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
- Tez No: 329734
- Danışmanlar: PROF. DR. G.NURAL BEKİROĞLU
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, İstatistik, Biostatistics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Zamana bağlı işbirlikçi filtreleme
Collaborative filtering with temporal dynamics
ÇİĞDEM BAKIR
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SONGÜL ALBAYRAK
- Boyut indirgeme tekniklerinin sınıflandırma perormanslarının karşılaştırılması
Comparison of the classification performances of the dimensionality reduction techniques
TENZİLE ERBAYRAM
Yüksek Lisans
Türkçe
2020
İstatistikNecmettin Erbakan Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MURAT ERİŞOĞLU
- 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
- 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
2009
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. JEAN MARC SOREL
PROF. DR. HALİL ERCÜMENT ERDEM
- Müşteri ilişkileri yönetimi için manifold öğrenme ile denetimli doğrusal olmayan boyut indirgeme
Başlık çevirisi yok
BEYTULLAH YILMAZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATMA PATLAR AKBULUT