<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Samovzorčenje v analizi sotveganj</dc:title><dc:creator>BOHANEC,	NAJA	(Avtor)
	</dc:creator><dc:creator>Pohar Perme,	Maja	(Mentor)
	</dc:creator><dc:subject>sotveganja</dc:subject><dc:subject>število izgubljenih let</dc:subject><dc:subject>samovzorčenje</dc:subject><dc:subject>analiza preživetja</dc:subject><dc:description>V delu obravnavamo samovzorčenje v analizi preživetja. Za to vejo statistike je značilno krnjenje, ki je posebna oblika nepopolnih podatkov. Natančno so opisani štirje različni načini samovzorčenja v analizi preživetja, vključena pa je tudi njihova prilagoditev za delo s sotveganji, kjer nas zanima več različnih vrst dogodkov. Poleg klasične Kaplan-Meier metode samovzorčenje uporabimo tudi pri analizi števila izgubljenih let.
Glavni rezultati dela so pridobljeni s pomočjo simulacij, ki so razdeljene na tri sklope, in sicer simulacije na enostavnih podatkih, simulacije na podatkih s sotveganji ter imitacijo resničnih podatkov in delo s populacijskimi tabelami. Razultati nakazujejo, da sta enostavno in pogojno izmed obravnavanih najboljša načina samovzorčenja. Pokažemo tudi, zakaj je uporaba samovzorčenja koristna v praksi. Samovzorčenje pri analizi števila izgubljenih let poleg variabilnosti na vzorcu upošteva tudi variabilnost demografskih spremenljivk, ki se jih uporablja pri delu s populacijskimi tabelami. Brez samovzorčenja so intervali zaupanja pri majhnem številu dogodkov lahko zelo nenavadnih oblik, ki vsebinsko niso smiselni, kar pa lahko v veliki meri odpravimo z uporabo te metode.</dc:description><dc:date>2017</dc:date><dc:date>2017-09-13 13:54:47</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>95068</dc:identifier><dc:identifier>VisID: 39861</dc:identifier><dc:language>sl</dc:language></metadata>
