Buch, Deutsch, Band 63, 121 Seiten, Format (B × H): 170 mm x 244 mm, Gewicht: 242 g
Buch, Deutsch, Band 63, 121 Seiten, Format (B × H): 170 mm x 244 mm, Gewicht: 242 g
Reihe: Medizinische Informatik, Biometrie und Epidemiologie
ISBN: 978-3-540-16981-9
Verlag: Springer Berlin Heidelberg
Die Entwicklung von Methoden zur Diskriminanzanalyse hat sich bisher in vier Stufen vollzogen. Am Anfang stand der intuitive Ansatz von Fisher, der von Welch, Rao und anderen auf eine proba bilistische Stufe gehoben wurde. Die Entscheidungstheorie von Wald brachte schlieBlich einen theoretischen AbschluB. Immer wurde bei der Entwicklung von Methoden jedoch eine zugrun deliegende multivariate Normalverteilung vorausgesetzt. Erst sehr vie I spater kamen auf der vierten Stufe nicht-parametrische Diskriminanzanalyseverfahren hinzu. Heute stehen wir auf der funften Stufe: der Entwicklung von Verfahren fur gemischte Daten. In den meisten Anwendungsfallen von Verfahren der Diskriminanz analyse sind die Merkmale von unterschiedlichem Typus. Quantita tive und qualitative GraBen treten gemischt auf. Der Bedarf gerade an Regeln fur gemischte Daten ist groB - es gibt jedoch wenig Ansatze zur Lasung des Problems. In der vorliegenden Arbeit wird der aus theoretischer Sicht vielversprechende Ansatz des sogenannten Lokationsmodells aufge griffen. 1m Hinblick auf eine Anwendung in der Medizin wird das Modell modifiziert. Hierbei kommt insbesondere den sogenannten adaptiven Schatzern eine gewichtige Rolle zu. Anhand von Datensazten aus dem Bereich der Prognose- und Ent scheidungsfindung in der Medizin wird das Lokationsmodell dann mit anderen Verfahren, wie etwa der linearen Diskriminanzanalyse, verglichen. GroBer Wert wird auf eine klare Formulierung gelegt. In einem eigenen Kapitel werden die grundlegenden Begriffe be reitgestellt.
Zielgruppe
Research
Autoren/Hrsg.
Weitere Infos & Material
I. Einführung in die Problematik.- 1.1 Diagnosemodelle und Diagnosestrategien.- II. Begriffe und Definitionen.- 2.1 Motivation für die Verwendung des mathematischen Modells.- 2.2 Festlegung des mathematischen Modells.- 2.3 Optimale Zuordnungsregeln.- 2.4 Geschätzte Zuordnungsregeln.- 2.5 Konsistente Zuordnungsregeln.- 2.6 Modifikationen des mathematischen Modells.- III. Das Lokationsmodell — Einführung und Beispiele.- 3.1 Motivation für die Verwendung des Lokationsmodells am Beispiel der Prognose bei Patienten mit ernsten Kopfverletzungen.- 3.2 Weitere verwendete Datensätze.- IV. Schätzung der Zellwahrscheinlichkeiten.- 4.1 Übersicht über vorgeschlagene Methoden.- 4.2 Adaptiver Nächste-Nachbarn-Schätzer.- 4.3 Sonstige Schätzer.- 4.4 Vergleich von Schätzmethoden.- 4.5 Einfluß des Schätzens des Gewichtsfaktors.- 4.6 Zusammenfassende Bewertung.- V. Schätzung der Erwartungswerte des stetigen Merkmals.- 5.1 Übersicht über vorgeschlagene Methoden.- 5.2 Adaptiver Nächste-Nachbarn-Schätzer.- 5.3 Vergleich von Schätzmethoden.- 5.4 Einfluß des Schätzens des Gewichtsfaktors.- 5.5 Zusammenfassende Bewertung.- VI. Das Lokationsmodell — Vergleich mit anderen Zuordnungsregeln.- 6.1 Übersicht über verschiedene Ansätze 90.- 6.2 Vergleich von Zuordnungsregeln.- 6.3 Modifikationen des Lokationsmodells.- 6.4 Mögliche Verallgemeinerungen.- 6.5 Zusammenfassende Bewertung.- VII. Zusammenfassung der Ergebnisse.- VIII. Aspekte der praktischen Anwendung.
