Academic literature on the topic 'Метод максимальної правдоподібності'

Предметом дослідження є елементи аналітичного і структурного синтезу процедури ідентифікації моделі динаміки глікемії за критерієм максимальної правдоподібності. Метою роботи є зменшення ризиків ідентифікації діабетичних станів при використанні поліноміальних моделей динаміки глікемії. Завдання. На основі результатів глюкозотолерантного тестування дослідити можливості параметричного розпізнавання діабетичних станів, коли динаміка рівня глюкози апроксимується поліноміальною моделлю будь-якого порядку. Використати аналітичний вираз для мінімуму середнього ризику для структурного синтезу процедури ідентифікації виду діабету. Підтвердити ефективність використання отриманої структурної схеми процедури ідентифікації моделі динаміки глікемії при глюкозотолерантному тестуванні. Висновки. Розроблено блок-схему з адаптивною (по відношенню до кількості ідентифікованих глікемічних моделей) структурою і відповідна їй комп’ютеризована система багатосторонньої ідентифікації моделей динаміки глікемії за двома глюкозотолерантними тестами. Доведено можливість підвищення достовірності діагностики при використанні запропонованого методу, у порівнянні зі стандартним від значення 0,972 до 0,974 (обсяг навчальної вибірки N = 60).

Метою дослідження було прогнозування розвитку та прогресування діабетичної ретинопатії (ДР) при цукровому діабеті 2-го типу (ЦД2Т) на підставі побудови і аналізу регресійних логістичних моделей з визначенням ймовірності розвитку ДР, а також швидкості її прогресування. Залучено 302 особи: 1-а група (n=76) – пацієнти з ДР без змін на очному дні; 2-а (n=64) – пацієнти з непроліферативною і 3-я (n=64) – з проліферативною ДР (ДПР). Контрольну групу склали 98 пацієнтів без цукрового діабету. При побудові логістичної регресії були враховані стать, вік, тривалість захворювання на діабет і результати генотипування поліморфізмів rs2010963 і rs699947 гена VEGFА. Аналіз ДНК-локусів здійснювали з використанням TaqMan Mutation Detection Assays Thermo Fisher Scientifi c (США) в автоматичному ампліфікаторі Real-Time PCR System 7500 (Applied Biosystems, США). Розраховані β-коефіцієнти математичної моделі розрахунку ймовірності розвитку ДР та ДПР для показників: “Тривалість захворювання на діабет”, “Стать” та “rs2010963” вказували на наявність прямого, а для показників: “Вік” і “rs699947” – зворотного зв’язку з результуючою змінною.Модель розрахунку ймовірності розвитку ДР мала показник максимальної правдоподібності (–2*Log)=254,44 при χ2=157,2 (р<0,001) та високу прогностичну характеристику: область під кривою (AUC)=0,90±0,02; 95 % ВІ=0,87–0,93; p=1,24E–04. Модель розрахунку ймовірності розвитку ДПР мала показник максимальної правдоподібності (–2*Log)=285,2 при χ2=168,04 (р<0,001) та високу прогностичну характеристику: область під кривою (AUC)=0,86±0,03; 95 % ВІ=0,81–0,91; p=2,15E–05. Показана залежність прогресування ДР від генотипів rs2010963 і rs699947: представлені характеристики моделі демонстрували її високу прогностичну здатність щодо залежного показника: R=0,714; R2=0,514; F=93,9 (p<0,001).

Магістерська дисертація: 107 с., 32 рис., 32 табл., 5 додатків, 19 джерел. Актуальність теми: в Україні бурхливо зростає ринок споживчого кредитування. Проте, разом з цим, зростає і кількість неповернених кредитів, що наносить досить великі збитки банківським установам. Таким чином, розробка та застосування систем оцінки кредитоспроможності фізичних осіб у процесі прийняття рішення щодо видачі кредиту є актуальними на сьогоднішній день. Мета даної роботи полягає у дослідженні та вдосконаленні існуючих методик побудови скорингових моделей та розробці системи підтримки прийняття рішень для оцінювання кредитоспроможності фізичних осіб з використанням методу логістичної регресії. Об’єктом дослідження є набір статистичних даних щодо наданих банком споживчих кредитів фізичним особам. Методи дослідження: метод логістичної регресії, метод максимальної правдоподібності, метод градієнтного спуску, операції над матрицями. Програмний продукт реалізований за допомогою мови програмування С# у середовищі розробки Microsoft Visual Studio 2012. Для порівняльного аналізу отриманих результатів були побудовані моделі у вигляді дерев рішень і скорингової карти в системі SAS Enterprise Miner. Отримані результати: розроблено систему підтримки прийняття рішень для прогнозування кредитоспроможності фізичних осіб з використанням методу логістичної регресії та методу максимальної правдоподібності. Запропоновано спосіб використання категоріальних даних в регресійних моделях.
Theme: “System for evaluating the solvency of individuals using regression analysis methods”. Master's thesis explanatory note: 107 p., 32 fig., 32 tab., 5 appendices, 19 sources. Actuality: the consumer lending market is growing rapidly in Ukraine. However, along with this, the number of unreturned loans is increasing, which causes quite large losses to banking institutions. Thus, the development and application of systems for assessing the creditworthiness of individuals in the process of making a decision on the issuance of a loan are actual for today. The purpose of this work is to study and improve existing methods of constructing scoring models and to develop a decision support system for assessing the creditworthiness of individuals using the method of logistic regression. The object of the study is a set of statistical data on consumer loans provided by the bank to individuals. Methods of research: logistic regression method, maximum likelihood method, gradient descent method, operations on matrices. The software product was implemented using the C# programming language in the Microsoft Visual Studio 2012 development environment. For a comparative analysis of the results were built models as decision trees and scorecard in the SAS Enterprise Miner system. Obtained results: a decision support system was developed for predicting the creditworthiness of individuals using the logistic regression method and the maximum likelihood method. The method of using categorical data in regression models is proposed.