dc.contributor.author | Τροχοπούλου, Βασιλική Μ. | |
dc.date.accessioned | 2009-11-12T14:39:40Z | |
dc.date.available | 2009-11-12T14:39:40Z | |
dc.date.issued | 2009-11-12T14:39:40Z | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/3300 | |
dc.description.abstract | Στη γραμμική παλινδρόμηση, ένα από τα πλέον σημαντικά προβλήματα είναι η επιλογή ενός υποσυνόλου από τις ανεξάρτητες μεταβλητές που είναι διαθέσιμες κάθε φορά, έτσι ώστε αφενός μεν να υπάρχει εξοικονόμηση κόστους κατά την πρόβλεψη της εξαρτημένης μεταβλητής, αφετέρου δε να μην προκύπτει μεγάλη απώλεια στην αποτελεσματικότητα του μοντέλου πρόβλεψης. Το πρόβλημα αυτό έχει πολλές πρακτικές εφαρμογές σε διάφορους τομείς, όπως κοινωνικές επιστήμες, οικονομία, μετεωρολογικά φαινόμενα και πολλές άλλες. Στη βιβλιογραφία έχει προταθεί ένα μεγάλο πλήθος από μεθόδους και κριτήρια βελτιστότητας. Στην παρούσα διπλωματική εργασία παρουσιάζονται οι κυριότερες τεχνικές οι οποίες οδηγούν στην επιλογή του βέλτιστου συνόλου ανεξάρτητων μεταβλητών για την πρόβλεψη μιας εξαρτημένης μεταβλητής μέσω ενός γραμμικού μοντέλου. | |
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 | Regression analysis | |
dc.subject | Linear models (Statistics) | |
dc.title | Μέθοδοι επιλογής βέλτιστου συνόλου ανεξάρτητων μεταβλητών σε μοντέλα γραμμικής παλινδρόμησης | |
dc.type | Master Thesis | |
europeana.isShownAt | https://dione.lib.unipi.gr/xmlui/handle/unipi/3300 | |
europeana.type | IMAGE | |
dc.identifier.call | 519.5'36 ΤΡΟ | |
dc.description.abstractEN | In linear regression, one of the most important problems is the selection of a subset of independent variables that are available, so that on one hand the prediction of the dependent variable is cost effective, and on the other hand the efficiency loss experienced in the prediction model is as small as possible. This problem has many practical applications in various fields, such as social sciences, economics, meteorological phenomena and many others. In the literature a variety of methods and optimality criteria have been suggested for selecting the appropriate set of variables. In this dissertation we present the most popular techniques which lead to the selection of the optimal set of independent variables, in order to predict a dependent variable through a linear model. | |