Login
- Originaltitel:
- Maximizing risk prediction by synthesizing multiple data sets accommodating systematic missing data and heterogeneous scales
- Übersetzter Titel:
- Maximierung von Risikovorhersagen durch Synthese mehrerer Datensätze, unter Berücksichtigung systematisch fehlender Werte und heterogener Skalierungen
- Autor:
- Neumair, Matthias Josef Philipp
- Jahr:
- 2022
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Life Sciences
- Betreuer:
- Ankerst, Donna (Prof., Ph.D.)
- Gutachter:
- Ankerst, Donna (Prof., Ph.D.); Gelfond, Jonathan (Assoc. Prof., Ph.D.)
- Sprache:
- en
- Fachgebiet:
- BIO Biowissenschaften; MAT Mathematik
- TU-Systematik:
- BIO 107
- Kurzfassung:
- Statistical analyses highly depend on the data quality and sample size. For lots of hypotheses, it is not sufficient to use only one data source. But data from different sources are often on a different scale and miss-aligned with the main data. Methods for treating this defiance additionally to high missingness and rare events were investigated in this thesis and shown in three studies from different study areas: prostate cancer, forestry, and fatal mountain accidents.
- Übersetzte Kurzfassung:
- Statistische Analysen hängen von der Datenqualität und Stichprobengröße ab. Für viele Hypothesen reicht es nicht, nur eine Datenquelle zu nutzen. Daten unterschiedlicher Quellen haben oft verschiedene Skalierungen. Der Umgang mit diesen Unstimmigkeiten, zusätzlich zu vielen fehlenden Werten und seltenen Ereignissen, wurde in dieser Arbeit untersucht und an drei Studien aus verschiedenen Untersuchungsgebieten veranschaulicht: Prostatakrebs, Forstwirtschaft und tödliche Bergunfälle.
- WWW:
- https://mediatum.ub.tum.de/?id=1684497
- Eingereicht am:
- 15.09.2022
- Mündliche Prüfung:
- 19.12.2022
- Dateigröße:
- 6134239 bytes
- Seiten:
- 140
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221219-1684497-1-7
- Letzte Änderung:
- 13.01.2023
BibTeX