Εφαρμογή τεχνικών πολυμεταβλητής ανάλυσης σε ιατρικά και κοινωνικο-οικονομικά προβλήματα

Σκύφα, Βασιλική - Αμαρυλλίς

dc.contributor.advisor	Κούτρας, Μάρκος
dc.contributor.author	Σκύφα, Βασιλική - Αμαρυλλίς
dc.date.accessioned	2021-11-08T11:56:56Z
dc.date.available	2021-11-08T11:56:56Z
dc.date.issued	2021-09
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/13818
dc.identifier.uri	http://dx.doi.org/10.26267/unipi_dione/1241
dc.description.abstract	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
dc.format.extent	134	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.title	Εφαρμογή τεχνικών πολυμεταβλητής ανάλυσης σε ιατρικά και κοινωνικο-οικονομικά προβλήματα	el
dc.title.alternative	Application of multivariate analysis techniques in medical, financial and social problems	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης	el
dc.description.abstractEN	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
dc.contributor.master	Εφαρμοσμένη Στατιστική	el
dc.subject.keyword	Τεχνικές	el
dc.subject.keyword	Πολυμεταβλητή ανάλυση	el
dc.subject.keyword	Κύριες συνιστώσες	el
dc.subject.keyword	Ανάλυση κύριων συνιστωσών	el
dc.subject.keyword	Ανάλυση παραγόντων	el
dc.date.defense	2021-09-28

Files in this item

Name:: Skyfa_18021.pdf
Size:: 3.422Mb
Format:: PDF
Description:: Μεταπτυχιακή διατριβή

View/Open

This item appears in the following Collection(s)

Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα