06-01T00:00:00Z Τσώλη, Θεοδώρα https://dione.lib.unipi.gr/xmlui/handle/unipi/19546 2026-07-14T23:36:58Z 2026-06-01T00:00:00Z

Μελέτη αυτοάνοσων νοσημάτων με χρήση στατιστικών μεθόδων και τεχνικών μηχανικής μάθησης : εργαστηριακές μετρήσεις, συμπτώματα και διαγνωστικοί δείκτες Τσώλη, Θεοδώρα Τα αυτοάνοσα νοσήματα αποτελούν μία από τις πλέον σύνθετες και ταχέως αυξανόμενες κατηγορίες χρόνιων παθήσεων, με σημαντικό φορτίο νοσηρότητας και θνησιμότητας. Η ετερογένεια εκδηλώσεων και η πολυπαραγοντική αιτιολογία τους καθιστούν την πρόγνωση ιδιαίτερα απαιτητική. Σκοπός της μελέτης ήταν η διερεύνηση της επιβίωσης ασθενών μέσω συνδυαστικής αξιοποίησης δημογραφικών, κλινικών, αιματολογικών και ανοσολογικών παραμέτρων. Εφαρμόστηκαν κλασικές στατιστικές μέθοδοι (Kaplan–Meier, Cox, RMST) και σύγχρονες υπολογιστικές προσεγγίσεις, με ιδιαίτερη έμφαση στον ρόλο των αυτοαντισωμάτων. Η ανάλυση ανέδειξε την ηλικία ως ισχυρότερο ανεξάρτητο παράγοντα κινδύνου, ενώ το φύλο δεν επηρέασε ουσιαστικά την πρόγνωση. Ο Συστηματικός Ερυθηματώδης Λύκος συνδέθηκε με μειωμένη επιβίωση, ενώ η παρουσία αντισωμάτων Anti-RNP και Anti desmoglein-3 αύξησε σημαντικά τον κίνδυνο. Αντίθετα, δείκτες όπως τα επίπεδα MBL και τα δερματικά εξανθήματα φάνηκαν να έχουν προστατευτικό ρόλο. Συμπερασματικά, η εργασία καταδεικνύει ότι η πρόγνωση των αυτοάνοσων νοσημάτων δεν εξαρτάται μόνο από τη διάγνωση αλλά και από συγκεκριμένα κλινικά και ανοσολογικά χαρακτηριστικά. Η συνδυαστική ενσωμάτωσή τους σε πολυπαραμετρικά μοντέλα βελτιώνει σημαντικά την προγνωστική ακρίβεια, ενισχύει την εφαρμογή της ιατρικής ακριβείας και προσφέρει πρακτικές προοπτικές για βελτίωση της ποιότητας ζωής των ασθενών.

2026-06-01T00:00:00Z Verouchis, Georgios Βερούχης, Γεώργιος https://dione.lib.unipi.gr/xmlui/handle/unipi/19505 2026-07-07T23:32:26Z 2026-07-01T00:00:00Z

A review of credible mortality forecasting methods with applications in Greek data Verouchis, Georgios; Βερούχης, Γεώργιος Η ακριβής πρόβλεψη θνησιμότητας αποτελεί ζήτημα κεντρικής σημασίας για την αναλογιστική επιστήμη, τη διαχείριση συνταξιοδοτικών ταμείων, την τιμολόγηση ασφαλίσεων ζωής και την πολιτική δημόσιας υγείας. Τα κλασικά στοχαστικά μοντέλα θνησιμότητας, όπως το μοντέλο Lee-Carter (1992) και το μοντέλο Cairns-Blake-Dowd (2006), βασίζονται αποκλειστικά σε δεδομένα μεμονωμένου πληθυσμού και ενδέχεται να παράγουν αναξιόπιστες προβλέψεις όταν η διαθέσιμη χρονοσειρά είναι σύντομη, μια κατάσταση που συναντάται συχνά σε μικρότερες ή αναπτυσσόμενες χώρες. Η θεωρία αξιοπιστίας, που αναπτύχθηκε αρχικά για την τιμολόγηση ασφαλίσεων ζημιών, προσφέρει ένα θεμελιωμένο αναλογιστικό πλαίσιο για τη συνδυαστική αξιοποίηση της ατομικής εμπειρίας με συλλογικές πληροφορίες. Η παρούσα διπλωματική εργασία παρέχει μια ολοκληρωμένη μελέτη των προσεγγίσεων μοντελοποίησης θνησιμότητας που βασίζονται στη θεωρία αξιοπιστίας. Υλοποιούνται, επαληθεύονται και επεκτείνονται μοντέλα από τις εργασίες των Tsai et al. καθώς και των Bozikas et al., καλύπτοντας τόσο το πλαίσιο μεμονωμένου πληθυσμού όσο και το πλαίσιο πολλαπλών πληθυσμών. Κεντρική συμβολή της εργασίας αποτελεί η ανάπτυξη της βιβλιοθήκης ανοιχτού κώδικα σε R, credmort, η οποία υλοποιεί όλα τα παραπάνω μοντέλα σε ένα ενιαίο και επεκτάσιμο πλαίσιο. Η βιβλιοθήκη σχεδιάστηκε για άμεση χρήση με δεδομένα της Human Mortality Database (HMD) και περιλαμβάνει εκτενή τεκμηρίωση, vignettes και σενάρια αναπαραγωγής αποτελεσμάτων. Επαληθεύουμε τις υλοποιήσεις μας αναπαράγοντας βασικά αποτελέσματα και από τις οκτώ δημοσιεύσεις, χρησιμοποιώντας δεδομένα ΗΠΑ, Ηνωμένου Βασιλείου και Ιαπωνίας. Στη συνέχεια, εφαρμόζουμε το σύνολο των μοντέλων στα ελληνικά δεδομένα θνησιμότητας (1981-2019), έναν πληθυσμό με συγκριτικά σύντομο ιστορικό δεδομένων, αποδεικνύοντας ότι οι προσεγγίσεις βάσει αξιοπιστίας μειώνουν συστηματικά τα σφάλματα πρόβλεψης σε σύγκριση με τα τυπικά μοντέλα Lee-Carter και CBD. Τα αποτελέσματά μας επιβεβαιώνουν ότι οι εκτιμητές αξιοπιστίας βελτιώνουν συστηματικά την ακρίβεια πρόβλεψης κατά 5-30% με βάση το μέτρο σφάλματος MAPE.

2026-07-01T00:00:00Z