Refine
Document Type
- Bachelor thesis (1)
- Doctoral thesis (1)
Has Fulltext
- yes (2)
Is part of the Bibliography
- no (2)
Year of publication
- 2015 (2)
Keywords
- Statistische Analyse (2) (remove)
Die zentrale Aufgabe dieser Arbeit besteht in der deskriptiven Auswertung eines von der AOK-Sachsen-Anhalt zur Verfügung gestellten Datenbestandes unter Anwendung unterschiedlicher Methoden und Analysen.
Dabei liegt der Schwerpunkt der Untersuchungen in der Identifizierung statistischer Auffälligkeiten, deren Entstehungsgründe in ihren geografischen Lagen zu suchen sind.
Das Datenmaterial enthält für das Bundesland Sachsen-Anhalt pseudonymisierte personenbezogene Informationen von ca. 600.000 AOK-Versicherten sowie zusätzliche Angaben über ihre ambulanten Behandlungen und verordneten Medikationen aus dem Jahr 2012.
Die Auswertung der mehreren Millionen Datensätze wird mit Hilfe der freien Statistik-Software R realisiert. Die Programmiersprache R zeichnet sich durch eine Vielzahl an vordefinierten statistischen und grafischen Funktionen, sowie durch die effiziente Verarbeitung von Massendaten für die visuelle Aufbereitung aus.
Zu Beginn werden innerhalb der Einleitung einzelne Fragestellungen formuliert, deren Beantwortung das Hauptziel dieser Arbeit darstellt. Des Weiteren werden in den nachfolgenden Kapiteln einfache statistische Grundlagen vermittelt, sowie eine Einführung in die wichtigsten Befehle und Datenstrukturen der Programmiersprache R gegeben. Anschließend folgt eine detaillierte Beschreibung und Voranalyse des Datenmaterials, bevor mit den auswertenden und explorativen Studien begonnen wird.
The main idea of this paper is to evaluate the performance of the fine resolution CLM model in the state of Brandenburg Germany, create a bias correction method and reanalyze the climate signals of the corrected simulations on projections of the 21st century. The bias correction method is a distribution oriented method and the analysis is mainly focused on the extreme events such as 95 and 5 percentile daily temperatures and 95 percentile daily precipitations in a period of 30 years, but also includes seasonal temperature, daily temperature difference and monthly precipitation to demonstrate the effectiveness of the correction method. The results showed that the correction method was very effective on different variables. After correction, the extreme daily temperature bias was reduced from a cold bias of 1-2K to less than 0.1K. The corrected projection simulations suggested that the extreme temperatures were about to increase both in intensity and in frequency. The extreme precipitation after correction was meant to become more severe and frequent as well.