{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1318889"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1318889","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Μετα-ανάλυση με μέθοδο Bootstrap","abstract":"Σε μια μετα-ανάλυση , οι άγνωστες παράμετροι συχνά υπολογίζονται με μέγιστη πιθανοφάνεια, και τα συμπεράσματα βασίζονται στην ασυμπτωτική θεωρία. Θεωρείται ότι , προϋπόθεση για τα χαρακτηριστικά των μελετών που περιλαμβάνονται στο μοντέλο, η κατανομή μεταξύ των μελετών και οι κατανομές των σφαλμάτων δειγματοληψίας είναι κανονικές. Στην πράξη, όμως, τα δείγματα πεπερασμένα, και η υπόθεση της κανονικότητας μπορεί να παραβιαστεί , ενδεχομένως να προκληθούν μεροληπτικές εκτιμήσεις και ακατάλληλα τυπικά σφάλματα. Σε αυτή την εργασία, προτείνουμε μια παραμετρική και δυο μη παραμετρικές μεθόδους bootstrap που μπορούν να χρησιμοποιηθούν για την προσαρμογή των αποτελεσμάτων της μέγιστης πιθανοφάνειας σε μετα-ανάλυση.","abstract_html":"Σε μια μετα-ανάλυση , οι άγνωστες παράμετροι συχνά υπολογίζονται με μέγιστη πιθανοφάνεια, και τα συμπεράσματα βασίζονται στην ασυμπτωτική θεωρία. Θεωρείται ότι , προϋπόθεση για τα χαρακτηριστικά των μελετών που περιλαμβάνονται στο μοντέλο, η κατανομή μεταξύ των μελετών και οι κατανομές των σφαλμάτων δειγματοληψίας είναι κανονικές. Στην πράξη, όμως, τα δείγματα πεπερασμένα, και η υπόθεση της κανονικότητας μπορεί να παραβιαστεί , ενδεχομένως να προκληθούν μεροληπτικές εκτιμήσεις και ακατάλληλα τυπικά σφάλματα. Σε αυτή την εργασία, προτείνουμε μια παραμετρική και δυο μη παραμετρικές μεθόδους bootstrap που μπορούν να χρησιμοποιηθούν για την προσαρμογή των αποτελεσμάτων της μέγιστης πιθανοφάνειας σε μετα-ανάλυση.","abstract_has_math":false,"creators":["Κυρίος Βασίλης"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2012,"date_issued":"2012","date_published":"2012","updated_at":"2026-11-19T05:25:31Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1318889"],"render_values":[{"text":"uoadl:1318889","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1318889","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1318889","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1318889","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κυρίος Βασίλης"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2012"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1318889","https://pergamos.lib.uoa.gr/uoa/dl/object/1318889"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Σε μια μετα-ανάλυση , οι άγνωστες παράμετροι συχνά υπολογίζονται με μέγιστη πιθανοφάνεια, και τα συμπεράσματα βασίζονται στην ασυμπτωτική θεωρία. Θεωρείται ότι , προϋπόθεση για τα χαρακτηριστικά των μελετών που περιλαμβάνονται στο μοντέλο, η κατανομή μεταξύ των μελετών και οι κατανομές των σφαλμάτων δειγματοληψίας είναι κανονικές. Στην πράξη, όμως, τα δείγματα πεπερασμένα, και η υπόθεση της κανονικότητας μπορεί να παραβιαστεί , ενδεχομένως να προκληθούν μεροληπτικές εκτιμήσεις και ακατάλληλα τυπικά σφάλματα. Σε αυτή την εργασία, προτείνουμε μια παραμετρική και δυο μη παραμετρικές μεθόδους bootstrap που μπορούν να χρησιμοποιηθούν για την προσαρμογή των αποτελεσμάτων της μέγιστης πιθανοφάνειας σε μετα-ανάλυση.","In a meta-analysis, the unknown parameters are often estimated using maximum likelihood, and inferences are based on asymptotic theory. It is assumed that, conditional on study characteristics included in the model, the between-study distribution and the sampling distributions of the effect sizes are normal. In practice, however, samples are finite, and the normality assumption may be violated, possibly resulting in biased estimates and inappropriate standard errors. In this master thesis, we propose one parametric and two nonparametric bootstrap methods that can be used to adjust the results of maximum likelihood estimation in meta-analysis."]},{"key":"dc:title","label":"Title","values":["Μετα-ανάλυση με μέθοδο Bootstrap"]}]}],"canonical_facts":{"dc:creator":["Κυρίος Βασίλης"],"dc:date":["2012"],"dc:description":["Σε μια μετα-ανάλυση , οι άγνωστες παράμετροι συχνά υπολογίζονται με μέγιστη πιθανοφάνεια, και τα συμπεράσματα βασίζονται στην ασυμπτωτική θεωρία. Θεωρείται ότι , προϋπόθεση για τα χαρακτηριστικά των μελετών που περιλαμβάνονται στο μοντέλο, η κατανομή μεταξύ των μελετών και οι κατανομές των σφαλμάτων δειγματοληψίας είναι κανονικές. Στην πράξη, όμως, τα δείγματα πεπερασμένα, και η υπόθεση της κανονικότητας μπορεί να παραβιαστεί , ενδεχομένως να προκληθούν μεροληπτικές εκτιμήσεις και ακατάλληλα τυπικά σφάλματα. Σε αυτή την εργασία, προτείνουμε μια παραμετρική και δυο μη παραμετρικές μεθόδους bootstrap που μπορούν να χρησιμοποιηθούν για την προσαρμογή των αποτελεσμάτων της μέγιστης πιθανοφάνειας σε μετα-ανάλυση.","In a meta-analysis, the unknown parameters are often estimated using maximum likelihood, and inferences are based on asymptotic theory. It is assumed that, conditional on study characteristics included in the model, the between-study distribution and the sampling distributions of the effect sizes are normal. In practice, however, samples are finite, and the normality assumption may be violated, possibly resulting in biased estimates and inappropriate standard errors. In this master thesis, we propose one parametric and two nonparametric bootstrap methods that can be used to adjust the results of maximum likelihood estimation in meta-analysis."],"dc:identifier":["uoadl:1318889","https://pergamos.lib.uoa.gr/uoa/dl/object/1318889"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Μετα-ανάλυση με μέθοδο Bootstrap"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:25:31Z"}