20.500.12556/RUL-95068 Samovzorčenje v analizi sotveganj Bootstrap in the competing risks analysis 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. In this thesis the bootstrap method is introduced into broader eld of survival analysis. In this branch of statistics incomplete data is usually present which is also called censored data. Four different bootstrap methods for survival analysis are gathered and accurately described. Their adjustment for competing risks where different types of events are analysed is also included. Furthermore, the concept of the number of years lost for simple data and data with competing risks is introduced. Results were obtained by three sets of simulations: simulations of simple data, simulations of data with competing risks and imitation of real data. Real data requires working with population tables from which survival of the population is calculated. Results suggest that the simple and the conditional bootstrap are the best bootstrapping methods for censored data. We show why the use of bootstrap is useful in practice. Bootstrapping number of life years lost also takes the variability of the demographic variables into account in addition to the variability of the sample. Demographic variables such as age, year and gender are required when working with population tables. Without bootstrapping condence intervals can be oddly shaped, especially when there are only few events in the sample. This drawback can be improved by using this resampling method. sotveganja število izgubljenih let samovzorčenje analiza preživetja competing risks number of life years lost bootstrap survival analysis true false false Slovenski jezik Angleški jezik Magistrsko delo/naloga 2017-09-13 13:54:47 2017-09-13 13:54:49 2022-08-10 02:14:06 0000-00-00 00:00:00 2017 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 39861 Bohanec_Naja_-_Samovzorcenje_v_analizi_sotveganj.pdf Bohanec_Naja_-_Samovzorcenje_v_analizi_sotveganj.pdf 1 83B3E6D89810E01074382912BADBE5C1 8adce2b928509f1d504c4385384e6774b8a7d03eada1e18474592e540f91138f ab4a9165-a1b3-11eb-a523-00155dcfd717 20.500.12556/rul/52fc817d-1e74-4ea0-811d-00a7f247c807 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=103595 Fakulteta za elektrotehniko 0 0 0