Statističke metode grupiranja u analizi podataka

diplomski rad

• Autor: Kristina Uremović
• Mentor: Siniša Slijepčević (mentor)
• Član povjerenstva: Siniša Slijepčević (predsjednik povjerenstva)
• Član povjerenstva: Pavle Pandžić (član povjerenstva)
• Član povjerenstva: Goran Muić (član povjerenstva)
• Član povjerenstva: Igor Pažanin (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Matematički odsjek); Zagreb
• Datum i država obrane: 2016-09-23, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Matematika

Sažetak

Kroz ovaj rad smo pobliže objasnili klaster analizu kao i njenu primjenu na podatke jedne bolnice. Upoznali smo se sa osnovnim pojmovima i tehnikama klasterizacije, te mjerama na kojima se podaci spajaju u klastere. Uz to smo objasnili metodu klasterizacije zasnovanu na unaprijed određenom broju klastera koju smo primijenili na dane podatke. Klaster analiza podrazumijeva klasifikaciju i prepoznavanje strukture. Traži se optimalna struktura podataka za grupiranje opažanja u klastere koji se formiraju na temelju dostupnih informacija koje opisuju podatke i njihove veze. Cilj je pronaći optimalan kriterij grupiranja kod kojeg su opažanja unutar svakog klastera slična, ali se različiti klasteri međusobno razlikuju. Analizirali smo podatke o pregledima u određenoj bolnici. Primjenom klaster analize, uočili smo različite klastere koji povezuju tipove pregleda s raznim karakteristikama pacijenata, poput spola.

Sažetak (engleski)

Through this dissertation, we have shown how one can use cluster analysis methods in medicine. We met the basic concepts of cluster analysis: definition, clustering methods and measures for forming clusters. In addition we explained the method by which we process the given data. Cluster analysis includes the classification and identification of structures. It looks for optimal structure of the given data and then forms clusters based on the information about the data. The goal is to find the optimal grouping criteria in which the observations within each cluster are similar, a different clusters differ from each other. We analyzed data on examinations in a certain hospital. By applying cluster analysis, we identified different clusters which relate different types of examination with characteristics of patients, such as sex.

• Ključne riječi: klaster analiza; metodu klasterizacije zasnovanu na unaprijed određenom broju klastera
• Ključne riječi (engleski): cluster analysis; predefined clusters' number method
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:072997
• Studijski program: Naziv: Financijska i poslovna matematika; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2019-02-18 11:55:22