prikaz prve stranice dokumenta Određivanje glavnih prediktora razine adiponektina, homocisteina, Cistacina C i ekskrecije albumina u urinu kod dijabetesa tipa 2 koristeći regresijsku analizu
  Download
PDF 2.31 MB
master's thesis
Određivanje glavnih prediktora razine adiponektina, homocisteina, Cistacina C i ekskrecije albumina u urinu kod dijabetesa tipa 2 koristeći regresijsku analizu
Zagreb: University of Zagreb, Faculty of Science, 2016. urn:nbn:hr:217:047632
Šeketa, Valentina
University of Zagreb
Faculty of Science
Department of Mathematics

Institutional repository: Repository of the Faculty of Science

Cite this document

Šeketa, V. (2016). Određivanje glavnih prediktora razine adiponektina, homocisteina, Cistacina C i ekskrecije albumina u urinu kod dijabetesa tipa 2 koristeći regresijsku analizu (Master's thesis). Zagreb: University of Zagreb, Faculty of Science. Retrieved from https://urn.nsk.hr/urn:nbn:hr:217:047632

Šeketa, Valentina. "Određivanje glavnih prediktora razine adiponektina, homocisteina, Cistacina C i ekskrecije albumina u urinu kod dijabetesa tipa 2 koristeći regresijsku analizu." Master's thesis, University of Zagreb, Faculty of Science, 2016. https://urn.nsk.hr/urn:nbn:hr:217:047632

Šeketa, Valentina. "Određivanje glavnih prediktora razine adiponektina, homocisteina, Cistacina C i ekskrecije albumina u urinu kod dijabetesa tipa 2 koristeći regresijsku analizu." Master's thesis, University of Zagreb, Faculty of Science, 2016. https://urn.nsk.hr/urn:nbn:hr:217:047632

Šeketa, V. (2016). 'Određivanje glavnih prediktora razine adiponektina, homocisteina, Cistacina C i ekskrecije albumina u urinu kod dijabetesa tipa 2 koristeći regresijsku analizu', Master's thesis, University of Zagreb, Faculty of Science, accessed 18 May 2024, https://urn.nsk.hr/urn:nbn:hr:217:047632

Šeketa V. Određivanje glavnih prediktora razine adiponektina, homocisteina, Cistacina C i ekskrecije albumina u urinu kod dijabetesa tipa 2 koristeći regresijsku analizu [Master's thesis]. Zagreb: University of Zagreb, Faculty of Science; 2016 [cited 2024 May 18] Available at: https://urn.nsk.hr/urn:nbn:hr:217:047632

V. Šeketa, "Određivanje glavnih prediktora razine adiponektina, homocisteina, Cistacina C i ekskrecije albumina u urinu kod dijabetesa tipa 2 koristeći regresijsku analizu", Master's thesis, University of Zagreb, Faculty of Science, Zagreb, 2016. Available at: https://urn.nsk.hr/urn:nbn:hr:217:047632

Metadata
TitleOdređivanje glavnih prediktora razine adiponektina, homocisteina, Cistacina C i ekskrecije albumina u urinu kod dijabetesa tipa 2 koristeći regresijsku analizu
AuthorValentina Šeketa
MentorAnamarija Jazbec (mentor)
Committee memberAnamarija Jazbec (predsjednik povjerenstva)
Committee memberDamir Bakić (član povjerenstva)
Committee memberIgor Pažanin (član povjerenstva)
Committee memberOzren Perše (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Science
(Department of Mathematics)
Zagreb
Defense date and country2016-09-26, Croatia
Scientific / art field,
discipline and subdiscipline		NATURAL SCIENCES
Mathematics
Abstract
Naglasak ovog rada je na regresijskoj analizi - teorijskoj podlozi i njezinoj praktičnoj primjeni. Regresijska analiza je jedna od najraširenijih statističkih metoda upravo zbog svoje fleksibilnosti u primjeni. Ideja je jednadžbom opisati ponašanje varijable koja nas zanima (zavisna varijabla) pomoću jednog ili više prediktora (nezavisna varijabla). Dodatne prednosti ove metode su jednostavne pretpostavke i dobro razrađena teorijska podloga. U prvom poglavlju naznačeno je da se u radu koristi linearna regresijska analiza, tj. veza između zavisne i nezavisne varijable je linearna. U drugom poglavlju objašnjena je teorijska podloga jednostruke linearne regresijske analize, tj. način na koji pravcem možemo opisati vezu između jedne zavisne varijable i jedne nezavisne varijable. Pritom smo se dotakli problematike procjene parametara modela jednostruke linearne regresijske analize, testiranja hipoteza vezanih za slobodni član i koeficijent smjera koristeći t test i F test za analiziranje varijance (ANOVA) te procjene pouzdanih i egzaktnih intervala. Dobiveni rezultati su poopćeni u trećem poglavlju u obliku višestruke linearne regresije, tj. modeliranju jedne zavisne varijable u ovisnosti o nekoliko nezavisnih varijabli. U četvrtom poglavlju navedeni su testovi za testiranje normalnosti, dok su u petom poglavlju navedene prikladne transformacije za linearizaciju modela i stabilizaciju varijance. U svrhu provjere pretpostavki modela u šestom poglavlju je predstavljena analiza reziduala. Na samom kraju teorijskog dijela rada dotičemo se kriterija za procjenu modela te poznatijih algoritama odabira varijabli unutar modela: sve moguće regresije, forward, backward i stepwise procedura. Osmo poglavlje sastoji se od primjene obrađene teorije na konkretan problem. Podaci se sastoje od 59 pacijenata koji boluju od dijabetesa tipa 2 te su za svakog izmjerene 29 vrijednosti. Prilikom obrade dobivenih podataka koristili smo statistički program SAS (University Edition) koji je ubrzao i olakšao proces modeliranja. Velika prednost SAS-a je u tome sto je većina metoda kao što su jednostruka i višestruka linearna regresija, te metode odabira podskupa iz cijelog skupa nezavisnih varijabli već implementirane. Zadatak je bilo modelirati zavisne varijable adiponektin (ApN), homocistein (HCY), cistacin C (Cys C) i ekskreciju albumina u urinu (AER) pomoću dane baze podataka.
Abstract (english)
In this thesis the emphasis is on regression analysis - theoretical background and its application. Regression analysis is one of the most widely used statistical method because of its flexibility in application. The idea is to describe behaviour of variable of interest (dependent variable) with one or more predictors (independent variable) as equation. The main advantages of this method are simple underlying assumptions and elegant mathematical theory. In the first chapter the use of linear regression analysis is denoted, i.e. the relationship between dependent and independent variable is linear. In the second chapter theoretical background of univariate linear regression is described , i.e. the way we describe relationship between one dependent and one independent variable using a straight line. We have discussed the estimation of parameters from the model in univariate linear regression analysis, testing hypothesis for intercept and slope using t test and F test for the analysis of variance (ANOVA) and estimation of confidence and prediction intervals. These results are generalized in the third chapter to describe multiple regression analysis, i.e. modeling one dependent variable with several independent variables. In the fourth chapter we described testing normality of variables, while the theme of the fifth chapter are transformations of variables for linearization of model and stabilization of variance. In the sixth chapter analysis of residuals to check underlying assumptions. In the end we introduce criteria for validation of models and algorithms for variable selection and model building: all possible regressions, forward selection, backward elimination and stepwise regression. The eighth chapter consists of application of this theory on a concrete problem. The data is from 59 patients with diabetes type II and, for each of them, there are 29 values measured. While working with this data we use the statistical program SAS (University Edition) which makes it quicker and easier to model this problem. The main advantage of SAS is implementation of whole methods as univariate and multiple linear regression and variable selection methods. Our task was to model dependent variables Adiponektin (ApN), Homocistein (HCY), Cystacin C (Cys C) i Albumin Ekskrection in urine (AER) using this data base.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:217:047632
Study programmeTitle: Mathematical Statistics
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra matematike (magistar/magistra matematike)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2019-02-12 13:40:55