search query: @keyword gaussinen prosessi / total: 4
reference: 2 / 4
Author: | Kahilakoski, Olli-Pekka |
Title: | Bayesian Regression Analysis of Sickness Absence |
Sairauspoissaolojen bayesilainen regressioanalyysi | |
Publication type: | Master's thesis |
Publication year: | 2011 |
Pages: | [8] + 48 Language: eng |
Department/School: | Lääketieteellisen tekniikan ja laskennallisen tieteen laitos |
Main subject: | Laskennallinen tekniikka (S-114) |
Supervisor: | Lampinen, Jouko |
Instructor: | Vehtari, Aki |
Electronic version URL: | http://urn.fi/URN:NBN:fi:aalto-201207022670 |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark Aalto 830 | Archive |
Keywords: | Bayesian regression modeling Gaussian process generalized linear model sickness absence bayesilainen regressio mallintaminen gaussinen prosessi yleistetty lineaarimalli sairauspoissaolo |
Abstract (eng): | Individual factors associated with sickness absence have previously been studied with generalized linear models. Using Bayesian methods, we compare generalized linear models to Gaussian process models, which are flexible non-linear regression models that allow local changes in the response surface structure. We find Gaussian process models superior for predicting sickness absence with health questionnaire data in a sample of employees of a Finnish company. We also do variable selection for Gaussian process models using Bayesian multiple comparisons. In agreement with previous studies, we find that depression and pain-related impairment at work are associated with increased sickness absence, with a possible saturation effect for depression. |
Abstract (fin): | Gaussiset prosessit ovat epälineaarisia regressiomalleja, joilla voidaan mallintaa paikallisia muutoksia vastepinnan rakenteessa. Sairauspoissaoloihin yhteydessä olevia yksilötekijöitä on aiemmin tutkittu yleistetyillä lineaarimalleilla. Vertaamme tässä työssä gaussisia prosesseja yleistettyihin lineaarimalleihin bayesilaisilla menetelmillä ja havaitsemme, että gaussiset prosessit ennustavat yleistettyjä lineaarimalleja paremmin sairauspoissaoloja terveyskyselyn avulla. Teemme myös muuttujanvalinnan gaussisille prosesseille bayesilaisella monivertailumenetelmällä ja havaitsemme, että masennuksella ja kivun aiheuttamalla työhaitalla on yhteys sairauspoissaoloihin. Tulokset ovat linjassa aiempien tutkimusten kanssa. Lisäksi havaitsemme masennuksella ja sairauspoissaoloilla mahdollisen epälineaarisen, saturoituvan yhteyden. |
ED: | 2011-09-07 |
INSSI record number: 42711
+ add basket
INSSI