Benutzer: Gast  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
Institution:
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