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 | |