Missing data in time series and imputation methods : μεταπτυχιακή εργασία
Οι ελλιπής τιμές αποτελούν το πρώτο εμπόδιο στον σχεδιασμό υποδειγμάτων πρόβλεψης, καθώς οι περισσότερες στατιστικές μέθοδοι προϋποθέτουν ένα πλήρες σύνολο δεδομένων χωρίς ελλιπή στοιχεία. ως εκ’ τούτου, είναι σημαντικό να κατέχουμε τις μεθόδους που χρησιμοποιούνται για την διαχείριση των ελλειπών τ...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Συγγραφή απο Οργανισμό/Αρχή: | |
| Άλλοι συγγραφείς: | |
| Μορφή: | Thesis Βιβλίο |
| Γλώσσα: | English |
| Δημοσίευση: |
2017.
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/17202 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
MARC
| LEADER | 00000cam a2200000 a 4500 | ||
|---|---|---|---|
| 001 | 1/114078 | ||
| 008 | 170524s2017####gr | ||| |||| ||eng|| | ||
| 040 | |a GR-MyUa |b gre |c GR-MyUa |e AACR2 | ||
| 041 | 0 | |a eng | |
| 082 | 7 | |a 519.55 |2 (23) | |
| 100 | 1 | |a Ράντου, Κλειώ - Ελισσάβετ. | |
| 245 | 1 | 0 | |a Missing data in time series and imputation methods : |b μεταπτυχιακή εργασία / |c Kleio Elissavet Rantou ; Supervisor Alexandros Karagrigoriou. |
| 260 | |c 2017. | ||
| 300 | |a 65 σ. : |b εικ. ; |c 30 εκ. | ||
| 500 | |a Μέλη της εξεταστικής επιτροπής: Καραγρηγορίου Αλέξανδρος, Χατζησπύρος Σπύρος, Τσιμήκας Ιωάννης. | ||
| 502 | |a Διατριβή (μεταπτυχιακή) - Πανεπιστήμιο Αιγαίου, Σάμος, 2017. | ||
| 504 | |a Βιβλιογραφία: σ. 63-65. | ||
| 506 | 0 | |a Διάθεση πλήρους κειμένου - Ελεύθερη πρόσβαση. | |
| 520 | 8 | |a Οι ελλιπής τιμές αποτελούν το πρώτο εμπόδιο στον σχεδιασμό υποδειγμάτων πρόβλεψης, καθώς οι περισσότερες στατιστικές μέθοδοι προϋποθέτουν ένα πλήρες σύνολο δεδομένων χωρίς ελλιπή στοιχεία. ως εκ’ τούτου, είναι σημαντικό να κατέχουμε τις μεθόδους που χρησιμοποιούνται για την διαχείριση των ελλειπών τιμών, καθώς η επιλογή της μεθόδου που θα ακολουθήσουμε, θα επηρεάσει την προβλεπτική ικανότητα του υποδείγματός. στην ειδική περίπτωση των χρονολογικών δεδομένων οι τεχνικές που έχουν αναπτυχθεί βασίζονται στην συσχέτιση μεταξύ των μεταβλητών, ενώ θα πρέπει να λάβουμε υπόψη μας και την χρονολογική εξάρτηση των δεδομένων. δεδομένα χρονολογικών σειρών υπάρχουν σχεδόν σε όλους τους επιστημονικούς τομείς, αλλά συνήθως όταν τα δεδομένα μετριούνται και καταγράφονται προκύπτουν προβλήματα ελλειπών τιμών. επομένως τα δεδομένα που λείπουν θα πρέπει να συμπληρωθούν με λογικές τιμές. η διαδικασία αυτή στην στατιστική λέγεται υποκατάσταση. σκοπός της εργασίας είναι η σύγκριση και η ποσοτικοποίηση των επιδόσεων των αλγορίθμων υποκατάστατης, ελλιπών τιμών στην περίπτωση των μονομεταβλήτων χρονοσειρών. | |
| 650 | 0 | |a Dissertations, Academic |z Greece. | |
| 650 | 0 | |a Time-series analysis. | |
| 650 | 0 | |a Missing observations (Statistics) | |
| 700 | 1 | |a Καραγρηγορίου, Αλέξανδρος, |e dgs [Επιβλέπων καθηγητής] | |
| 710 | 2 | |a Πανεπιστήμιο Αιγαίου. |b Σχολή Θετικών Επιστημών. |b Τμήμα Στατιστικής και Αναλογιστικών-Χρηματοοικονομικών Μαθηματικών. |b Μεταπτυχιακό Πρόγραμμα Στατιστική και Αναλογιστικά - Χρηματοοικονομικά Μαθηματικά. | |
| 852 | |a INST |b SAMOS |c DIATR |e 20170524 |h 519.55 ΡΑΝ |p 005300044613 |q 005300044613 |t MTXE |y 23 | ||
| 856 | |u http://hdl.handle.net/11610/17202 | ||
| 924 | |a Ράντου |b Κλειώ - Ελισσάβετ |y Σάμος |z 2017-03 | ||
| 970 | |a Κοσιέρης |b Χρήστος |z 24-05-2017 | ||