{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1449584"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1449584","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Κριτήρια Τύπου BIC για την επιλογή μοντέλων με μικτές επιδράσεις και επεκτάσεις","abstract":"Η διπλωματική αυτή εργασία έχει τους εξής σκοπούς : (1) Να παρουσιάσει και να ταξινομήσει διάφορους τύπους μοντέλων μικτών επιδράσεων και να δικαιολογήσει γιατί αυτά υπερέχουν έναντι των αντίστοιχων μοντέλων που δεν περιέχουν στοχαστικό κομμάτι, (2) να συνοψίσει τα γενικά αποτελέσματα των μοντέλων αυτών (π.χ. εκτιμήτριες παραμέτρων ή πιθανοφάνεια), έτσι ώστε κάποιος ενδιαφερόμενος να μπορεί να ανατρέξει άμεσα σε αυτά, αλλά και να αποδείξει τα περισσότερα εξ αυτών των αποτελεσμάτων, (3) να αποτελέσει νοηματική γέφυρα ανάμεσα σε όλα αυτά τα μοντέλα, δείχνοντας ότι δεν υπάρχουν μεγάλες διαφορές ανάμεσα σε μοντέλα μικτών επιδράσεων π.χ. είτε αυτά λειτουργούν σε επίπεδο συστάδων, είτε σε επίπεδο παρατηρήσεων, είτε π.χ. όταν υιοθετούν διαφορετικές συμβάσεις ως προς το τι είναι συμμεταβλητή, (4) να συγκρίνει τρία μπεϋζιανά κριτήρια πληροφορίας (BIC_N,BIC_n_tot,BIC_h), όσον αφορά την ορθότητα στην επιλογή μοντέλων, (5) να δώσει μια σχετικά αναλυτική απόδειξη του τύπου του υβριδικού κριτηρίου (BIC_h). Το συμπέρασμα στο οποίο τελικά καταλήγουμε είναι ότι για σχετικά μεγάλο πλήθος παρατηρήσεων (n) και πλήθος συστάδων (N) το κριτήριο BIC_h υπερέχει των κριτηρίων BIC_N και BIC_n_tot όσον αφορά την σωστή επιλογή μοντέλου. Ο μεγαλύτερος όγκος των τεχνικών αποδείξεων παρατίθεται στο παράρτημα Α' .","abstract_html":"Η διπλωματική αυτή εργασία έχει τους εξής σκοπούς : (1) Να παρουσιάσει και να ταξινομήσει διάφορους τύπους μοντέλων μικτών επιδράσεων και να δικαιολογήσει γιατί αυτά υπερέχουν έναντι των αντίστοιχων μοντέλων που δεν περιέχουν στοχαστικό κομμάτι, (2) να συνοψίσει τα γενικά αποτελέσματα των μοντέλων αυτών (π.χ. εκτιμήτριες παραμέτρων ή πιθανοφάνεια), έτσι ώστε κάποιος ενδιαφερόμενος να μπορεί να ανατρέξει άμεσα σε αυτά, αλλά και να αποδείξει τα περισσότερα εξ αυτών των αποτελεσμάτων, (3) να αποτελέσει νοηματική γέφυρα ανάμεσα σε όλα αυτά τα μοντέλα, δείχνοντας ότι δεν υπάρχουν μεγάλες διαφορές ανάμεσα σε μοντέλα μικτών επιδράσεων π.χ. είτε αυτά λειτουργούν σε επίπεδο συστάδων, είτε σε επίπεδο παρατηρήσεων, είτε π.χ. όταν υιοθετούν διαφορετικές συμβάσεις ως προς το τι είναι συμμεταβλητή, (4) να συγκρίνει τρία μπεϋζιανά κριτήρια πληροφορίας (BIC_N,BIC_n_tot,BIC_h), όσον αφορά την ορθότητα στην επιλογή μοντέλων, (5) να δώσει μια σχετικά αναλυτική απόδειξη του τύπου του υβριδικού κριτηρίου (BIC_h). Το συμπέρασμα στο οποίο τελικά καταλήγουμε είναι ότι για σχετικά μεγάλο πλήθος παρατηρήσεων (n) και πλήθος συστάδων (N) το κριτήριο BIC_h υπερέχει των κριτηρίων BIC_N και BIC_n_tot όσον αφορά την σωστή επιλογή μοντέλου. Ο μεγαλύτερος όγκος των τεχνικών αποδείξεων παρατίθεται στο παράρτημα Α&#x27; .","abstract_has_math":false,"creators":["Καραλέκας Ελευθέριος","Karalekas Eleftherios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2017,"date_issued":"2017","date_published":"2017","updated_at":"2026-11-19T05:28:11Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1449584"],"render_values":[{"text":"uoadl:1449584","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1449584","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1449584","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%3A1449584","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Καραλέκας Ελευθέριος","Karalekas Eleftherios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2017"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"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:1449584","https://pergamos.lib.uoa.gr/uoa/dl/object/1449584"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η διπλωματική αυτή εργασία έχει τους εξής σκοπούς : (1) Να παρουσιάσει και να ταξινομήσει διάφορους τύπους μοντέλων μικτών επιδράσεων και να δικαιολογήσει γιατί αυτά υπερέχουν έναντι των αντίστοιχων μοντέλων που δεν περιέχουν στοχαστικό κομμάτι, (2) να συνοψίσει τα γενικά αποτελέσματα των μοντέλων αυτών (π.χ. εκτιμήτριες παραμέτρων ή πιθανοφάνεια), έτσι ώστε κάποιος ενδιαφερόμενος να μπορεί να ανατρέξει άμεσα σε αυτά, αλλά και να αποδείξει τα περισσότερα εξ αυτών των αποτελεσμάτων, (3) να αποτελέσει νοηματική γέφυρα ανάμεσα σε όλα αυτά τα μοντέλα, δείχνοντας ότι δεν υπάρχουν μεγάλες διαφορές ανάμεσα σε μοντέλα μικτών επιδράσεων π.χ. είτε αυτά λειτουργούν σε επίπεδο συστάδων, είτε σε επίπεδο παρατηρήσεων, είτε π.χ. όταν υιοθετούν διαφορετικές συμβάσεις ως προς το τι είναι συμμεταβλητή, (4) να συγκρίνει τρία μπεϋζιανά κριτήρια πληροφορίας (BIC_N,BIC_n_tot,BIC_h), όσον αφορά την ορθότητα στην επιλογή μοντέλων, (5) να δώσει μια σχετικά αναλυτική απόδειξη του τύπου του υβριδικού κριτηρίου (BIC_h). Το συμπέρασμα στο οποίο τελικά καταλήγουμε είναι ότι για σχετικά μεγάλο πλήθος παρατηρήσεων (n) και πλήθος συστάδων (N) το κριτήριο BIC_h υπερέχει των κριτηρίων BIC_N και BIC_n_tot όσον αφορά την σωστή επιλογή μοντέλου. Ο μεγαλύτερος όγκος των τεχνικών αποδείξεων παρατίθεται στο παράρτημα Α' .","This thesis aspires to fulfill the following : (1) To present and classify various types of Mixed Effects Models, but to also justify why these models outperform their Fixed Effects counterparts, (2) to summarize and prove the general features of these models (i.e. Likelihood functions, Maximum Likelihood Estimators, Predictors etc.), so that any interested party can immediately retrieve these explicit results, (3) to build a notional bridge across various sorts of Mixed Effects Models and show that there are no significant differences among them (despite the differences in conventions that these models adopt), essentially they are equivalent from a mathematical point of view, (4) to compare three Bayesian Information Criteria (BIC_N,BIC_n_tot,BIC_h), in terms of their performance in choosing correct models, (5) to give a relatively rigorous proof of the hybrid Bayesian Information Criterion (BIC_h). Ultimately we arrive at the conclusion that for relatively great number of clusters (N) and observations (n), BIC_h outperforms the other two Bayesian Information Criteria (BIC_N and BIC_n_tot) as far as the correct model selection is concerned. The greatest bulk of technical proofs is located in Appendix A'."]},{"key":"dc:title","label":"Title","values":["Κριτήρια Τύπου BIC για την επιλογή μοντέλων με μικτές επιδράσεις και επεκτάσεις"]}]}],"canonical_facts":{"dc:creator":["Καραλέκας Ελευθέριος","Karalekas Eleftherios"],"dc:date":["2017"],"dc:description":["Η διπλωματική αυτή εργασία έχει τους εξής σκοπούς : (1) Να παρουσιάσει και να ταξινομήσει διάφορους τύπους μοντέλων μικτών επιδράσεων και να δικαιολογήσει γιατί αυτά υπερέχουν έναντι των αντίστοιχων μοντέλων που δεν περιέχουν στοχαστικό κομμάτι, (2) να συνοψίσει τα γενικά αποτελέσματα των μοντέλων αυτών (π.χ. εκτιμήτριες παραμέτρων ή πιθανοφάνεια), έτσι ώστε κάποιος ενδιαφερόμενος να μπορεί να ανατρέξει άμεσα σε αυτά, αλλά και να αποδείξει τα περισσότερα εξ αυτών των αποτελεσμάτων, (3) να αποτελέσει νοηματική γέφυρα ανάμεσα σε όλα αυτά τα μοντέλα, δείχνοντας ότι δεν υπάρχουν μεγάλες διαφορές ανάμεσα σε μοντέλα μικτών επιδράσεων π.χ. είτε αυτά λειτουργούν σε επίπεδο συστάδων, είτε σε επίπεδο παρατηρήσεων, είτε π.χ. όταν υιοθετούν διαφορετικές συμβάσεις ως προς το τι είναι συμμεταβλητή, (4) να συγκρίνει τρία μπεϋζιανά κριτήρια πληροφορίας (BIC_N,BIC_n_tot,BIC_h), όσον αφορά την ορθότητα στην επιλογή μοντέλων, (5) να δώσει μια σχετικά αναλυτική απόδειξη του τύπου του υβριδικού κριτηρίου (BIC_h). Το συμπέρασμα στο οποίο τελικά καταλήγουμε είναι ότι για σχετικά μεγάλο πλήθος παρατηρήσεων (n) και πλήθος συστάδων (N) το κριτήριο BIC_h υπερέχει των κριτηρίων BIC_N και BIC_n_tot όσον αφορά την σωστή επιλογή μοντέλου. Ο μεγαλύτερος όγκος των τεχνικών αποδείξεων παρατίθεται στο παράρτημα Α' .","This thesis aspires to fulfill the following : (1) To present and classify various types of Mixed Effects Models, but to also justify why these models outperform their Fixed Effects counterparts, (2) to summarize and prove the general features of these models (i.e. Likelihood functions, Maximum Likelihood Estimators, Predictors etc.), so that any interested party can immediately retrieve these explicit results, (3) to build a notional bridge across various sorts of Mixed Effects Models and show that there are no significant differences among them (despite the differences in conventions that these models adopt), essentially they are equivalent from a mathematical point of view, (4) to compare three Bayesian Information Criteria (BIC_N,BIC_n_tot,BIC_h), in terms of their performance in choosing correct models, (5) to give a relatively rigorous proof of the hybrid Bayesian Information Criterion (BIC_h). Ultimately we arrive at the conclusion that for relatively great number of clusters (N) and observations (n), BIC_h outperforms the other two Bayesian Information Criteria (BIC_N and BIC_n_tot) as far as the correct model selection is concerned. The greatest bulk of technical proofs is located in Appendix A'."],"dc:identifier":["uoadl:1449584","https://pergamos.lib.uoa.gr/uoa/dl/object/1449584"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Κριτήρια Τύπου BIC για την επιλογή μοντέλων με μικτές επιδράσεις και επεκτάσεις"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:28:11Z"}