Sirvi Autor "Lepik, Natalja, juhendaja" järgi

Nüüd näidatakse 1 - 13 13

Empiirilise tõepära meetod valikuuringutes
(2016) Tüli, Kristi; Traat, Imbi, juhendaja; Lepik, Natalja, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Matemaatika ja statistika instituut
Magistritöö eesmärk on anda ülevaade empiirilise tõepäraga lähenemisest suurusega võrdelise tagasipanekuga valiku näitel. Antud lähenemise korral saab moodustada disainipõhised usaldusintervallid üldkogumi keskmisele, kogusummale või kvantiilidele ning nende leidmisel pole vaja teada dispersiooni hinnanguid. Lisaks võrreldakse simuleerimisülesande abil saadud tulemusi varasemalt tuntud valemitega valikuuringutes. Uue meetodi tutvustamisel on aluseks võetud Berger ja De La Riva Torrese (2016) artikkel "Empirical Likelihood con dence interval for complex sampling designs".
Haigekassa kindlustamata patsientide vigastuste andmete imputeerimine
(2018) Kirpu, Viktoria; Lepik, Natalja, juhendaja; Eigo, Natalja, juhendaja; Tartu Ülikool. Matemaatika ja statistika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Töö eesmärk on Haigekassale saadetavate andmete täiendamine kasutades lisainformatsiooni allikana tervise infosüsteemi andmeid. Selleks on mõlema andmebaasi andmed omavahel ühendatud ning vastavalt sellele leitud paljudele Haigekassa andmebaasis ravikindlustuseta patsientide vanused. Vaadeldavat tunnust toovad välja tervise infosüsteemi epikriisid, kuid Haigekassa raviarvetel see info puudub. Nendele epikriisidele, kus patsientidele vanust ei õnnestunud leida, imputeeritakse puuduolevad andmed kolmel meetodil: üldine Hot-Deck omistus, lähima naabri meetod ja Hot-Deck omistus klassis kombineerituna lähima naabri meetodiga. Ühendamise protsessis suudeti leida vanused 5633 ravikindlustuseta patsiendi raviarvele ja vanuseta jäid 3515 raviarvet. Edasise analüüsi tulemuste põhjal otsustati kasutada üldise juhusliku Hot-Deck meetodiga saadud väärtusi, sest imputeerimiste simuleerimise katsel andis vaadeldav meetod kõige täpsemaid ja stabiilsemaid tulemusi.
Hindamine osakogumites abiinformatsiooni olemasolul
(Tartu Ülikool, 2013-06-10) Binsol, Paavo; Lepik, Natalja, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Üldkogumi gruppide ehk osakogumite efektiivne hindamine on oluline ülesanne paljudes tänapäeva statistika uuringutes ja firmades. Traditsiooniline lähenemine sääraste hinnangute leidmiseks on otsesed hinnangud (direct estimates). Võib aga juhtuda, et valimimahud osakogumites on väga väikesed, mille tõttu otseste hinnangute varieeruvus muutub väga suureks. Esineb olukordi, kus valimisse ei sattu mõne osakogumi korral ühtegi vaatlust, siis pole otsest hinnangut isegi võimalik leida. Väikeste osakogumite hinnangute teooria (Small area estimation methods theory) tegeleb selliste probleemide uurimisega. (Saei & Chambers, 2003) Lahenduseks kasutatakse mudelipõhiseid ehk mitteotseseid hinnanguid. Sageli on üldkogumi kohta teada abiinformatsioon (auxiliary information), mida on võimalik kasutada väikeste osakogumite hinnangute täpsuse parandamiseks. Selliste meetodite kasutamist on statistilises kirjanduses tõlgendatud, kui “jõu laenamisena“ uuritava tunnuse ja abitunnuste vahelisest seosest (Saei & Chambers, 2003, lk 2). Siin töös on mudelipõhiste hinnangutena kasutatud GREG-i (Generalized regression estimator) ja segamudelit (Mixed models). Käesoleva töö uuritavaks parameetriks on kindla tunnuse kogusumma osakogumis ning eesmärgiks ongi kirjeldada ja uurida, millised meetodid annavad kõige täpsema hinnangu. Samuti on eeldatud, et valimi võtmisel on kasutatud kahte valikudisaini, lihtsat juhuslikku valikut tagasipanekuta ja tagasipanekuga. Huvipakkuv on see, kas erinevate valikudisainide puhul võivad tulemused märgatavalt erineda? Mudelipõhiste hinnangute tõhususe uurimiseks on võrdlusena leitud Horwitz-Thompsoni ja Hansen-Hurwitzi hinnanguid, mille omavaheline erinevus seisneb ainult valimi võtmise meetodis. Kahe viimase nimetatud hinnangu puhul ei kasutata abi informatsiooni. Töö on üle ehitatud järgmiselt. Esimeses peatükis esitatakse vajalikud esialgsed terminid ja teoreemid, millele hiljem toetuda. Teine kuni neljas peatükk iseloomustavad töös kasutatavaid hinnanguid (Horvitz-Thompson, Hansen-Hurwitz, GREG, segamudelil põhinev hinnang). Samuti on kirjeldatud, kuidas neid hinnanguid saab rakendada osakogumite hindamisel. Viiendas peatükis on võrreldud nelja hinnangut simulatsioonülesandes, kus kasutatud andmestik on moodustatud ühe Kanada hüpoteetilise küla andmete põhjal. Hinnangute headuse võrdlemiseks on defineeritud täpsusnäitajad, mis arvutatakse simulatsioonis kasutatud andmestiku põhjal. Simulatsiooni läbiviimiseks ja tulemuste illustreerimiseks kasutati statistikapaketti R ning Microsoft Excelit. Lisas on esitatud hinnangute ning täpsusnäitajate leidmise ja andmestiku moodustamise R-i kood. Samuti on esitatud tööga kaasasoleval CD-l algne andmestik ning programm.
Hindamine osakogumites summeeruvuse kitsenduse korral
(Tartu Ülikool, 2013-06-10) Puksand, Helis; Lepik, Natalja, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Käesolev bakalaureusetöö käsitleb kitsendustega hinnangut osakogumite korral. Statistika tarbijad vajavad usaldusväärseid näitajaid, seetõttu on praktikas väga oluline, et hinnangud vastaksid teatud kitsendustele, mis kehtivad üldkogumi parameetrite puhul. Osakogumite hinnangute korral on oluliseks piiranguks, et saadud hinnangud summeeruksid suurema osakogumi või üldkogumi summaks või selle hinnanguks. Töö esimeses pooles tutvustatakse kitsendusi ja nendele vastavat hinnangut. Vaadeldava kitsendusega hinnangu korral kerkib üles probleem, et selle keskmise ruutvea või nihke hindamiseks on vaja teada esialgse hinnangu keskmist ruutviga ja nihet, kuid praktikas neid enamasti teada ei ole. Seetõttu otsitaksegi töö teises pooles võimalusi, kuidas võiks keskmise ruutvea maatriksit asendada ilma, et hinnangu täpsus palju kannataks. Viimasena katsetatakse saadud tulemusi reaalsete andmete peal. Töö põhineb mitmel allikal. Esmalt nimetame doktoritöö Lepik (2011), mille sisuks on uurida kitsendustega hinnanguid, mis baseeruvad üldistatud regressioon- ja sünteetilistel hinnangutel, osakogumite korral. Käesoleva töö aluseks on üks nendest hinnangutest (GR2). Doktoritöös ei peatuta pikemalt probleemil, mille kohaselt on selle kitsendustega hinnangu keskmise ruutvea (MSE) ja nihke hindamiseks vaja teada esialgse hinnangu MSE-d ja nihet, kuid mida enamasti teada ei ole. Seepärast keskendutigi antud bakalaureusetöös esialgse MSE asendamisele. Ideed selle keskmise ruutvea asendamiseks pärinevad allikast Sõstra ja Traat (2009), kus on pakutud välja kolm erinevat osakogumi hinnangut, mis baseeruvad erinevatel korrigeerivatel konstantidel. Lisaks on proovitud konstante konkreetsetel andmetel ja võrreldud saadud osakogumite hinnangute täpsust. Käesolevas töös on kasutatud neid konstante, et konstrueerida maatrikseid, mis asendavad esialgsete hinnangute tundmatut MSE maatriksit. Lisaks on põhiallikaks ka doktoritöö Sõstra (2007), kus on kirjeldatud kitsendustega hinnangut osakogumite korral, kuid mis keskendub ainult nihketa alghinnangutele. Autori ülesandeks käesoleva töö kirjutamisel on uue valdkonnaga tutvumine. Olulisim on uurida erinevate aktsepteeritavate hinnangute saamise meetodeid ning ühe konkreetse hinnangu praktikas rakendamisel tekkivaid probleeme. Töö koostaja omapoolseks panuseks on materjali kokkuvõtlik esitus, töös vaadeldavate erijuhtude kehtivuse näitamine ja nende kohta näidete toomine, samuti tulemuste katsetamine reaalsete andmete peal. Bakalaureusetöö on kirjutatud tekstitöötlusprogrammiga MS Word, arvutuslik näide viidi läbi statistikapaketiga R.
Kao kompenseerimine mittejuhusliku vastamise korral latentse tunnuse abil
(2016) Ojala, Grete; Lepik, Natalja, juhendaja; Tartu Ülikool. Matemaatika ja statistika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Mittevastamist esineb peaaegu igas uuringus ning see võib põhjustada nihkeid hinnangutes. Tavaliselt on mittevastamine juhuslik ning leidub lisainformatsiooni valimi objektide kohta. Sel juhul saab andmete kadu kompenseerida omitus- või kaalumismeetoditega. Käesoleva bakalaureusetöö eesmärk on aga välja selgitada, kuidas kompenseerida mittejuhuslikku mittevastamist jälgides vaid inimeste üldist vastamise mustrit olukorras, kus puudub lisainformatsioon. Selleks kasutatakse latentseid tunnuseid, mis iseloomustavad objektide tahet vastata uuringu küsimustele. Simuleerimisülesandes demonstreeritakse latentsete tunnuste abil üldkogumi kogusumma hindamist ja võrreldakse erinevaid hinnanguid omavahel.
Logistiline regressioon ja klassifitseerimispuu binaarse tunnuse modelleerimisel
(Tartu Ülikool, 2017) Ernits, Kristi; Lepik, Natalja, juhendaja; Tartu Ülikool. Matemaatika ja statistika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Tihti on uurija huvitatud binaarse tunnuse seose modelleerimisest teiste tunnustega. Käesoleva bakalaureusetöö eesmärk on kirjeldada ja omavahel võrrelda logistilist regressiooni ning klassifitseerimispuu meetodit kaheväärtuselise uuritava tunnuse modelleerimisel. Töö teooriaosas kirjeldatakse lühidalt levinumaid meetodeid binaarse tunnuse modelleerimiseks, täpsem ülevaade antakse logistilisest regressioonimudelist ning klassifitseerimispuu meetodist. Praktilises osas rakendatakse nii logistilist regressiooni kui ka klassifitseerimispuu meetodit reaalsetel andmetel südame- ja veresoonkonna haiguste esinemise prognoosimiseks. Töö viimases osas viiakse läbi simuleerimisülesanne ning võrreldakse nimetatud kahte meetodit.
Lokaalne pöördemeetod valikuuringutes
(2018) Sokurova, Diana; Lepik, Natalja, juhendaja; Tartu Ülikool. Matemaatika ja statistika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Käesolevas bakalaureusetöös antakse ülevaade lokaalsest pöördemeetodist ning võrreldakse seda teiste tuntud valikumeetoditega, rakendades neid reaalsete andmetel. Andmed pärinevad hüpoteetilise küla StatVillage andmebaasist. Töö teooriaosas kirjeldatakse lühidalt teisi tuntud valikumeetodeid, täpsem ülevaade antakse lokaalsest pöördemeetodist ja tuuakse näide, kuidas seda kasutada. Praktilises osas rakendatakse Monte-Carlo simulatsiooni, et välja selgitada, milline valikumeetod annab kõige parema tulemuse StatVillage andmete korral. Lisaks sellele, lokaalse pöördemeetodiga leitud valimi tasakaalustatust üldkogumi teiste objektide suhtes võrreldakse lihtsa juhusliku valiku abil saadud valimiga.
Õppeaine "Tõenäosusteooria ja matemaatiline statistika" uurimine
(2018) Rihkrand, Argo; Lepik, Natalja, juhendaja; Tartu Ülikool. Matemaatika ja statistika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Käesolevas bakalaureusetöös on vaadeldud õppeaasta 2016/2017 kevadsemestri ja 2017/2018 sügissemestri aine “Tõenäosusteooria ja matemaatiline statistika” osavõtnute tulemusi, ning analüüsitud, millest võisid tuleneda erinevused semestritel. On uuritud ka, mida lisaõppevahendi kasutuselevõtt sügissemestril võis kaasa tuua hinnete jaotusele, ning kas see võis parandada tudengite oskusi. Peale selle on töös analüüsitud küsitluse tulemusi, et selgitada välja tudengite arvamus lisaõppevahendisse.
Tervishoiutöötajate keskmise tunnipalga hindamine süstemaatilise klastervaliku ja lihtsa juhusliku kihtvaliku korral
(Tartu Ülikool, 2014-06-20) Jõgi, Kaidi; Lepik, Natalja, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Käesoleva töö eesmärgiks on võrrelda kahte meetodit valikuuringu teostamiseks tervishoiutöötajate põhitunnipalga arvutamiseks. Andmestiku moodustavad Tervise Arengu Instituudi poolt kogutud aruande „Tervishoiutöötajate tunnipalk“ 2013. aasta andmed. Vaadeldavad disainid peaksid tagama rotatsiooni 70%. Meetodeid võrreldi simulatsiooni põhjal. Hinnangute täpsuse tõstmiseks rakendati ka regressioonhinnangut. Esimeseks disainiks valiti lihtne juhuslik kihtvalik (LJKV), mille puhul võrreldi hinnanguid võrdelise ja Neymani paigutuse korral. Rotatsiooni arvestamiseks kasutati püsijuhuarvude meetodit. Teiseks disainiks konstrueeriti uus süstemaatilisele klaster- valikule baseeruv disain. Parimaks osutus LJKV Neymani paigutusega. Regressioonhinnang parandas kõige rohkem süstemaatilisele klastervalikule konstrueeritud disaini.
Tõenäosuslik valikuuring tarkvara R pakettide "sampling" ja "survey" abil
(Tartu Ülikool, 2017) Mirski, Sören; Lepik, Natalja, juhendaja; Tartu Ülikool. Matemaatika ja statistika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Käesolev bakalaureusetöö annab ülevaate statistikatarkvara R lisapakettide "sampling" ja "survey" funktsioonidest, millega saab teostada levinumaid tõenäosuslikke valikuid ja hinnata üldkogumi kogusummat ning selle dispersiooni. Iga töös kirjeldatud funktsiooni kasutamise kohta tuuakse vähemalt üks praktiline näide. Võimalusel lahendatakse sama näide mõlema paketi funktsioonidega, et tuvastada võimalikke erinevusi kahe paketi vahel. Eelistatumaks osutus pakett "sampling", kuna selle funktsioonidega saab teostada rohkem tõenäosuslikke valikuid ning hinnangute arvutamiseks kasutatakse kursuses "Valikuuringute teooria I" käsitletud valemeid.
Valimi paigutamise meetodid lihtsa juhusliku kihtvaliku korral
(2016) Pandis, Hannula-Katrin; Lepik, Natalja, juhendaja; Tartu Ülikool. Matemaatika ja statistika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Käesoleva bakalaureusetöö eesmärk on uurida ning kirjeldada valimi paigutamise meetodeid lihtsa juhusliku kihtvaliku korral juhul kui üldine valimimaht on fikseeritud. Teoreetilises osas tutvustatakse tõenäosusliku valikuuringu olulisi mõisteid, tuuakse välja hinnanguteks vajalikud valemid. Töös kirjeldatakse viit erinevat valimi paigutamise meetodit kihtvaliku korral: lihtne juhuslik valik, võrdeline paigutus, Neymani paigutus, astmeline paigutus ja Costa paigutus. Töö praktilises osas viiakse läbi simulatsioon iga valimipaigutuse jaoks, millega leitakse hinnangud nii üldkogumi keskmisele kui ka keskmistele kihtides, nende suhtelised vead ja standardvead. Saadud hinnanguid võrreldakse omavahel ja analüüsitakse, milline valimi paigutus viib kõige paremate tulemusteni.
Visual Basic kui vahend väikeettevõtte infotöö tõhustamiseks
(Tartu Ülikool, 2009) Jeldõšev, Sergei; Lepik, Natalja, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Võrdeliste tõenäosustega valik tervishoiutöötajate tunnipalga uurimiseks
(Tartu Ülikool, 2014-06-16) Tüli, Kristi; Lepik, Natalja, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Käesoleva bakalaureusetöö eesmärk on võrrelda nelja valimi moodustamise viisi, mis on välja pakutud Tervise Arengu Instituudi poolt ning vastab teatud kriteeriumitele. Töö praktilises pooles viikase läbi simulatsioon 2013. aasta andmetega, et uurida huvipakkuva tunnuse parameeterhinnangute täpsust. Teoreetilises osas tutvustatakse tõenäosuslike valikuuringutega seotuid mõisteid, valimi võtmise viise ja hinnanguteks vajalikke valemeid. Hinnangud leitakse osakogumites. Käesolevas töös kasutatakse lihtsat juhuslikku valikut, suurusega võrdelist tõenäosuslikku valikut ning kihtvalikut. Leitakse ka kitsendustega hinnangud kogusummadele ja seejärel võrreldakse saadud hinnanguid ja antakse ülevaade, mis oleks parim valiku võtmise meetod.