Kayıp veri analizinde sıklıkla kullanılan etkin yöntemlerin değerlendirilmesi
Evaluation of the commonly used missing value analysis methods
- Tez No: 195017
- Danışmanlar: PROF. DR. MUSTAFA ŞENOCAK
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2007
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Tıbbi Biyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 47
Özet
Kayıp Veri Analizi arastırmacıların çok sık karsılastıkları kayıp deger sorununa çözüm getirmeyi amaçlayan yaklasımları içerir. Bu yaklasımlar Silme (Liste/Durum Düzeyli, Çiftler Düzeyinde) ve Atama (Regresyon, Hot/Cold Deck, Beklenti Maksimizasyonu, Son Gözlemi leri Tasıma, Çoklu Atama) olmak üzere farklı yöntemlerden olusur. Bizim bu çalısmadaki amacımız kayıp veri analizi yöntemlerini inceleyerek , üretilen sanal veri setinde olusturulan kayıplar üzerinde bu yöntemleri uygulamak ve elde edilen sonuçları gerçek sonuçlar çerçevesinde irdeleyerek en verimli yaklasımlara iliskin bilgi edinmektir. Uygulamamızda bu yöntemlerin anlamlı bir farklılık göstermedigi görülmüs, ancak farklı veri setleri, farklı oranda kayıplar, önce ve sonra degerleri arasındaki anlamlılıgın sınıra yakın olması gibi çesitli durumlarda yine aynı kayıp veri analizi yaklasımlarının farklılık gösterebilecegi anlasılmıstır. Sonuç olarak kayıp veri analizi yöntemleri gerek silme gerekse atama yaklasımları olsun veri setine uygun bir sekilde kullanıldıgında anlamlı sonuçlar vermekte ve özellikle tıp gibi veri toplamanın zahmetli oldugu alanlarda arastırmacılar için çok büyük bir sorun olan kayıp deger sorununa bilimsel çözümler sunmaktadır.
Özet (Çeviri)
In this study, we aimed to examine the missing value analysis methods. Missing Value Analysis involves specific methods that provide scientific solutions for missing data problem. These methods consists of deletion (Listwise/Casewise, Pairwise) and imputation (Regression, Hot/Cold Deck, Mean, Expectation-Maximization, Last Observation Carried Forward, Multiple). In the current study, we applied these missing value analysis methods by using a virtually produced data set, and compared the results with the actual data set, which has no missing values. As a result, we found out that these methods do not differ statistically; except the fact that when the difference of before and after values are statistically rejected. Under this condition, we found out that the results of each missing value analysis method may differ from each other. In conclusion, the deletion and imputation methods are very useful techniques for statistical purposes. Especially in medical sciences and longitudinal studies collecting complete data may be difficult and expensive, thus researchers in this fields can get benefit from misssing value analysis when applied correctly.
Benzer Tezler
- Assessment of urbanization history of Addis Ababa city, Ethiopia
Addıs Ababa cıty, Ethıopıa'nın kentleşme tarihinin değerlendirilmesi
ABDURAHMAN HUSSEN YIMER
Yüksek Lisans
İngilizce
2023
Şehircilik ve Bölge PlanlamaMersin ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ALİ CENAP YOLOĞLU
- ATM şebekelerde trafik ve yığılma kontrol problemi ve çözüm yaklaşımları
Traffic control and congestion control in ATM networks and proposed solution approaches
NİL IŞIL
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. GÜNSEL DURUSOY
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Exploring opinions of corporate instructional designers on their professional development and training needs
Kurumsal öğretim tasarımcılarının mesleki gelişim ve eğitim ihtiyaçları konusundaki görüşlerinin araştırılması
NAZLI GÖKALP
Yüksek Lisans
İngilizce
2025
Eğitim ve ÖğretimOrta Doğu Teknik ÜniversitesiEğitim Programları ve Öğretimi Ana Bilim Dalı
DR. ELİF ÖZTÜRK