Geri Dön

Kategorik verilerde boyut indirgeme yöntemi:Çoklu uyum analizi ve sağlık bilimlerinde beslenme üzerine bir uygulama

A space reducing method in categircal data: An apllication of multiple correspondence analysis and nutrition in health sciences

  1. Tez No: 329734
  2. Yazar: EMRAH GÖKAY ÖZGÜR
  3. Danışmanlar: PROF. DR. G.NURAL BEKİROĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, İstatistik, Biostatistics, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 123

Özet

Sağlık bilimlerinde yapılan çalışmalarda kategorik değişkenler sıklıkla kullanılmaktadır. Bu tip verilerin analizini içeren çalışmalarda kullanılan yöntemler bazı durumlarda yetersiz kalabilmekte ve değişkenler arasındaki ilişkileri yorumlamak zorlaşmaktadır. Bu sorunu ortadan kaldırmak için kullanılan yöntemlerden biri de çoklu uyum analizidir. Analiz, kategorik değişkenlerin yorumlanmasını kolaylaştıran, kontenjans tablolarında (çapraz tablo) satır ve sütun değişkenleri arasındaki benzerlikleri, farklılıkları, ilişkileri ve bu değişkenlerin birlikte değişimlerini daha az boyutlu bir uzayda grafiksel olarak gösteren bir yöntemdir. Bu çalışmada,Marmara Üniversitesi' nde ki öğrencilerin beslenme alışkanlıkları dört yapraklı yonca modeliyle incelenerek, öğrencilerin beslenme alışkanlıklarını etkileyen faktörler arasındaki ilişkileri ortaya koymak amaçlanmıştır. Dört yapraklı yonca modeli; süt ve süt ürünleri, et-yumurta- kurubaklagil, ekmek-tahıl ve meyve- sebze grubu olarak dörde ayrılmıştır. Öğrencilere anket uygulanarak veriler elde edilmiş ve çoklu uyum analizi yönteminin sonuçları tartışılmıştır. Genel olarak öğrencilerin beslenme alışkanlıklarını etkileyen faktörlere bakıldığında, beslenme bilgi düzeylerinin ve yaşadıkları yerlerin önemli olduğu tespit edilmiştir. Dört yapraklı yonca modeline göre beslenme alışkanlığına bakıldığı zaman, kız öğrencilerin erkek öğrencilere göre ve ailelerinin yanında yaşayan öğrencilerin ise diğer öğrencilere göre daha düzenli ve sağlıklı beslendiği sonucu ortaya çıkmıştır.

Özet (Çeviri)

Categorical variables are frequently used in studies related to health sciences. Methods thatused in the analysis ofstudies having such type of data ,in some cases,may beinsufficientand it is also difficult to interpret the relationship betweensuch variables. One of the methods used to eliminate this problem, is the multiple correspondence analysis. This analysis is a method which facilitates the interpretation of categorical variables, the similarities, the differences andthe associationbetween the row and column variables in contingency tables (cross-table) and it also graphically displays co-variations of variables on a less dimensional space. In this study, we aimed,to determine Marmara University students' eating habits by means ofthe model“four-leaf clover”, and to investigate the relationship between the factors affecting students' eating habits.“Four-leaf clover”model is divided into four groups; such asmilk and milk (dairy) products, meat-egg-and-legume group, bread-cereal group, and fruit-vegetable group. Data of the survey have been obtained by face-to-face interviewing withstudents and the results of multiple correspondence analysis are discussed. When it comes to the factors that affect students' eating habits, in general, the level of nutrition knowledge and the place where students liveare found to be significant facrors. According to the model of four-leaf clover when you look at students'eating habits; female students rather than male students, and the students who live with their parents rather than other students havemore regular and healthy nutrution.

Benzer Tezler

  1. Zamana bağlı işbirlikçi filtreleme

    Collaborative filtering with temporal dynamics

    ÇİĞDEM BAKIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SONGÜL ALBAYRAK

  2. Boyut indirgeme tekniklerinin sınıflandırma perormanslarının karşılaştırılması

    Comparison of the classification performances of the dimensionality reduction techniques

    TENZİLE ERBAYRAM

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    İstatistikNecmettin Erbakan Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. MURAT ERİŞOĞLU

  3. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  4. Contribution a la recherche d'un cadre juridique pour un droit international de laconcurrence plus efficace

    Daha etkin bir uluslararası rekabet için hukuki çerçeve arayışı

    ALİ CENK KESKİN

    Doktora

    Fransızca

    Fransızca

    2009

    HukukGalatasaray Üniversitesi

    Kamu Hukuku Ana Bilim Dalı

    PROF. DR. JEAN MARC SOREL

    PROF. DR. HALİL ERCÜMENT ERDEM

  5. Müşteri ilişkileri yönetimi için manifold öğrenme ile denetimli doğrusal olmayan boyut indirgeme

    Başlık çevirisi yok

    BEYTULLAH YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FATMA PATLAR AKBULUT