Πλοήγηση ανά Επιβλέποντα "Pedeli, Xanthi"

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z

Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω

Τώρα δείχνει 1 - 7 από 7

Comparing statistical and machine learning models for credit risk using AI interpretability methods
(2023-11-30) Παπαδόπουλος, Τριαντάφυλλος; Papadopoulos, Triantafillos; Athens University of Economics and Business, Department of Informatics; Karlis, Dimitrios; Ntzoufras, Ioannis; Pedeli, Xanthi
Ο πιστωτικός κίνδυνος είναι ένας τομέας στον οποίο χρησιμοποιείται η Στατιστική και η Μηχανική Μάθηση. Λόγω της φύσης του πιστωτικού κινδύνου, ένα μοντέλο το οποίο μπορεί να εξηγηθεί είναι πολύ σημαντικό και πολλές φορές υποχρεωτικό. Σε αυτή την εργασία έγινε μια βιβλιογραφική αναφορά σε πρόσφατες μεθόδους επεγηγηματικότητας της τεχνητής νοημοσύνης. Αυτές οι μέθοδοι παρουσιάστηκαν λεπτομερώς. Πολλαπλά μοντέλα εκπαιδεύτηκαν στα δεδομένα όπως λογιστική παλινδρόμηση και άλλα μοντέλα μηχανικής μάθησης. Η σύγκριση των μοντέλων έγινε με βάση την ικανότητα τους να προβλέπουν σε νεα δεδομένα. Έπειτα, οι μέθοδοι επεξήγησης εφαρμόστηκαν στη λογιστική παλινδρόμηση έτσι ώστε να ελεγθεί ότι συμφωνούν με τη παραδοσιακή μέθοδο συμπερασματολογιας. Επίσης εφαρμόστηκαν στο καλύτερο μοντέλο μηχανικής μάθησης σε μια προσπάθεια να κατανοηθεί το πως δουλεύει ο αλγόριθμος και πως κάνει τις προβλέψεις του.
Comparisons and applications of bootstrap methods for time series data
(2022) Vlachogiorgos, Apostolos; Βλαχογιώργος, Απόστολος; Athens University of Economics and Business, Department of Statistics; Karlis, Dimitrios; Papastamoulis, Panagiotis; Pedeli, Xanthi
In this project we examine the performance of block bootstrap methods under different block length selection techniques. Our goal is to compare these techniques in order to get the one that produces the “optimal” block length. This problem is of crucial importance, due to the fact that block bootstrap methods much depend on the selection of block length parameter. We conducted an extensive Monte Carlo simulation with different models and various values for their parameters. We used the well known methods HHJ and NPPI that are MSE-optimal as well as a method of Politis and White (2004) for two of the block bootstrap methods as they proposed. However, we did not stop there. We proposed four new methods to use as block length selection techniques and the results were clearly in favor of them. The two of these methods using a version of Quadratic loss function were in most cases the dominant ones, with the second of them (as we presented them in this project) being the “winner”. Furthermore, we compared the block bootstrap methods as well as the block length selection techniques with INAR models, which are time series modelling count data. The estimation of the parameters for these models is cumbersome so we wanted to know how well they are able to perform. Lastly, we performed the analysis in a real dataset which we modelled with as INAR(4) and the results in this case were mixed, yet again in favor of the new proposed methods.
Infectious disease prediction: modeling dengue incidences in France during 2008-2020
(2023-09-14) Χατζόπουλος, Γεράσιμος; Chatzopoulos, Gerasimos; Athens University of Economics and Business, Department of Statistics; Demiris, Nikolaos; Bakoyannis, Georgios; Pedeli, Xanthi
Η συστηματική χρήση των συστημάτων επιδημιολογικής επιτήρησης έχει καταστεί συνήθης πρακτική που υιοθετείται από πολλές χώρες. Ο κύριος σκοπός των συστημάτων επιτήρησης είναι η αποτελεσματική και έγκαιρη ανίχνευση μιας εστίας ασθένειας, ώστε να μπορούν να ληφθούν ταχέως μέτρα ελέγχου για την εξάλειψη της μετάδοσης της νόσου. Κατά τις τελευταίες δύο δεκαετίες, έχουν αναπτυχθεί διάφορες στατιστικές τεχνικές προς την κατεύθυνση αυτή, με σκοπό την παροχή ακριβών και ρεαλιστικών προβλέψεων για λοιμώδεις ασθένειες. Μία από τις πιο ανεπτυγμένες στατιστικές μεθόδους κατάλληλη για την πρόβλεψη μολυσματικών ασθενειών είναι το μοντέλο "HHH4" (βλέπε, π.χ., Held 2005). Το προβλεπτικό μοντέλο αυτό είναι μια ειδική επέκταση ενός γενικευμένου γραμμικού μοντέλου που αναπτύχθηκε για τα λοιμώδη νοσήματα. Πρόσφατα, οι Bracher and Held (2020) επέκτειναν το μοντέλο ΗHH4 για να συμπεριλάβουν συστήματα στάθμισης για την προηγούμενη επίπτωση. Μια άλλη ανταγωνιστική προσέγγιση που βασίζεται στην εκτίμηση της πυκνότητας υπό συνθήκη (KCDE) και copulas έχει προταθεί από τους Ray et al. (2017). Σκοπός της παρούσας διατριβής είναι η σύγκριση των επιδόσεων των τριών προσεγγίσεων που αναφέρονται ανωτέρω στις μηνιαίες καταμετρήσεις των καταγραφόμενων κρουσμάτων δάγκειου πυρετού στη Γαλλία από 1/2008 έως 12/2020.
On the win-ratio in clinical trials
(2024-07-15) Χοτζαλλάρι, Αλεξάνδρα; Chotzallari, Alexandra; Athens University of Economics and Business, Department of Statistics; Karlis, Dimitrios; Demiris, Nikolaos; Pedeli, Xanthi
Οι κλινικές δοκιμές αποτελούν ουσιαστικά μια διαδικασία αξιολόγησης καινοτόμων ιατρικών θεραπειών, όταν αυτές εφαρμόζονται σε ανθρώπους. Ένας από τους κύριους στόχους είναι να διερευνηθούν τα πλεονεκτήματα και τα μειονεκτήματα της νέας θεραπείας, ενώ ταυτόχρονα πρέπει να διασφαλιστεί η ασφάλεια των ασθενών. Για την επίτευξη του στόχου των κλινικών δοκιμών χρησιμοποιείται ένα τελικό σημείο ή σύνθετα τελικά σημεία. Τα σύνθετα τελικά σημεία αποτελούνται από πολλαπλά ατομικά τελικά σημεία, τα οποία είναι γνωστά ως συστατικά του σύνθετου τελικού σημείου και αντιπροσωπεύουν τα πιθανά ιατρικά αποτελέσματα. Διάφορες τεχνικές έχουν προταθεί στην βιβλιογραφία για την ανάλυση των τελικών σημείων. Οι παραδοσιακές μέθοδοι που εφαρμόζονται, έχουν ορισμένες περιορισμένες πτυχές. Συγκεκριμένα, θεωρούν ισάριθμη ιατρική σημασία για όλα τα συστατικά και λαμβάνουν υπόψη μόνο το πρώτο συμβάν που συμβαίνει, αγνοώντας την ιατρική ιεραρχία των γεγονότων. Επομένως, η μέθοδος αναλογίας κερδών προσφέρει μια λύση, καθώς λαμβάνει υπόψη την ιατρική ιεραρχία των γεγονότων και τη σχέση μεταξύ των συστατικών. Για να κατανοηθεί ο τρόπος λειτουργίας της μεθόδου της αναλογίας κερδών, μια λεπτομερής ανασκόπηση της υπάρχουσας βιβλιογραφίας σχετικά με αυτή παρουσιάζεται στην παρούσα διπλωματική εργασία. Μια μελέτη προσομοίωσης διεξάγεται με στόχο την κατανόηση της μεθόδου και των δυνατότητων που προσφέρει στο πλαίσιο της κλινικής έρευνας. Συγκεκριμένα, η τεχνική αυτή εφαρμόζεται σε ένα σύνολο δεδομένων που προέρχεται από μια κλινική δοκιμή για τον καρκίνο του μαστού. Οι διάφορες παράμετροι που χρησιμοποιούνται σε κάθε περίπτωση οδηγούν σε διαφορετικά σενάρια. Συγκεντρωτικά, η μέθοδος της αναλογίας κερδών αναδεικνύεται ως ένα χρήσιμο εργαλείο στον τομέα των κλινικών δοκιμών, διαθέτοντας ιδιαίτερα χαρακτηριστικά που την καθιστούν προνομιούχα έναντι των κλασικών μεθόδων.
A review of R packages developed for the accessibility analysis and visualization of Covid-19
(2022-11-11) Παπαϊωάννου, Μαγδαληνή; Papaioannou, Magdalini; Athens University of Economics and Business, Department of Statistics; Demiris, Nikolaos; Papastamoulis, Panagiotis; Pedeli, Xanthi
Με την έναρξη της παγκόσμιας πανδημίας της νόσου του κοροναϊού (Covid-19), έχουν αναπτυχθεί αρκετά πακέτα ανοιχτού κώδικα προκειμένου να συμβάλουν στην αντιμετώπιση αυτής της πρωτοφανούς κατάστασης. Τέτοιες πρωτοβουλίες βασίζονται σε αρχές ανοιχτού κώδικα και ανοιχτής κοινότητας, βελτιώνοντας τη διαφάνεια και αναπαραγωγιμότητα των αποτελεσμάτων αυτών. Σε αυτό το πλαίσιο, η κοινότητα R έχει συμβάλει στο επίσημο αποθετήριο CRAN ήδη με περισσότερα από είκοσι πακέτα που σχετίζονται με την πανδημία του Covid-19 από την αρχή της κρίσης. Στόχος αυτού του έργου είναι η αναθεώρηση και η σύγκριση αυτών των πακέτων ως προς τους σκοπούς και τις δυνατότητές τους.
Sparse vector autoregressive models
(2023-09-25) Σιώπκας, Θεοφάνης; Siopkas, Theofanis; Athens University of Economics and Business, Department of Statistics; Karlis, Dimitrios; Fokianos, Konstantinos; Pedeli, Xanthi
Στόχος αυτής της εργασίας είναι να δωθεί μια βιβλιογραφική επισκόπιση σχετικά με τα vector autoregressive (VAR) μοντέλα, δίνοντας έμφαση σε τεχνικές που σχετίονται με τη μέθοδο lasso. Οι τεχνικές που αναφέρονται, συμπεριλαμβάνουν την προσέγγιση που προτάθηκε από τους Hsu et al. (2008), η οποία είναι βασισμένη στη μέθοδο lasso, που προτάθηκε από τον Tibshirani (1996). Η μέθοδος των Wilms (2016), με τη χρήση του group lasso penalty (Yuan and Lin (2006)) αποτελεί βελτίωση της μεθόδου των Hsu et al. (2008). Περαιτέρω τεχνικές που χρησιμοποιούν το group lasso penalty αναφέρονται, όπως η προσέγγιση των Song and Bickel (2011), καθώς και τεχνικές που χρησιμοποιούν τη μέθοδο hierarchical group lasso, το οποίο εισήχθη από τους Jenatton et al. (2011). Η χρήση αυτής της μεθόδου, επιτρέπει την δημιουργία μιας νέας κατηγορίας μοντέλων, που ονομάζονται Hierarchical Lag (HLAG) μοντέλα και προτάθηκαν από τους Nicholson et al. (2020). Η συγκεκριμένη κατηγορία μοντέλων, δύναται να πραγματοποιήσει ταυτόχρονα μείωση της διάστασης του αρχικού μοντέλου, καθώς και επιλογή του κατάλληλου lag. Η ενσωμάτωση εξογενών μεταβλητών στο VAR μοντέλο, είναι ένα πολύ σημαντικό στοιχείο, καθώς σε πολλές περιπτώσεις η φύση των δεδομένων και του προβλήματος, απαιτεί την διαφοροποίηση των ενδογενών από τις εξογενείς μεταβλητές. Αυτή η κατηγορία μοντέλων, η οποία ονομάζεται VARX-L μοντέλα, προτάθηκε από τους Nicholson et al. (2017). Στο Κεφάλαιο 4, εφαρμόζονται τέσσερις VARX-L μέθοδοι (lasso, lag, sparse lag, own other), χρησιμοποιώντας δεδομένα που προέρχονται από διαφορετικά καταστήματα μιας αλυσίδας σουπερμάρκετ .για το χρονικό διάστημα Ιανουάριος 1993 μέχρι Ιούλιος 1994. Τα μοντέλα συγκρίνονται με βάση την MSFE τιμή τους, καθώς και το ποσοστό των συντελεστών που είναι 0, συνολικά αλλά και για τις ενδογενείς και εξωγενείς σειρές ξεχωριστά. Τέλος, γίνεται μια σύντομη βιβλιογραφική ανασκόπηση των MCP και SCAD πέναλτι (Zhang (2010); Fan and Li (2001) αντίστοιχα), ως πιθανές εναλλακτικές στο lasso πέναλτι.
Time series analysis of infectious disease data
(2024-09-20) Λεοντάρη, Ευαγγελία; Leontari Evangelia; Athens University of Economics and Business, Department of Statistics; Karlis, Dimitrios; Demiris, Nikolaos; Pedeli, Xanthi
Η ακριβής ανάλυση των δεδομένων λοιμωδών νοσημάτων είναι ζωτικής σημασίας για την ενίσχυση των συστημάτων επιδημιολογικής επιτήρησης και της άμυνας της δημόσιας υγείας. Ενώ τα μοντέλα παλινδρόμησης χρησιμοποιούνται συνήθως σε εθνικά συστήματα επιδημιολογικής επιτήρησης, συχνά υποθέτουν ανεξαρτησία δεδομένων, δυνητικά δημιουργώντας παραπλανητικά συμπεράσματα όταν παραβλέπεται η σειριακή συσχέτιση σε χρονοσειρές απαρίθμησης. Αυτή η εργασία στοχεύει να αντιμετωπίσει αυτό το πρόβλημα συγκρίνοντας διάφορες στατιστικές προσεγγίσεις για την ενσωμάτωση της σειριακής συσχέτισης σε μοντέλα παλινδρόμησης για δεδομένα απαρίθμησης. Αφού συμβουλευτήκαμε τη βιβλιογραφία, παρουσιάζουμε κάποιες κατάλληλες κατανομές και τα οκτώ πιο συχνά χρησιμοποιούμενα μοντέλα για το σκοπό αυτό, την σύνθεση και την δυνατότητα εφαρμογής τους. Στη συνέχεια, μέσω μιας πλατφόρμας για δεδομένα λοιμωδών νοσημάτων, τον ECDC Surveillance Atlas, αντλούμε στοιχεία για την μηνιγγίτιδα και την εξάπλωση της στην Ελλάδα τα προηγούμενα χρόνια και τα επεξεργαζόμαστε με σκοπό την αξιολόγηση της αποτελεσματικότητας τριών εκ των προαναφερθέντων μεθόδων, συγκεκριμένα των PAR/NBAR, INGARCH και GLARMA.