VILNIAUS UNIVERSITETAS. Dmitrij Celov LAIKO EILUČIŲ AGREGAVIMAS, DEAGREGAVIMAS IR TOLIMA PRIKLAUSOMYBĖ.
|
|
- Pauline Jefferson
- 5 years ago
- Views:
Transcription
1 VILNIAUS UNIVERSITETAS Dmitrij Celov LAIKO EILUČIŲ AGREGAVIMAS, DEAGREGAVIMAS IR TOLIMA PRIKLAUSOMYBĖ. Daktaro disertacijos santrauka Fiziniai mokslai, matematika (01 P) Vilnius, 2008
2 Disertacija rengta metais Vilniaus universitete. Mokslinis vadovas: Prof. habil. dr. Remigijus Leipus (Vilniaus universitetas, fiziniai mokslai, matematika 01 P) Disertacija ginama Vilniaus universiteto Matematikos mokslo krypties taryboje: Pirmininkas: Prof. habil. dr. Vygantas Paulauskas (Vilniaus universitetas, fiziniai mokslai, matematika 01 P) Nariai: Prof. habil. dr. Vydas Čekanavičius (Vilniaus universitetas, fiziniai mokslai, matematika 01 P) Prof. habil. dr. Donatas Surgailis (Matematikos ir informatikos institutas, fiziniai mokslai, matematika 01 P) Doc. dr. Marijus Radavičius (Matematikos ir informatikos institutas, fiziniai mokslai, matematika 01 P); Dr. Marijus Vaičiulis (Šiaulių universitetas, fiziniai mokslai, matematika 01P); Oponentai: Prof. habil. dr. Liudas Giraitis (Queen Mary koledžas, Londono universitetas, fiziniai mokslai, matematika 01 P) Prof. habil. dr. Alfredas Račkauskas (Vilniaus universitetas, fiziniai mokslai, matematika 01 P) Disertacija bus ginama viešame Matematikos mokslo krypties tarybos posėdyje 2008 m. spalio 10 d. 15 val., Vilniaus universiteto Matematikos ir informatikos fakulteto 103 auditorijoje. Adresas: Naugarduko g. 24, LT-03225, Vilnius, Lietuva. Disertacijos santrauka išsiuntinėta 2008 m. rugsėjo mėn. d. Su disertacija galima susipažinti Vilniaus universiteto bibliotekoje.
3 VILNIUS UNIVERSITY Dmitrij Celov TIME SERIES AGGREGATION, DISAGGREGATION AND LONG MEMORY. Summary of Doctoral Dissertation Physical Sciences, Mathematics (01 P) Vilnius, 2008
4 The scientific work was carried out during at Vilnius University. Scientific supervisor: Prof. Dr. Habil. Remigijus Leipus (Vilnius University, Physical Sciences, Mathematics 01 P) The Council: Chairman: Prof. Dr. Habil. Vygantas Paulauskas (Vilnius University, Physical Sciences, Mathematics 01 P) Members: Prof. Dr. Habil. Vydas Čekanavičius (Vilnius University, Physical Sciences, Mathematics 01 P) Prof. Dr. Habil. Donatas Surgailis (Institute of Mathematics and Informatics, Physical Sciences, Mathematics 01 P) Doc. Dr. Marijus Radavičius (Institute of Mathematics and Informatics, Physical Sciences, Mathematics 01 P) Dr. Marijus Vaičiulis (Siauliai University, Physical Sciences, Mathematics 01 P) Opponents: Prof. Dr. Habil. Liudas Giraitis (Queen Mary College, University of London, Physical Sciences, Mathematics 01 P) Prof. Dr. Habil. Alfredas Račkauskas (Vilnius University, Physical Sciences, Mathematics 01 P) The dissertation will be defended at the public meeting of the Council on October 10, 2008, in Vilnius University, Department of Mathematics and Informatics at Address: Naugarduko Str. 24, LT-03225, Vilnius, Lithuania. The summary of the dissertation was distributed on September, The dissertation is available at the library of Vilnius University.
5 Disertacinio darbo aprašymas Mokslinė problema ir jos aktualumas Su laiko eilučių agregavimu, agreguotais duomenimis nuolat susiduriama įvairiose srityse, įskaitant taikomuosius uždavinius sociologijoje, hidrologijoje, statistikoje, makroekonomikoje, ekonometrijoje. Praktiškai sprendžiamų agregavimo uždavinių spektras yra labai platus. Agregavimo tematikoje išskiriami tiesinis ir netiesinis, didelio ir mažo kiekio laiko eilučių agregavimas, agregavimas erdvėje ir laike, taip pat sutinkamas agregavimas kartu erdvėje ir laike. Praktiškai galima nagrinėti bet kurio vienamačio ar daugiamačio laiko eilučių modelio agregavimą. Pavyzdžiui, pastaruoju metu populiarėja aktualių finansų matematikoje sąlyginio heteroskedastiškumo modelių agregavimas (Zaffaroni (2006), Giraitis ir kt. (2008)), nagrinėjami sudėtingesnės erdvinės koreliacijos modeliai (Giacomini ir Granger (2004)). Istoriškai (Gorman (1953), Klein (1954), Theil (1954), Grunfeld ir Griliches (1960), Ando (1970)) agregavimo problematika suskyla į du atskirus, tačiau glaudžiai susijusius agregavimo bei modelio parinkimo uždavinius. Pirmasis uždavinys tyrinėja atvejus, kuomet makro lygmens modeliai gali suteikti interpretuotiną informaciją apie mikro lygmens procesų savybes. Kita šios problematikos kryptis yra agreguotų laiko eilučių modelių savybių analizė, kai pastarosios gaunamos, pavyzdžiui, iš daugelio atskirų modelių su žinoma struktūra (Granger (1980)). Antrasis, modelio parinkimo, uždavinys susiveda į mikro ar makro lygmens modelio specifikacijos parinkimo dilemą, kurios esmė gauti optimalias (pavyzdžiui, vidutinio kvadratinio nuokrypio prasme) agreguotų duomenų prognozes. Naujas susidomėjimo agregavimo problematika etapas prasidėjo Robinson o (1978) bei Granger io (1980) darbais, kuriuose buvo parodyta, kad begalinio kiekio pirmos eilės autoregresijos (žymima AR(1)) artimos priklausomybės (procesų su eksponentiškai gęstančiomis autokovariacijomis) modelių su atsitiktinių parametrų pasiskirsčiusių pagal Beta skirstinį vienalaikis agregavimas gali generuoti tolimos priklausomybės (modelis su absoliučiai nesumuojamomis autokovariacijomis) Gauso stacionarų procesą. Vėliau ši agregavimo schema buvo apibendrinta tiek diskretaus laiko atveju (Oppenheim ir Viano (2004), Zaffaroni (2004) bei kiti darbai) tiek ir tolydaus laiko atveju (Anh ir kt. (2004), Barndorff-Nielsen (2001), Oppenheim ir Viano (2004)). 5
6 Tokiu būdu, agregavimas viena vertus supaprastina, bet kartu ir komplikuoja agreguotų procesų struktūrą agreguojamų procesų atžvilgiu: netiesinius sąryšius paverčia tiesiniais, eliminuoja erdvines agreguojamų procesų tarpusavio koreliacijas, agregavimas laike veikia modelio parametrus, sudėtingiau susieja paklaidas per didesnės eilės slenkamojo vidurkio procesą ir pan. Visa tai lemia agreguotų procesų charakteristikas: autokovariacinę struktūrą, kointegruotumą, priežastingumą, gali atsirasti minėtas tolimos priklausomybės efektas. Taip pat iš pateiktų pavyzdžių seka, kad agreguoto proceso savybės bendrai skiriasi nuo agreguojamų procesų savybių, o tai savo ruožtu ir sudaro (de)agregavimo problematikos esmę. Siekiant surišti makro stebėjimus ir mikro lygmens modelius, išspręsti agregavimo sąlygotus sunkumus, aktualu nustatyti atvejus, kuomet egzistuoja atvirkštinio, deagregavimo uždavinio sprendinys. Pastarąjį išspręsti pavyksta prie tam tikrų modelinių prielaidų, pavyzdžiui, tai įmanoma padaryti tiesiškai agreguojant disertacijoje nagrinėjamus AR(1) modelius. Pažymėtina, kad AR(1) (de)agregavimo schema iš tiesų yra gana paplitęs ekonomikos taikymų atvejis. Taip yra todėl, kad dažnai mikroekonominius elgsenos sąryšius pavyksta gana tiksliai aproksimuoti modeliais su paskirstytais pavėlinimais (angl., autoregressive distributed lags models, žymima ARDL), kuriuos, dėl Koyck (1954) tipo transformacijos (adaptyvieji lūkesčiai, dalinio prisitaikymo modeliai, paklaidų korekcijos ir t.t.), galima pateikti AR(1) formoje, su gal būt egzogeniniais veiksniais. Be to, AR(1) modelis gana dažnai empiriškai pagrįstas kaip tinkama mikro lygmens atsitiktinių procesų stacionarios dalies aproksimacija. Tačiau net ir šiuo, paprasčiausiu atveju, egzistuoja keletas priklausančių nuo daromų mikro lygmens prielaidų būdų išspręsti deagregavimo uždavinį. Kadangi a priori sudėtinga ką nors teigti apie šių metodų empirinį adekvatumą, aktualu palyginti juos, esant skirtingoms modelinėms situacijoms, ištirti jų stabilumą (robastiškumą) kai agregavimo prielaidos yra pažeidžiamos. Bet iš pradžių svarbu nusakyti priemones, kurių pagalba nagrinėjami deagregavimo uždaviniai. Disertacijoje analizuojamo AR(1) deagregavimo uždavinio mikro lygmens laiko eilutes patogu nusakyti dvigubu stochastiniu procesu, kuriame ir triukšmo (inovacijų) komponentė, ir proceso parametrai yra atsitiktiniai. Sprendžiamo uždavinio esmė stebint tik agreguotus duomenis, įvertinti atsitiktinių parametrų bendrą skirstinį (tankį). Tokia uždavinio 6
7 formuluotė skiriasi, pavyzdžiui, nuo Robinson (1978), kur deagregavimas vyksta panelinių (mikro lygmens) duomenų kontekste. Atsižvelgiant į tai, kad paneliniai duomenys dažnai nėra prieinami, darbas su makro lygmens duomenimis lieka vienintelė empirinė alternatyva. Įvairius šio, ir jo atskiro atvejo AR(1) (de)agregavimo schemos uždavinio aspektus tarp kitų nagrinėjo Dacunha-Castelle, Oppenheim (2001), Dacunha- Castelle, Fermin (2006), Leipus ir kt. (2006), Chong (2006). Disertacijoje tirinėti uždaviniai iš esmės pratęsia ir papildo šiuos palyginus naujus deagregavimo tematikoje rezultatus. Tyrimo objektai Disertacijoje nagrinėjami du AR(1) modelio tiesinio agregavimo atvejai: modeliai su ir be bendrų inovacijų. Analizuojami trys alternatyvūs deagregavimo būdai: parametrinis Chong metodas, paremtas polinominio tankio prielaida; semiparametrinis LOPV metodas, paremtas maišančiojo tankio išdėstymu Gegenbauer io polinomais; ir disertacijoje siūlomas šių metodų idėjomis pagrįstas hibridinis plėtinys. Kartu nagrinėjamos kai kurios LOPV įvertinio statistinės savybės. Tikslas ir uždaviniai Pagrindinis disertacinio darbo tikslas yra dar nenagrinėtų LOPV įvertinio statistinių savybių tyrimas bei jo empirinis pritaikymas realiems makroekonominiams duomenims. Darbo atlikimo metu buvo suformuluoti uždaviniai susiję su maišančiojo tankio konstravimu iš elementarių tankių; LOPV įvertinio asimptotinio normališkumo įrodymu; LOPV įvertinio tyrimu, esant agregavimo schemos prielaidų pažeidimams. Kartu su teoriniais rezultatais taikomieji uždaviniai apima LOPV įvertinio ir jo alternatyvų imitacinius eksperimentus, visuminio vartojimo deagregavimą G7 šalims, maišančiųjų tankių konstravimo pavyzdžius. 7
8 Naujumas Mokslinių darbų originalumas ir naujumas yra susijęs su formuluojamomis užduotimis: sprendžiami uždaviniai yra aktualus dar nenagrinėti laiko eilučių agregavimo, deagregavimo ir tolimos priklausomybės kontekste, be to darbo rezultatai yra naudingi ir realiuose taikymuose. Tyrimų metodika Asimptotiniam normališkumui (žymima a.n.) įrodyti naudojami fundamentalūs Bhansali ir kt. (2006) tiesinių procesų kvadratinėms formų a.n. rezultatai. Disertacijoje taikomi įvairūs laiko eilučių analizės, bendros tikimybių teorijos ir matematinės statistikos metodai. Empirinėje dalyje esminiai teoriniai faktai tikrinami Monte Carlo imitacinių eksperimentų pagalba. Darbo struktūra Disertacinis darbas sudarytas iš įvado, apžvalginio skyriaus, kurių paskirtis supažindinti skaitytojus su nagrinėjama problematika. Toliau eina trys skyriai su pagrindiniais rezultatais, išvados ir publikacijų sąrašas. Disertacija parašyta anglų kalba. Bendra darbo apimtis 107 puslapiai. Darbo apžvalga ir svarbiausi rezultatai Darbo įvadas trumpai supažindina su laiko eilučių agregavimo bei deagregavimo problematika, pagrindžia atskiro (tiesinio didelio kiekio autoregresijos pirmos eilės (žymima AR(1))) laiko eilučių agregavimo uždavinio praktinę bei teorinę svarbą bei aktualumą. Teorinė darbo nauda seka iš naujų rezultatų susijusių su deagregavimo į AR(1) Leipaus ir kt. (2006, toliau LOPV) įvertinio statistinėmis savybėmis, atsitiktinio autoregresijos parametro maišančiojo tankio išreikštinio pavidalo radimu bei jo analize. Praktiniai poreikiai matyti deagregavimo uždavinius taikant realiems (makroekonominiams) duomenims. Pirmame, Agregavimo ir deagregavimo uždavinių apžvalgos, skyriuje pateikiami įvairūs (de)agregavimo uždavinių aspektai. Pati apžvalga susideda iš trijų dalių, kuriose akcentuojama po vieną iš disertacijos pavadinime atspindėtų temų. Pirmoje apžvalgos dalyje nagrinėjami įvairūs 8
9 agregavimo klausimai: klasifikavimas, tipai, individualių procesų prielaidos, agreguoto proceso apibrėžimai. Schematiškai agregavimo klausimų įvairovė iliustruojma 1 paveiksle. Mažo kiekio Laike Erdvinis Tipas Didelio kiekio Laike ir erdvėje Tiesiniai Tiesinis Netiesiniai Heterogen. šaltiniai Įvestys Individ. procesai Sąl. heterosk. Funkcionalai Initial DCC Agregavimas formulation E H t = D DCC t R t D t E Dvigubai stoch. Agregav. funkcionalas Netiesinis Parametrai Metodai Deterministinis Prognozavimo Stochastinis 1 pav.: Pagrindiniai agregavimo aspektai. Apžvalgoje pažymėta, jog bet kuri agregavimo schema prasideda nuo mikro lygmens procesų ekonometrinio modelio specifikacijos, kurią patogu nagrinėti gana abstrakčiame vektoriniame pavidale, čia toliau visur y žymi realių skaičių vektorių iš R s. Tiesioginis agregavimo uždavinys iškyla mikrolygio elgsenos (idiosinkratinėse) lygtyse y it = f i (x it, u it, θ i ), i = 1, 2,..., N, t = 1, 2,..., T ; esant duomenų heteroskedastiškumo šaltiniams: veiksnių (x it ) bei inovacijų (u it ) įvestyse, modelio parametruose (θ i ) arba funkcinėje formoje (f it ). Agregavimas šiame kontekste suprantamas kaip nurodytų laiko eilučių y it sumavimas arba (dažniausiai) vidurkinimas. Tegul Y t = N 1 N i=1 y it žymi individualių procesų populiacijos vidurkį. 9
10 Skirtingi reikalavimai (iki)ribiniam agreguotam procesui, kai N arba N yra baigtinis, duoda tris pagrindinius agreguoto proceso apibrėžimus (žr. Pesaran (2002)): 1. griežtasis arba deterministinis (Gorman (1953), Klein (1954), Theil (1954)), kai agregavimo funkcija bet kuriai realizacijai tiksliai atitinka agregavimo rezultatą, kitaip sakant F (X t, U t, θ a ) N 1 N f it (x it, u it, θ i ) = 0, i=1 čia X t = N 1 N i=1 x it, U t = N 1 N i=1 u it, o a b yra atitinkamas atstumo tarp a ir b matas. Šis reikalavimas yra labai griežtas, jis negalioja jau netiesiniams kintamuosiuose, bet gal būt tiesiniams parametruose, modeliams (tokiems kaip, pavyzdžiui, log log regresijos); 2. statistinis arba stochastinis (Kelejan (1980), Stocker (1984), Lippi (1988), Lewbel (1994)) išsprendžia deterministinio metodo nelogiškumą, kuomet atstumo sąlyga turi būti išpildyta kiekvienai realizacijai, nepaisant jos tikimybės įvykti. Pagal šį apibrėžimą agreguotas procesas seka iš bendro mikro lygmens procesų skirstinio P (x t, u t, θ; φ t ) ir atitinkamo sąryšio tarp empirinių vidurkių (µ y (t) ir µ x (t)). Nors stochastinis agreguoto proceso apibrėžimas yra pranašesnis nei deterministinis, jis vis tiek gana griežtas, kad tiktų daugumai ekonominės analizės uždavinių; 3. silpnasis arba optimalios prognozės (Garderen ir kt. (2000), Pesaran (2002)) metodas išsprendžia ir stochastinio metodo neadekvatumo problemą. Iš tikrųjų pakanka, kad bet kuriai realizacijai agregavimo funkcija minimizuotų atitinkamą atstumą (sąlyginio vidurkio prasme, informacijos Ω t atžvilgiu) iki agreguojamų procesų vidurkio, kitaip sakant agreguotas procesas būtų optimali prognozė. Svarbu, kad šis metodas reikalauja mažiausiai iš individualių procesų, pavyzdžiui, jis bendrai tinkamas ir priklausomų, ir netiesinių procesų agregavimui. Kita reikšminga apžvalgos dalis skiriama agregavimo tipų aptarimui ir pavyzdžiams. Pagrindiniai agregavimo tipai: mažo ir didelio kiekio agregavimas erdvėje, agregavimas laike, bei agregavimas kartu laike ir erdvėje. Disertacijoje akcentuojamas tiesinis didelio kiekio agregavimas 10
11 erdvėje, kuris yra pristatomas atskirai, iš pradžių trumpai aprašomi kiti agregavimo tipai. Mažo kiekio agregavimo analizė leidžia geriau suvokti, kas darosi su atskirų, nebūtinai vienodos struktūros, procesų suma (vidurkiu). Svarbus laiko eilučių kontekste autoregresijos slenkamų vidurkių (ARMA) procesų agregavimo pavyzdys seka iš Granger ir Morris (1976) teoremos, pagal kurią dviejų ARMA(p j, q j ), j = 1, 2 suma sąlygoja ARMA(m, n) su m p 1 +p 2 ir n max{p 1 +q 1, p 2 +q 1 }. Panašiai agreguojant N AR(1) procesų galime gauti ARMA(n, n 1), n N. Tam tikrais atvejais, kai N tolsta begalybėn, tai gali reikšti daug sudėtingesnę modelio struktūrą ir savybes skirtingas nei agreguojamų laiko eilučių savybės. Agregavimas laike. Kitas agregavimo tipas agregavimas laike sutelkia dėmesį į sąryšius tarp aukšto dažnio (deagreguoto), žymimo y t, ir žemo dažnio (agreguoto), žymimo yt ir stebimo laiko momentais (k, 2k, 3k...) kažkokiam sveikam k; laiko eilučių modelių ir agregavimo poveikį agreguoto proceso savybėms: kointegravimui, priežastingumui Granger io prasme, modelio struktūrai (žr., Granger (1990), Silvestrini ir Veridas (2008) tarp kitų). Aukšto dažnio modelio parametrus galima įvertinti tiksliau, nes įvertinimai remiasi platesne informacijos aibe, todėl svarbu gebėti iš aukšto dažnio modelio išskaičiuoti žemo dažnio modelio parametrus. Agregavimo uždavinio sprendimas remiasi specifinio transformacijos operatoriaus T (L) paieška (Lx t = x t 1 žymi pavėlinimo operatorių). Pažymėtina, kad atvirkštinis uždavinys (kaip iš žemo dažnio modelio parametrų atkurti aukšto dažnio) nėra dar plačiai nagrinėtas. Sprendimas apsunkinamas tuo, kad reikia dirbti su trupmeniniais pavėlinimais (k yra racionalusis), bet pradinė transformacijos operatoriaus T (L) paieškos idėja liktų ir šiuo atveju. Agregavimas kartu laike ir erdvėje iš esmės yra didelio kiekio agregavimo erdvėje ir laike derinys. Disertacijoje pateikiamas subtilesnės erdvinės (angl. spatial) koreliacijos pavyzdys, kuomet tam tikrą atskirą procesą gali veikti ne tik jo praeitis, bet ir artimų kaimynų reikšmės (Giacomini ir Granger, 2004). Apžvalgoje pateiktas erdvinių AR(1,1) modelių agregavimas, kuomet agreguotas procesas, ignoruojant krašto efektus, gaunamas jau be erdvinės koreliacijos. Vadinasi agregavimas, šiuo atveju, supaprastina agreguojamų sąryšių savybes. Sąlyginio heteroskedastiškumo modelių agregavimas. Empiriniai portfe- 11
12 lių grąžų tyrimai finansuose parodė, jog grąžų kvadratai taip pat pasižymi tolimos priklausomybės (nesumuojamų autokovariacijų prasme) savybe. Kadangi iki galo nėra aišku kas yra tolimos priklausomybės priežastis, pastarąją paaiškinti buvo bandoma modeliais su režimų kaita bei tiesiniu sąlyginio heteroskedastiškumo (SH) modelių agregavimu. Pirmi rezultatai, nagrinėjantys ARCH/GARCH modelių agregavimą, atskleidė, kad grąžų kvadratai nepasižymi tolimos priklausomybės savybe (Giraitis ir kt. (2000, 2007), Kazakevičius ir kt. (2004), Zaffaroni (2006)). Kadangi SH modelių aibė yra labai plati, tolesnė paieška leido įrodyti tolimos priklausomybės savybę šiems dviem modeliams: netiesiniam slenkamojo vidurkio modeliui (Robinson ir Zaffaroni (1998)) ir tiesiniam ARCH (LARCH) modeliui (Giraitis ir kt. (2008)). Sekanti apžvalgos dalis bendrame lygyje nagrinėja didelio kiekio tiesinį agregavimą erdvėje, dvigubai stochastinius agreguojamus procesus ir tankių mišinius. Apžvalga remiasi metodais ir apibrėžimais pateiktais Dacunha- Castelle ir kt. (2001, 2006) darbuose. Tegul Y (j) = {Y (j) t (A (j) (ω), ω ), t T }, j N žymi centruotų antros eilės dvigubai stochastinių individualių atsitiktinių procesų aibę, kurios struktūra nusakoma atsitiktiniais parametrais A = {A (j), j N} (ergodinis procesas su tankio funkcija ν), nepriklausomas nuo kito atsitiktinumo šaltinio (modelio inovacijų). Tegul X (N) (A) = {X (N) t, t T } yra procesų {Y (j) } dalinių sumų seka X (N) t (A) = 1 N Y (j) t (A (i) ), BN i=1 čia B N normuojanti realių skaičių seka: B N, kai N. Tuomet agreguotas procesas yra toks, kad bet kokiai Y realizacijai, dalinių sumų seka {X (N) t (A)} konverguoja ν beveik tikrai į procesą X. Pažymėtina, kad agregavimo ir deagregavimo užduotys praktiškai sprendžiama tik specifinėse procesų klasėse. Žinomi pavyzdžiai yra p-os eilės autoregresinių procesų AR(p) ir jų tolydieji analogai p-os eilės Ornstein- Ulenbeck OU(p) procesai (žr. Oppenheim ir Viano (1999, 2004)). Analizuojant šiuos atvejus išskiriamos dvi situacijos: nepriklausomi individualūs procesai atvejis be bendru inovacijų (B N = O(N)); su bendromis inovacijomis η = {η t, t T } nepriklausomomis nuo atsitiktinių parametrų (B N = O(N 2 )). Pagrindinis dvigubų stochastinių procesų analizės įrankis yra tankių mišiniai. Tegul g(λ, y), λ [ π, π], y R s yra spektrinių tankių šeima ir 12
13 µ(dy) kuris nors teigiamas matas, tuomet f ir g mišinys µ atžvilgiu yra f(λ) = g(λ, y)µ(dy) Rs tada ir tik tada, kai f(λ) yra integruojama Lebego prasme funkcija. Svarbus taikomasis rezultatas yra tai, kad, anot Dacunha-Castelle ir kt.: bet kuris tankių mišinys gali būti interpretuojamas kaip kurio nors agregavimo rezultatas. Tokiu būdu, agreguoto proceso X deagregavimo uždavinio sprendimas glaudžiai susijęs su tankių mišinių egzistavimu. Šis tvirtinimas yra centrinis deagregavimo apžvalgos dalyje, o bendrasis X deagregavimo į kurią nors klasę uždavinys ekvivalentus tam ar gali agreguoto proceso spektrinis tankis f būti išreiktas per tam tikrą mišinį. Paminėtina, kad jei modelis turi bendras inovacijas, tai už bendras inovacijas atsakingos spektrinio tankio dalies dekompozicija yra kiek kitokia: F c (λ) = R s h(λ, y)µ(dy) Toliau agregavimo, deagregavimo apžvalga iliustruojama autoregresinių pasiskirsčiusių pavėlinimų (ARDL) modelių su Koyck (1954) pavėlinimų struktūra agregavimo pavyzdžiu. Individualūs procesai aprašomi lygtimis 2. Y (j) t = a (j) Y (j) t 1 + b (j) X (j) t + u (j) t, j N, t Z, čia ir toliau Y (j) t j-ojo individo charakteristika; u (j) t 0; η t individualiems procesams bendros inovacijos, ε (j) t = ρ (j) η t +ε (j) t, ρ (j) individualios mikro lygmens inovacijos, sudarančios stipriąją balto triukšmo seką 1, (a (j), b (j) ) absoliučiai tolydūs atsitiktiniai (bendrai priklausomi) parametrai, nepriklausomos atsitiktinio vektoriaus (a, b) kopijos, a < 1. Laikoma, kad atsitiktiniai dydžiai (a, b), ε (j) t ir η t yra nepriklausomi. Atskiras ARDL atvejis yra disertacijoje nagrinėjamos AR(1) (de)agregavimo schemos (b (j) 0). Svarbi ARDL agregavimo išvada yra, kad jei a ir b nepriklausomi, o agreguotas procesas apgręžiamas, tai autoregresinio parametro a momentai gaunami iš AR( ) reprezentacijos per atitinkamus rekurentinius sąryšius E(a s ) = s 1 r=0 E(a r )c s r. Disertacijos analizuojami deagregavimo metodai taip pat pasinaudoja šia momentų rekurentine išraiška. Paskutinioji apžvalgos dalis supažindina su stacionarių procesų tolimos 1 Stipriuoju baltu triukšmu disertacijoje vadinama vienodai pasiskirsčiusių atsitiktinių dydžių seka ε t, t Z su vidurkiu Eε t = 0 ir dispersija Eε 2 t = 1. 13
14 priklausomybės esminiais aspektais. Pirmiausiai, pastebėta, kad tolima priklausomybė (angl. long memory, žymėsime LM) nusakoma įvairiais, bendrai neekvivalenčiais apibrėžimais: absoliučiai nesumuojama autokovariacija ( h= σ(h) = ); hiperboliškai gęstančios autokovariacijos (σ(h) h 2d 1 l 1 (h)); spektrinio tankio elgsena nulio aplinkoje (f(λ) λ 2d l 2 (1/ λ )); Wold o išdėstymo koeficientų elgsena (ψ j j d 1 l 3 (j)). Čia visur l ( ) yra lėtai kintanti funkcija ( c > 0, l (cx)/l (x) 1, kai x ), o už priklausomybės tipą atsakingas parametras d (0, 1/2), esant tolimai priklausomybei. Apžvalga baigiama trupmeniniais FARIMA ir ARUMA modeliais. Pastarasis modelis iš esmės yra FARIMA modelio apibendrinimas, kuomet leidžiamos bet kokios autoregresinio polinomo šaknys vienetiniame apskritime (Giraitis ir Leipus (1995), Oppenheim ir Viano (1995)). Tarp kitų įrodytų faktų darbuose parodyta, jog trupmeninio ARUMA modelio autokovariacijos elgiasi hiperboliškai: σ(h) h 2d 1 β(h), čia β(h) sinusoidų suma, d < 1/2. Tokiu būdu, trupmeninis ARUMA gali pasižymėti tolimos priklausomybės savybe. Antrajame, AR(1) procesų agregavimas ir deagregavimas, skyriuje išsamiau analizuojamos AR(1) agregavimo schemos, pristatomi deagregavimo metodai, išnagrinėtas maišančiųjų tankių konstravimo metodas. Jei ARDL lygtyse reakcijos į bendrų inovacijų pasikeitimus yra homogeniškos (ρ (j) 1, j N), ir nėra egzogeninių veiksnių (b (j) 0, j N), tai AR(1) dinamika nusakoma sekančiomis lygtimis Y (j) t = a (j) Y (j) t 1 + η t + ε (j) t, t Z, j N. Toliau nagrinėjami trys deagregavimo alternatyvos, kurių agregavimo schemų prielaidos papildomos reikalavimais autoregresinio parametro a tankiui ϕ(x). Pirmasis Chong (2006) siūlomas ϕ(x) vertinimo metodas remiasi prielaida, jog ieškoma tankio funkcija nusakoma m-os eilės polinomu ϕ(x) = m c s x s 1 x [0,1), ϕ(x) 0, s=0 1 0 ϕ(x)dx = m s=0 c s s + 1 = 1, 14
15 todėl vertinimui galima panaudoti baigtinį skaičių polinominio tankio empirinių momentų (E(a r ) = m c s s=0 s+r+1, r = 0,..., m, su c s AR( ) išdėstymo autoregresijos parametrais). Iš teigiamų metodo savybių išskirtinas jo realizavimo paprastumas (pasinaudojama AR( ) išdėstymo koeficientų ir a momentų rekurentiniais sąryšiais), multimodalumo savybė; tarp neigiamų prastesnė aproksimacija už tolimą priklausomybę atsakingų tankio taškų aplinkose. Antroji siūloma deagregavimo schema, Leipaus ir kt. (2006) darbo atvejis be bendrų inovacijų (η t 0), remiasi AR(1) parametro skirstinio tankio aproksimavimu ortogonaliaisiais Gegenbauerio (ultrasferiniais) polinomais. Leipaus ir kt. (2006, žymėsime LOPV) darbe nagrinėjama individualių procesų lygtis, nusakoma AR(1) procesu su atsitiktiniu parametru a (j), kurio (maišantysis, angl. mixture) tankis ϕ(x) turi semiparametrinį pavidalą ϕ(x) = (1 x) 1 2d 1 (1 + x) 1 2d 2 ψ(x), 0 < d 1, d 2 < 1/2, čia ψ(x) neneigiama ir tolydi taškuose ±1 funkcija, tokia kad ψ(±1) 0, o ϕ(x) yra tikimybinis tankis. Be to įvedama papildoma sąlyga, kad E[1/(1 a 2 )] <. Iš viso sąlygų komplekto išplaukia, kad AR(1) lygtys turi stacionarų sprendinį. Be to, remiantis Oppenheim ir Viano (2004), dalinių sumų seka X (N) t = 1 Nj=1 N Y (j) t, t Z silpnai konverguoja į Gauso (agreguotą) procesą {X t, t Z}, kai N. Remiantis ϕ(x) apibrėžimu, nesunku rasti agreguoto proceso X t kovariacinę funkciją ir spektrinį tankį, kurie sutampa su Y (j) t kovariacine funkcija bei spektriniu tankiu ir yra lygūs atitinkamai: σ(h) = σ 2 ε 1 f(λ) = σ2 ε 1 2π 1 1 x h ϕ(x) dx, h Z; 1 x2 ϕ(x) dx, λ [ π, π]. 1 xe iλ 2 Pastebėtina, kad agreguotas procesas turi tolimos priklausomybės savybę ( h= σ(h) = prasme) tada ir tik tada, kai 1 ϕ(x) 1 (1 x 2 ) dx =, 2 kas ekvivalentu tam kad bent vienas iš ϕ(x) parametrų d 1 arba d 2 yra iš intervalo (0, 1/2). Nežinomam (maišančiajam) tankiui ϕ(x) įvertinti, kai stebimi agreguoti dydžiai X 1,..., X N, o individualūs procesai AR(1) nestebimi, LOPV 15
16 pasiūlė pasinaudoti pagalbine funkcija ζ(x) := esant išpildytai sąlygai ϕ(x) (1 x 2 ) α, α > 1, kuri, 1 1 ϕ 2 (x) dx <, (1) (1 x 2 ) α priklauso klasei L 2 (ω (α) ), kur ω (α) (x) = (1 x 2 ) α ir todėl gali būti išskleista standartizuotais α-gegenbauerio (ultrasferiniais) polinomais, t.y. ζ(x) = k=0 ζ k G (α) k (x) su koeficientais ζ k = k j=0 g (α) 1 1 k,j ϕ(x)x j dx = kj=0 g (α) k,j (σ(j) σ(j + 2)), k 0. Čia g (α) k,j yra α-gegenbauerio daugianario G (α) k (x) = k j=0 g (α) k,j x j koeficientai. Tuomet maišantįjį tankį ϕ(x) natūralu vertinti σ(j) kovariacijas pakeičiant jų empiriniais analogais ( σ n (j) = n 1 n j i=1 X i X i+j ): ϕ n (x) = (1 x 2 ) α K n k=0 G α k(x) k j=0 g (α) k,j ( σ n (j) σ n (j + 2)). Praktiniam maišančiojo tankio vertinimui taip pat svarbu tinkamai parinkti Gegenbauerio daugianarių skaičių K n, kuris, anot Leipaus ir kt. (2006), neturėtų viršyti (2 log(1 + 2)) 1 log n. Be to vertinimo kokybė priklauso nuo Gegenbauerio parametro α parinkimo. Disertacijoje postuluojama, kad α = min{1 2d 1, 1 2d 2 }, o tolimos priklausomybės parametrus (d 1, d 2 ) galima rasti iš periodogramos. Pastebėtina, kad lyginant su polinomine tankio funkcija, ϕ(x) yra tinkamesnė nagrinėti spektrinio tankio ypatingų taškų aplinką. Tankio vertinimas remiasi tuo, kad individualių procesų bei agreguotos laiko eilutės autokovariacinės struktūros sutampa. Taigi, momentų metodu vertinant tankį momentus galima išreikšti per atitinkamas autokovariacijas. Pažymėtina, kad esant bendroms inovacijoms autokovariacinės struktūros skiriasi, todėl LOPV įvertinys bendrai nėra tinkamas. Galų gale, preliminariais tyrimais buvo parodyta, kad šie du metodai nevienodai gerai tinka įvairioms generuotoms situacijoms, nes Chong o metodas geriau veikia polinominių tankių atveju, o LOPV yra jautrus bendrų inovacijų įtraukimui, disertacijoje siūloma apjungti abiejų metodų idėjas ir nagrinėti šių įvertinių plėtinį toliau vadinamų hibridiniu įvertiniu. Įvertinio konstrukcija remiasi maišančiojo tankio aproksimacija Gegenbauerio polinomais, bet reikalingi a momentai gaunami iš AR( ), kaip Chong o deagregavimo schemoje. 16
17 Antroji šio skyriaus dalis skirta maišančiojo tankio asocijuoto su agreguotų procesų spektrinių tankių sandauga nagrinėjimui. Tegul LOPV agregavimo schemoje turime du agreguotus procesus X 1, X 2 su maišančiais tankiais ϕ 1 ir ϕ 2 asocijuotais su atitinkamais spektriniais tankiais f 1 ir f 2 atitinkamai. Pirmame rezultate (žr. 1 teoremą), kad jei ϕ 1 ir ϕ 2 atramos yra [0,1] ir [-1,0], tai stacionarus Gauso procesas su spektriniu tankiu f(λ) = f 1 (λ)f 2 (λ) taip pat gali būti gautas agreguojant AR(1) su maišančiųjų tankių ϕ ir inovacijų seka ε. 1 teorema Tegul ϕ 1 ir ϕ 2 yra maišantieji tankiai asocijuoti su atitinkamais spektriniais tankiais f 1 ir f 2. Tegul be to supp(ϕ 1 ) [0, 1], supp(ϕ 2 ) [ 1, 0] ir f(λ) = f 1 (λ)f 2 (λ). Tada maišantysis tankis ϕ(x), x [ 1, 1], asocijuotas su f, yra lygus ϕ(x) = 1 0 ϕ 2 (y) ϕ 1 (x) C 1 (1 xy)(1 y/x) dy 1 ϕ 1 (y) + ϕ 2 (x) 0 (1 xy)(1 y/x) dy, (2) čia C := ( ϕ 1 (x)ϕ 2 (y)(1 xy) 1 ) dy dx, o triukšmo dispersija σε 2 = σ2 1,εσ2,εC 2. 2π Kadangi pagrindinis dėmesys sutelkiamas į tankio formą ypatingų taškų aplinkose, reikalingas rezultatas, analizuojantis asocijuoto spektrinio tankio elgseną, kai λ 0 ir kai λ ±π. 2 teiginys Tegul maišantysis tankis ϕ(x) iš LOPV agregavimo schemos, ψ(x) neneigiama [ 1, 1], tolydi taškuose x = ±1, ψ(±1) 0 funkcija. Tada asocijuotam su ϕ(x) spektriniam tankiui f(λ) teisinga: f(λ) f(λ) σεψ(1) 2 2 2d 2+1 sin(πd 1 ) λ 2d 1, λ 0, (3) σεψ( 1) 2 2 2d 1+1 sin(πd 2 ) π λ 2d 2, λ ±π. (4) Pastebėtina, kad šis tvirtinimas nebereikalauja, kad ψ(x) būtų aprėžta intervale [ 1, 1] (Oppenheim ir Viano (2004)), bet leidžia turėti singu- 17
18 liarumo taškus intervalo ( 1, 1) viduje. Gautas rezultatas buvo pritaikytas trupmeninio integruoto proceso (FI(d 1 )) ir sezoninio trupmeninio integruoto proceso (SFI(d 2 )) spektrinių tankių ϕ 1 ir ϕ 2 asocijuotų su atitinkamais spektriniais tankiais f 1 ir f 2 sandaugai. Paminėtina, kad gautoji maišančiojo tankio ϕ(x; d 1, d 2 ) forma išreiškiama per hipergeometrines funkcijas F (a, b, c; x) = Γ(c) 1 Γ(b)Γ(c b) 0 tb 1 (1 t) c b 1 (1 tx) a dt, čia c > b > 0 jei x < 1, be to c a b > 0, jei x = 1. 3 teiginys Maišantysis tankis asocijuotas su f(λ; d 1, d 2 ) = f(λ; d 1 )f(λ; d 2 ) 1 = (2π) 1 2 eiλ 2d e iλ 2d 2, 0 < d 1, d 2 < 1/2 (5) apibrėžtas lygybe ϕ(x; d 1, d 2 ) = C(d 1, d 2 )x d 1 1 (1 x) 1 2d 1 G( x; d 2 )1 [0,1] (x) +C(d 2, d 1 ) x d 2 1 (1 + x) 1 2d 2 G(x; d 1 )1 [ 1,0] (x), (6) čia ( G(x; d) := F 1, d, 2 d; 1 ) xf (1, d, 2 d; x) x ir C(d 1, d 2 ) = (C ) 1Γ(d 2)Γ(2 2d 2 ), Γ(2 d 2 ) C = 1 0 xd 1 1 (1 x) 1 2d 1 (1 + x) 1 0 y d2 1 (1 y) 1 2d 2 (1 + y) 1 + xy dy dx. Triukšmo dispersija yra σ 2 ε = (2π) 1 C C(d 1 )C(d 2 )σ 2 1,εσ 2 2,ε = sin(πd 1) sin(πd 2 )C 2π 3. (7) Dar vienas skyrelio tvirtinimas skirtas ϕ(x; d 1, d 2 ) asimptotio elgesio taškų 0 ir ±1 aplinkoje aprašymui. Iš jo seka, kad lyginant sandaugos ir jos elementų riboje gaunamas išraiškas matyti, kad prie taškų ±1 jos artėja prie atitinkamų FI(d 1 ) ir SFI(d 2 ) maišančiųjų tankių, tačiau 18
19 nulio aplinkoje ϕ(x; d 1, d 2 ) x d 1+d 2 1, abiejų daugiklių parametrai yra svarbūs. Pažymėtina, kad 1 teorema taip pat leidžia sukonstruoti maišantįjį tankį, kai jos spektrinis tankis yra f(λ) = 1 2π (2 sin λ ) 2dg(λ), 0 < d < 1/2, 2 čia g(λ) analizinis spektrinis tankis intervale [ π, π]. Darbas su subtilesniais, nehomogeniniais parametruose AR(1) procesais, tai yra kai a yra konstanta iš intervalo ( 1, 1) nėra toks paprastas, nes maišantysis tankis tuomet išsigimsta į Dirako delta funkciją δ(a). Taigi spektrinių tankių sandaugos maišančiojo tankio konstrukcija, kai vienas iš maišančiųjų tankių daugiklių yra Dirako funkcija kol kas lieka atviru klausimu. Grįžtant prie analizinių funkcijų gauname, kad 4 teiginys Maišantysis tankis ϕ g yra asocijuotas su kažkokiu spektriniu tankiu tada ir tik tada egzistuoja toks 0 < a < 1 kad supp(ϕ) [ a, a ]. Iš šio tvirtinimo ir pirmos teoremos seka agreguotų procesų aibė, kuriems įmanoma įrodyti asimptotinį normališkumą. 5 išvada Tegul with ϕ 1 (x; d) = C(d)x d 1 (1 x) 1 2d (1 + x)1 [0,1] (x) C(d) = 2 2d 2sin(πd) π Γ(3 d) Γ((3/2) d) ir ϕ g (x) yra maišantieji tankiai asocijuoti atitinkamai su FI(d) f(λ; d) = 1 2π 1 eiλ 2d ir analiziniu g(λ) spektriniais tankiais. Tarkime, kad supp(ϕ g ) [ a, 0], 0 < a < 1, ir f(λ) = 1 (2 sin λ ) 2dg(λ). 2π 2 Tada maišantysis tankis ϕ(x), x [ a, 1] yra asocijuotas su f yra 19
20 apibrėžiamas lygybe ϕ(x) = C 1 0 ϕ g (y) ϕ 1 (x; d)) a (1 xy)(1 y/x) dy 1 ϕ 1 (y; d) + ϕ g (x) 0 (1 xy)(1 y/x) dy, (8) čia C := a ϕ 1 (x; d)ϕ g (y) 1 xy dy dx. Trečiame disertacijos skyriuje, LOPV įvertinio asimptotinis normališkumas, pateikti anksčiau įrodytų LOPV įvertinio statistinių savybių apžvalga (konvergavimas erdvėje L 2 (ω (α) ) ir tolygusis konvergavimas) ir pataškinio asimptotinio normališkumo rezultatai. Pastarasis iš esmės remiasi asimptotiniais Bhansali ir kt. (2007) rezultatais tiesinių atsitiktinių procesų kvadratinėms formoms. Norint suformuluoti pagrindinį LOPV įvertinio ˆϕ n (x) asimptotinio normališkumo rezultatą, pirmiausiai tariama, kad X t, t Z turi tokią tiesinę reprezentaciją A prielaida X t, t Z yra tiesinis procesas X t = ψ j Z t j, (9) j=0 čia Z t yra nepriklausomi vienodai pasiskirstę (n.v.p.) nulinio vidurkio atsitiktiniai didžiai su ketvirtu baigtiniu momentu ir koeficientai ψ j tenkina ψ j cj d 1, ψ j ψ j+1 = O(j d 2 ), 0 < d < 1/2 (10) su kažkokia konstanta c 0. Sekanti prielaida nusako, tuos maišančiuosius tankius ϕ(x), kuriems galima įrodyti asimptotinį normališkumą. B prielaida ϕ yra apibrėžtas ϕ(x) = (1 x) 1 2d ψ(x), 0 < d < 1/2, (11) čia ψ(x) neneigiama funkcija supp(ψ) [ 1, 1], tolydi taške x = 1, ψ(1) 0. Iš pastarosios prielaidos seka, jog galima nagrinėti maišančiuosius tankius, 20
21 kurių asocijuoti spektriniai tankiai turi singuliarumo tašką nulyje, bet ne sezoniniuose taškuose ±π. Pagrindinis skyriaus rezultatas yra 6 teorema Tegul X t, t Z yra agreguotas procesas tenkinantis A prielaidą ir turintis maišantįjį tankį atitinkantį B prielaidą. Tarkime kad tenkinama sąlyga (1), be to d ir α tenkina 1/2 < α < 5 2 4d. (12) Tegul K n = [γ log n] su γ tenkinančia 0 < γ < (2 log(1 + 2)) 1( 1 max {α + 4d 3 2, 0 }). (13) Tuomet kiekvienam x ( 1, 1), tokiam, kad ϕ(x) 0, teisinga ˆϕ n (x) E ˆϕ n (x) Var( ˆϕn (x)) d N(0, 1). (14) Svarbi pastaba yra tai, kad vien tik FARIMA(0, d, 0) proceso maišančiojo tankio neužtenka, nes nulio aplinkoje nebebus tenkinama sąlyga (1). Tokiu būdu reikalinga kompensuojanti nulio aplinkoje funkcija, kurios vaidmenį vaidina analizinės funkcijos maišantysis tankis ϕ g (x; κ). Analizuojant teoremos prielaidas matyti, jog viena svarbiausių prielaidų yra agreguoto proceso begalinės eilės slenkamojo vidurkio (MA( )) reprezentacija ir jos koeficientų asimptotinis elgesys. Visų pirma, iš AR(1) agregavimo schemos seka, kad agreguotas procesas turi absoliučiai tolydų spektrinį tankį. Jei kartu jo spektrinis tankis f(λ) tenkina π log f(λ)dλ >, (15) tuomet funkcija π { 1 π h(z) = exp 4π π e iλ } + z e iλ z log f(λ)dλ, z < 1, yra funkcija iš Hardy erdvės H 2, neišsigimusi, kai z < 1 ir f(λ) = h(e iλ ) 2. Tokiu būdu, iš Wold o išdėstymo teoremos išplaukia, kad X t yra grynai nedeterminuotas (reguliarus) atsitiktinis procesas, turintis MA( ) 21
22 reprezentaciją (žr. Anderson (1971, Sk )) X t = ψ j Z t j, (16) j=0 čia koeficientai ψ j gaunami iš normalizuotos funkcijos h(z)/h(0), be to j=0 ψj 2 <, ψ 0 = 1, ir Z t = X t X t, t = 0, 1,... (čia X t yra optimali tiesinė prognozė X t ) yra nulinio vidurkio nekoreliuotas inovacijų procesas su dispersija σ 2 { 1 π } = 2π exp 2π log f(λ)dλ. (17) π Agreguotas procesas yra Gauso, jei inovacijos Z t yra n.v.p. N(0, σ 2 ) atsitiktiniai didžiai. Sekantys du rezultatai skiriami prielaidos B atvejo analizei: pirmajame nurodomos prielaidos prie kurių egzistuoja slenkamojo vidurkio reprezentacija, antrame pateiktas išdėstymo koeficientų asimptotinis elgesys. 7 teiginys Tegul maišantysis tankis ϕ(x) tenkina B prielaidą. Tarkime kad vienas iš dviejų teisinga: arba (i) supp(ψ) = [ 1, 1], ψ(x) ψ(x)(1+x) 2 d 1 tolydi taške 1 ir ψ( 1) 0 su kažkokiu 0 < d < 1/2, arba (ii) supp(ψ) [ a, 1] su kažkokiu 0 < a < 1. Tuomet agreguotas procesas turi slenkamojo vidurkio reprezentaciją (16), kurioje Z t yra Gauso n.v.p. atsitiktiniai dydžiai su nuliniu vidurkiu ir dispersija (17). 8 teiginys Tegul X t, t Z yra agreguotas procesas su spektriniu tankiu f(λ) = f(λ; d)g(λ), (18) čia f(λ; d) yra FARIMA spektrinis tankis arba g(λ) yra analizinio daugiklio spektrinis tankis. Tuomet: (i) jeigu ϕ g (x) asocijuotas su g(λ) tenkina supp(ϕ g ) [ a, 0] su kažkokiu 0 < a < 1, tuomet ϕ(x), asocijuotas su f(λ), tenkina B prielaidą. (ii) X t turi slenkamojo vidurkio reprezentaciją (16), čia Z t yra Gauso 22
23 n.v.p. nulinio vidurkio atsitiktiniai didžiai su dispersija σ 2 { 1 π } { = 2π exp 2π log f(λ)dλ 1 π } = exp π 2π log g(λ)dλ = σ2 g π 2π ir koeficientais ψ j tenkinančiais ψ j k=0 g k Γ(d) j d 1, ψ j ψ j+1 = O(j d 2 ), (19) čia ψ 0 = 1 (g k yra analizinės funkcijos Wold o išdėstymo koeficientai). Tam, kad įrodyti teoremą 6, pasinaudojama Bhansali ir kt. (2007) rezultatu, kuriame nagrinėtos kvadratinės formos Q n,x = n t,s=1 d n (t s)x t X s, čia X t yra tiesiniai procesai tenkinantys A prielaidą, o funkcijos d n (k) tenkina prielaidą: C prielaida Tarkime, kad d n (k) = π π η n(λ)e ikλ dλ su kažkokia lygine funkcija η n (λ), tokia, kad kažkokiam 1 < β < 1 ir skaičių sekai m n 0, teisinga η n (λ) m n λ β, λ [ π, π]. (20) Įveskime matricą E n := (e n (t s)) t,s=1,...,n, kurioje e n (t s) = 2π ir E n 2 = n t,s=1 e 2 n(t s). π π η n(λ)f(λ)e iλ(t s) dλ (21) 9 teorema (Bhansali ir kt. (2007)) Tarkime, kad patenkintos A ir C prielaidos. Jeigu 2d + β < 1/2 ir r n = o( E n ), (22) 23
24 čia r n = tuomet, kai n, teisinga m n n max(0,2d+β), kai 2d + β 0, m n log n, kai 2d + β = 0, (23) Var(Q n,x ) E n 2 ir Q n,x EQ n,x Var(Qn,X ) d N(0, 1). (Čia, jei a n, b n 0, a n b n reiškia, kad C 6 b n a n C 7 b n kažkokioms C 6, C 7 > 0.) Pasinaudojus šiuo kertiniu rezultatu bei keliomis techninėmis lemomis yra įrodomas pagrindinis skyriaus rezultatas 6 teorema. Paskutiniame skyriuje, Imitaciniai eksperimentai ir empiriniai taikymai, teoriniai rezultatai pirmiausiai palyginami Monte Carlo imitacinių eksperimentų pagalba. Atliekami du eksperimentai: modeliuoti asimptotinio normališkumo atvejai ir kelios situacijos su alternatyviais deagregavimo metodais. Paskutiniame skyrelyje pateikiama visuminio vartojimo alternatyvių deagregavimo metodų palyginimo analizė G7 šalims. Pirmame imitaciniame eksperimente yra analizuojamos sekančios dvi maišančiųjų tankių šeimos ϕ(x) = wϕ 1 (x) + (1 w)ϕ 2 (x), 0 < w < 1 : Beta-tipo maišantieji tankiai ϕ 1 (x) x p 1 1 (1 x) q [0,1] (x), p 1 > 0, q 1 > 0, ϕ 2 (x) x p 2 1 (a + x) q [ a,0](x), p 2 > 0, q 2 > 0, 0 < a < 1; (Beta ir tolygaus)-tipo maišančiųjų tankių deriniai ϕ 1 (x) x p 3 1 (1 x) q [0,1] (x), p 3 > 0, q 3 > 0, ϕ 2 (x) = a 1 1 [ a,0](x), 0 < a < 1. Trys disertacijoje nagrinėti atvejai rodo, kad ˆϕ n pakankamai tiksliai aproksimuoja nežinomą tankį, ypač jei (laiko eilutės ilgis) yra gana didelis. 24
25 Tačiau mažoms n reikšmėms sudėtingiau įvertinti tankį nulio aplinkoje. Kita vertus, nulio aplinkos reikšmės neveikia tolimos priklausomybės savybės, todėl svarbu, jog gana gerai aproksimuotos sritys aplink taškus x = ±1. Tai leidžia iš log-log regresijos periodogramos taškams vieneto aplinkoje įvertinti nežinomą realiuose taikymuose parametrą d (įvertiniai, pavyzdžiui, gali būti Geweke ir Porter-Hudak (1983), Reisen (1994) arba Whittle-tipo). Disertacijoje pateikti atitinkamų taškų kvantilių-kvantilių grafikai, histogramos, formalūs normališkumo hipotezės testai nepaneigia pataškinio normališkumo hipotezės. Papildomoje analizėje parodyta, kad D( ˆϕ n (x)) mažėjimo greitis n γ su γ 1, kas sutapo su išankstiniais samprotavimais. Kitas Monte-Carlo imitacinis eksperimentas lygina kaip nagrinėjami deagregavimo metodai geba atkurti atsitiktinio parametro tankį, esant skirtingoms prielaidoms bei skirtingiems agregavimo modeliams (su ir be bendrų inovacijų). Eksperimentų tankiai parinkti remiantis šiais požymiais: tankio parametrine forma polinomine arba Beta tipo; atrama [0, 1) arba ( 1, 1); modalumas unimodalus arba bimodalus; AR(1) proceso forma su arba be bendrų inovacijų. Polinominių tankių (Poly3 bei Poly4) pavidalas parinktas pagal Chong (2006) straipsnio Kanados vartojimo išlaidų duomenims gautą įvertinimą, motyvuojant tai tinkamesne tankio forma, nei Chong darytuose MC eksperimentuose. 2 Beta tipo tankiai paimti analogiški Leipaus ir kt. (2006) straipsniui. Vertinant daroma prielaida, jog maišančiojo tankio parametrai bei polinominio tankio eilė m yra žinomi. Tuomet α parenkamas kaip min{1 2d 1, 1 2d 2 }. Polinominio tankio parametras m = 6 Beta tipo eksperimentuose ir polinomo maksimaliam laipsniui polinominiuose eksperimentuose. Bandyti eksperimentai ir su Chong (2006) siūlomu automatiniu eilės m parinkimu. Nupjovimo parametras H = [0.5 n 0.75 ] = 52. Imitaciniai eksperimentai atlikti su N =5000 unimodaliu ir N =10000 bimodaliu atveju, o n=500. Kiekvienam eksperimentui generuojama 100 tiesei. 2 Chong MC eksperimentams taiko polinomus iki trečios eilės su atrama [0, 1) tačiau labai artimus 25
26 Atvejis ϕ(x) MISE Chong(m) LOPV(α) Hibridinis(α) Beta1 0.6(1 x) 0.25 (1 + x) (6) 0.033(0.25) 0.007(0.25) Beta2* 0.6(1 x) 0.75 (1 + x) (6) 0.032(0.25) 0.028(0.25) Beta3 2.21x 2 (1 x) 0.25 (1 + x) (6) 0.131(0.25) 0.073(0.25) Beta4* 2.74x 2 (1 x) 0.5 (1 + x) (6) 0.174(0.25) 0.024(0.25) Poly1 6x 6x (2) 0.107(0) 0.105(0) Poly2* 6x 6x (2) 0.303(0) 0.117(0) Poly3 1.27x x x (3) 0.171(0) 0.086(0) Poly4* 1.27x x x (3) 0.277(0) 0.123(0) 1 lentelė: Monte-Carlo imitaciniai eksperimentai, trejų deagregavimo metodų palyginimas 2 pav.: Beta-tipo skirstiniai nepriklausomų kopijų. Visur laikoma, kad ε t ir η t yra nepriklausomi standartiniai normalieji dydžiai. Pastebėtina, kad įvertinto tankio reikšmės yra nebūtinai teigiamos, todėl daroma papildoma korekcija, imant arba ϕ + n (x) arba ϕ n (x) min( ϕ n (x)), normuotus iš atitinkamos Riemann o sumos. Skirtingų metodų tikslumui palyginti naudojamas integralinės vidutinės kvadratinės paklaidos (MISE) kriterijus: 1 1 E(ϕ(x) ϕ n (x)) 2 dx. Jo reikšmės, teorinį vidurkį pakeitus empiriniu, pateiktos 1 lentelėje. Iš pateiktos 1 lentelės ir 2 3 paveikslų matyti, kad LOPV įvertinys gana tiksliai aproksimuoja Beta-tipo skirstinius, nors prasčiau veikia esant bendroms inovacijoms. Polinominis Chong o įvertinys atrodo visiškai nebetinka Beta-tipo tankių atpažinimui, gana gerai aproksimuoja polinominius tankius, išskyrus parabolės formos su atrama [0, 1]. Hibridinis metodas atrodo yra robastiškas agregavimo prielaidų pažeidimams, dar daugiau, jis dažniausiai davė mažiausias MISE arba artimas joms reikšmes. 26
27 3 pav.: Polinominiai skirstiniai Papildomas mažų imčių tyrimas taip pat parodo metodu tinkamumą, kai laiko eilutės ilgis n yra tarp 50 ir 200, tai rišasi su ankstesne išvada, apie dispersijos mažėjimą, kai n. Paskutiniame empiriniame pavyzdyje nagrinėjamas G7 šalių visuminio vartojimo deagregavimo uždavinys (duomenų šaltinis OECD statistiniai leidiniai ir duomenų bazės). Nemaža dalimi rezultatas papildo Lippi ir Zaffaroni (1998), bei Chong (2006) darbus. Ši studija analizuoja trijų alternatyvių metodų gebėjimus iš makroekonominių duomenų atstatyti maišantįjį tankį. Skyrelyje pirmiausiai nusakomas modeliavimo kontekstas. Tegul c (j) t žymi individo j pirmą realaus bendro vartojimo skirtumą. Tarkime, kad racionalus vartotojas (namų ūkis) pasižymi vartojimo trajektorija, kurią galima aproksimuoti atsitiktiniu klaidžiojimu ir/arba turi deterministinį tiesinį trendą, todėl individualus modelis gali būti nusakytas sekančia lygtimi c (j) t = α j c (j) t 1 + η t + ε (j) t. (24) Tam, kad galima būtų palyginti rezultatus ir išvengtume sezoninių efektų, naudojami G7 šalių metiniai duomenys. Analizuojant disertacijoje pateiktus grafikus, daromos kelios įdomios išvados 1. Lyginant LOPV ir hibridinių metodų įvertinius, matyti reikšmingi 27
28 skirtumai Kanadai, Prancūzijai, Italijai, JAV. Kadangi LOPV švertinio silpnoji vieta yra bendros inovacijos, atrodo galima sukonstruoti testą lyginant LOPV ir hibridinio įvertinių panašumą. 2. Tolimos priklausomybės parametrų d 1 ir d 2 (arba ekvivalenčiai α) įvertiniai rodo, jog yra tolimos priklausomybės efektas visur išskyrus Italijos duomenys. 3. Lyginant gautus įvertinimus tarp šalių, matome, jog JAV ir Didžioji Britanija, taip pat kaip Prancūzija ir Vokietija turi panašią maišančiojo tankio formą. Be to, Italijos ir Japonijos tankiai yra unimodalūs, labiau koncentruoti apie nulį, kitoms šalims nustatytas bimodalumo atvejis. 4. Nors didžiausia tankio masė yra teigiamoje dalyje, nemažos populiacijų dalys rodo į osciliuojančią namų ūkių vartojimo dinamiką, JAV ir Didžioji Britanija bando visgi labiau palaikyti vartojimo augimo tendencijas, atitinkamos osciliuojančios dalys yra beveik nereikšmingos. Išvados Pagrindiniai disertacinio darbo tikslas ir uždaviniai yra susiję su deagregavimo metodų statistinių savybių tyrimu bei jų empiriniu pritaikymu realiems makroekonominiams duomenims. Darbe nagrinėjama aktuali didelio kiekio laiko eilučių agregavimo ir deagregavimo tematika, plačiau pristatomas AR(1) agregavimo atvejis. Moksliniais tyrimais išnagrinėtos AR(1) individualių procesų atsitiktinio parametro maišančiojo tankio LOPV įvertinio, besiremiančio aproksimacija Gegenbauerio ortogonaliais polinomais, statistinės savybės. Kartu patikrintas LOPV įvertinio jautrumas daromų agregavimo prielaidų pažeidimams, pastarasis metodas palygintas su alternatyviais maišančiojo tankio įvertiniais, išryškintas salytis su tolimos priklausomybės tematika, pademonstruota deagregavimo metodų taikomoji nauda (rezultatai sėkmingai pritaikyti visuminio vartojimo deagregavimo uždaviniui spręsti). Darbo metu taip pat buvo išspęsti uždaviniai susiję su maišančiojo tankio konstravimu, robastiškesnio AR(1) agregavimo schemos prielaidoms įvertinio paieška, pateiktos prielaidos LOPV įvertinio asimptotiniam normališkumui įrodyti. Taigi, buvo įvykdytos visos darbo pradžioje numatytos užduotys. 28
29 Darbo metu buvo pažymėta, kad nagrinėjama tematika turi dar nemažai neišspęstų vystymosi krypčių. Disertantas tikisi pratęsti (de)agregavimo ir tolimos priklausomybės tematikos nagrinėjimą tolesnėje mokslinėje veikloje. Publikuoti darbai Pagrindiniai rezultatai publikuoti šiuose straipsniuose: 1. Celov D., Leipus R. and Philippe A. Asymptotic normality of mixture density estimator in a disaggregation scheme. Journal of Nonparametric Statistics (submitted), (2008). 2. Celov D., Leipus R. and Philippe A. Time series aggregation, disaggregation and long memory. Lithuanian Mathematical Journal 47, 4, , (2007). Konferencijų medžiaga publikuota šiuose darbuose: 1. D. Celov, V. Kvedaras, R. Leipus. Agreguotų AR(1) procesų autoregresijos parametro tankio vertinimo metodų palyginimas. Lietuvos matematikos rinkinys 47, (spec. issue) (2007)(in Lith.). 2. D. Celov, R. Leipus Laiko eilučių agregavimo, deagregavimo uždaviniai ir tolima priklausomybė. Lietuvos matematikos rinkinys 46, (spec. issue) (2006) (in Lith.). Taip pat daryti keli pranešimai disertacijos tematika konferencijose: Lietuvos matematikos draugijos konferencijose, 22nd Nordic Conference on Mathematical Statistics (NORDSTAT), taip pat pranešimai skaityti Vilniaus universiteto matematikos ir informatikos fakulteto ekonometrinės analizės katedros seminaruose, seminaruose mokslinio vizito Nante (Prancūzija) ir Oberwolfache (Vokietija) metu, Druskininkų vasaros mokykloje. 29
30 Summary In the tiesis, different aspects of time series aggregation, disaggregation problems and their relationships with long memory phenomena were investigated. A particular attention was paid to the disaggregation problems related to a general AR(1) aggregation scheme with and without common innovations. Below we summarize main results of the thesis. In the first part of the thesis, a wide yet brief survey of key aggregation, disaggregation topics were presented. It was explained that AR(1) is indeed a crucial case in real applications, especially concerning the problems in economics. A general framework to study the aggregation problems and basic notions were analyzed. It could be concluded that the forecasting notion to the aggregation problem suggested by Pesaran (2002) is the most flexible definition in spite of very mild assumptions put on the DGP of individual processes. Concerning the problems of disaggregation, a doubly-stochastic approach and mixtures were found to be crucial to solve fundamental questions of disaggregation. It was proved in Dacunha- Castelle and Oppenheim (2001) that a wide range of long-memory processes are obtained through the aggregation of doubly-stochastic short memory processes with densities in C( ). For the disaggregation of AR(1) dynamics the method to extract the moments of random parameter from AR( ) representation was chosen to improve the preceding estimators suggested in Chong (2006) and Leipus et al. (2006). In the second and in empirical part of the thesis we analyzed these three alternative approaches to the disaggregation problem in AR(1) aggregation scheme. A simulation study as well as empirical application to G7 aggregated consumption data revealed that the proposed augmentaition of LOPV and Chong s method (a hybrid approach) is found to be more robust to any violation of the assumptions which were crucial for the preceding estimators. However a more careful theoretical investigation of the hybrid estimator has yet to be considered. The sufficient conditions for the construction of mixture densities by the products of elementary densities were established. The results are then applied to derive the mixture density form for the seasonal case. Although it is important to mention that the result is proved only for the case of disjoint supports of the elementary processes being involved. Another major part of the thesis was devoted to the study of asymptotic 30
VILNIUS UNIVERSITY. Dmitrij Celov TIME SERIES AGGREGATION, DISAGGREGATION AND LONG MEMORY. Doctoral Dissertation. Physical Sciences, Mathematics (01 P)
VILNIUS UNIVERSITY Dmitrij Celov TIME SERIES AGGREGATION, DISAGGREGATION AND LONG MEMORY Doctoral Dissertation Physical Sciences, Mathematics (01 P) Vilnius, 2008 The scientific work was carried out during
More informationStochastinės analizės egzaminas MIF magistrantūra, FDM I kursas, 2018 m. ruduo (1 semestras), X s db s, t 0.
Stochastinės analizės egzaminas MIF magistrantūra, FDM I kursas, 218 m. ruduo (1 semestras), 219 1 18 1. Prove the following: Proposition. If X t, t, is an Itô process and f C 3 (IR), then f ( ) ( ) t
More informationAsymptotic normality of the mixture density estimator in a disaggregation scheme
Asymptotic normality of the mixture density estimator in a disaggregation scheme Dmitrij Celov, Remigijus Leipus, Anne Philippe To cite this version: Dmitrij Celov, Remigijus Leipus, Anne Philippe. Asymptotic
More informationVILNIUS UNIVERSITY LIJANA STABINGIENĖ IMAGE ANALYSIS USING BAYES DISCRIMINANT FUNCTIONS
VILNIUS UNIVERSITY LIJANA STABINGIENĖ IMAGE ANALYSIS USING BAYES DISCRIMINANT FUNCTIONS Summary of doctoral dissertation Physical sciences (P 000) Informatics (09 P) Vilnius, 2012 Doctoral dissertation
More informationVango algoritmo analizė
VILNIAUS GEDIMINO TECHNIKOS UNIVERSITETAS 2017 m. balandžio 18 d. Problemos formulavimas Nagrinėkime lygtį u t = i 2 u, t [0, T ], x Ω x 2 u t=0 = u 0 (x). (1) Problema Realybėje Ω (, ), kas verčia įvesti
More informationTurinys. Geometrinės diferencialinių lygčių teorijos savokos. Diferencialinės lygties sprendiniai. Pavyzdžiai. CIt, (- 00,0) C'It, (0, (0);
Turinys In this chapter we illustrate the qualitative approach to differential equations and introduce some key ideas such as phase portraits and qualitative equivalence Geometrinės diferencialinių lygčių
More informationTHE EIGENVALUE PROBLEM FOR DIFFERENTIAL OPERATOR WITH NONLOCAL INTEGRAL CONDITIONS
VILNIUS GEDIMINAS TECHNICAL UNIVERSITY INSTITUTE OF MATHEMATICS AND INFORMATICS Živil JESEVIČIŪTö THE EIGENVALUE PROBLEM FOR DIFFERENTIAL OPERATOR WITH NONLOCAL INTEGRAL CONDITIONS SUMMARY OF DOCTORAL
More informationReklamos internete vartotojų segmentavimas taikant latentinį Dirichlė paskirstymo modelį
Lietuvos matematikos rinkinys ISSN 0132-2818 Lietuvos matematikų draugijos darbai, ser. B www.mii.lt/lmr/ 56 t., 2015, 1 6 Reklamos internete vartotojų segmentavimas taikant latentinį Dirichlė paskirstymo
More informationAlgebraic and spectral analysis of local magnetic field intensity
Lietuvos matematikos rinkinys ISSN 132-2818 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 6, DOI:.388/LMR.A.. pages 4 9 Algebraic and spectral analysis of local magnetic field intensity Mantas
More informationVILNIUS UNIVERSITY. Alma Molytė INVESTIGATION OF COMBINATIONS OF VECTOR QUANTIZATION METHODS WITH MULTIDIMENSIONAL SCALING
VILNIUS UNIVERSITY Alma Molytė INVESTIGATION OF COMBINATIONS OF VECTOR QUANTIZATION METHODS WITH MULTIDIMENSIONAL SCALING Summary of Doctoral Dissertation Physical Sciences, Informatics (09 P) Vilnius,
More informationMatematikos ir informatikos institutas. Informatikos doktorantūros modulis Statistinis modeliavimas ir operacijų tyrimas
Matematikos ir informatikos institutas Informatikos doktorantūros modulis Statistinis modeliavimas ir operacijų tyrimas Rengė: prof. habil. dr. Leonidas Sakalauskas 2007 INFORMATIKOS KRYPTIES DOKTORANTŪROS
More informationMATHEMATICAL MODELS FOR SCIENTIFIC TERMINOLOGY AND THEIR APPLICATIONS IN THE CLASSIFICATION OF PUBLICATIONS
VILNIUS GEDIMINAS TECHNICAL UNIVERSITY INSTITUTE OF MATHEMATICS AND INFORMATICS Vaidas BALYS MATHEMATICAL MODELS FOR SCIENTIFIC TERMINOLOGY AND THEIR APPLICATIONS IN THE CLASSIFICATION OF PUBLICATIONS
More informationLIETUVOS ENERGETIKOS STRATEGIJA: OPTIMALIOS RENOVACIJOS MODELIS (ORM) (projektas pastaboms)
Įvadas LIETUVOS ENERGETIKOS STRATEGIJA: OPTIMALIOS RENOVACIJOS MODELIS (ORM) (projekas pasaboms) ORM yra kašų ir naudos analiz s (cos-benefi analysis) aikymas svarbiu masin s daugiabučių renovacijos aveju,
More informationLietuvių šnekos balsių aprašymo autoregresijos modeliu adekvatumo tyrimas
Lietuvos matematikos rinkinys ISSN 0132-2818 Lietuvos matematikų draugijos darbai, ser. B www.mii.lt/lmr/ 57 t., 2016, 19 24 Lietuvių šnekos balsių aprašymo autoregresijos modeliu adekvatumo tyrimas Jonas
More informationStruktūrinė geologija
Pirmadienį pirmą pusdienį Struktūrinė geologija Audrius Čečys audrius.cecys@gf.vu.lt / audrius.cecys@gmail.com + 370 686 96 480 http://web.vu.lt/gf/a.cecys ir Dropbox Struktūrinė geologija yra mokslas
More informationCALCULATION OF ELECTROMAGNETIC WAVE ATTENUATION DUE TO RAIN USING RAINFALL DATA OF LONG AND SHORT DURATION
Lithuanian Journal of Physics, Vol. 47, No. 2, pp. 163 168 (2007) CALCULATION OF ELECTROMAGNETIC WAVE ATTENUATION DUE TO RAIN USING RAINFALL DATA OF LONG AND SHORT DURATION S. Tamošiūnas a,b, M. Tamošiūnienė
More informationTIME PERIODIC PROBLEMS FOR NAVIER-STOKES EQUATIONS IN DOMAINS WITH CYLINDRICAL OUTLETS TO INFINITY
thesis 28/6/13 22:48 page 1 #1 VILNIUS GEDIMINAS TECHNINICAL UNIVERSITETY INSTITUTE OF MATHEMATICS AND INFORMATICS Vaidas KEBLIKAS TIME PERIODIC PROBLEMS FOR NAVIER-STOKES EQUATIONS IN DOMAINS WITH CYLINDRICAL
More informationMETHODS FOR GENERATION OF RANDOM NUMBERS IN PARALLEL STOCHASTIC ALGORITHMS FOR GLOBAL OPTIMIZATION
METHODS FOR GENERATION OF RANDOM NUMBERS IN PARALLEL STOCHASTIC ALGORITHMS FOR GLOBAL OPTIMIZATION Algirdas Lančinskas, Julius Žilinskas Institute of Mathematics and Informatics 1. Introduction Generation
More informationS. Tamošiūnas a,b, M. Žilinskas b,c, A. Nekrošius b, and M. Tamošiūnienė d
Lithuanian Journal of Physics, Vol. 45, No. 5, pp. 353 357 (2005) CALCULATION OF RADIO SIGNAL ATTENUATION USING LOCAL PRECIPITATION DATA S. Tamošiūnas a,b, M. Žilinskas b,c, A. Nekrošius b, and M. Tamošiūnienė
More informationGoodness of Fit Tests Based on Kernel Density Estimators
INFORMATICA, 2013, Vol. 24, No. 3, 447 460 447 2013 Vilnius University Goodness of Fit Tests Based on Kernel Density Estimators Rimantas RUDZKIS, Aleksej BAKSHAEV Vilnius University, Institute of Mathematics
More informationSTABILIZATION OF UNSTABLE PERIODIC ORBIT IN CHAOTIC DUFFING HOLMES OSCILLATOR BY SECOND ORDER RESONANT NEGATIVE FEEDBACK
Lithuanian Journal of Physics, Vol. 47, No. 3, pp. 235 239 (2007) STABILIZATION OF UNSTABLE PERIODIC ORBIT IN CHAOTIC DUFFING HOLMES OSCILLATOR BY SECOND ORDER RESONANT NEGATIVE FEEDBACK A. Tamaševičius
More informationNullity of the second order discrete problem with nonlocal multipoint boundary conditions
Lietuvos matematikos rinkinys ISSN 0132-2818 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 56, 2015 DOI: 10.15388/LMR.A.2015.13 pages 72 77 Nullity of the second order discrete problem with
More informationESTIMATION OF THE GENERALIZED STOCHASTIC CLAIMS RESERVING MODEL AND THE CHAIN-LADDER METHOD
ESTIMATIO OF THE GEERALIZED STOHASTI LAIMS RESERVIG MODEL AD THE HAI-LADDER METHOD Virmantas Kvedaras Vilnius University, Faculty of Mathematics and Informatics augarduko g. 4 035 Vilnius E-mail: virmantas.kvedaras@mif.vu.lt
More informationVILNIAUS UNIVERSITETAS JONAS JANKAUSKAS POLINOMŲ AUKŠČIAI. Daktaro disertacijos santrauka Fiziniai mokslai, matematika (01P)
VILNIAUS UNIVERSITETAS JONAS JANKAUSKAS POLINOMŲ AUKŠČIAI Daktaro disertacijos santrauka Fiziniai mokslai, matematika (01P) Vilnius, 2012 Disertacija rengta 2008 2012 metais Vilniaus universitete. Mokslinis
More informationOn the anticrowding population dynamics taking into account a discrete set of offspring
Lietuvos matematikos rinkinys ISSN 0132-2818 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 56, 2015 DOI: 10.15388/LMR.A.2015.15 pages 84 89 On the anticrowding population dynamics taking into
More informationR. Plukienė a, A. Plukis a, V. Remeikis a, and D. Ridikas b a Institute of Physics, Savanorių 231, LT Vilnius, Lithuania
Lithuanian Journal of Physics, Vol. 45, No. 4, pp. 281 287 (2005) MCNP AND ORIGEN CODES VALIDATION BY CALCULATING RBMK SPENT NUCLEAR FUEL ISOTOPIC COMPOSITION R. Plukienė a, A. Plukis a, V. Remeikis a,
More informationGARSĄ SUGERIANČIŲ MEDŽIAGŲ IŠDĖSTYMO VIETŲ ĮTAKA SKAIČIUOJANT SALĖS AIDĖJIMO TRUKMĘ SKIRTINGOMIS FORMULĖMIS
GARSĄ SUGERIANČIŲ MEDŽIAGŲ IŠDĖSTYMO VIETŲ ĮTAKA SKAIČIUOJANT SALĖS AIDĖJIMO TRUKMĘ SKIRTINGOMIS FORMULĖMIS Vytautas J. Stauskis Vilniaus Gedimino technikos universitetas. Įvadas Projektuojant įvairaus
More informationThe minimizer for the second order differential problem with one nonlocal condition
Lietuvos matematikos rinkinys ISSN 13-818 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 58, 17 DOI: 1.15388/LMR.A.17.6 pages 8 33 The minimizer for the second order differential problem with
More informationA. Žukauskaitė a, R. Plukienė a, A. Plukis a, and D. Ridikas b
Lithuanian Journal of Physics, Vol. 47, No. 1, pp. 97 101 (2007) MODELLING OF NEUTRON AND PHOTON TRANSPORT IN IRON AND CONCRETE RADIATION SHIELDINGS BY THE MONTE CARLO METHOD A. Žukauskaitė a, R. Plukienė
More informationRandom Factors in IOI 2005 Test Case Scoring
Informatics in Education, 2006, Vol. 5, No. 1, 5 14 5 2006 Institute of Mathematics and Informatics, Vilnius Random Factors in IOI 2005 Test Case Scoring Gordon CORMACK David R. Cheriton School of Computer
More informationVILNIUS UNIVERSITY MAŽVYDAS MACKEVIČIUS COMPUTER MODELING OF CHEMICAL SYNTHESIS AT HIGH TEMPERATURES
VILNIUS UNIVERSITY MAŽVYDAS MACKEVIČIUS COMPUTER MODELING OF CHEMICAL SYNTHESIS AT HIGH TEMPERATURES Summary of Doctoral Dissertation Physical Sciences, Informatics (09 P) Vilnius, 2013 Doctoral dissertation
More informationV. Palenskis, J. Matukas, and B. Šaulys
Lithuanian Journal of Physics, Vol. 49, No. 4, pp. 453 460 (2009) doi:10.3952/lithjphys.49408 ANALYSIS OF ELECTRICAL AND OPTICAL FLUCTUATIONS OF LIGHT-EMITTING DIODES BY CORRELATION METHOD V. Palenskis,
More informationThe Euler Mascheroni constant in school
Lietuvos matematikos rinkinys ISSN 032-288 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 55, 204 DOI: 0.5388/LMR.A.204.04 pages 7 2 The Euler Mascheroni constant in school Juozas Juvencijus
More informationTHE ASSESSMENT OF THE CELESTIAL BODY INFLUENCE ON THE GEODETIC MEASUREMENTS
VILNIUS GEDIMINAS TECHNICAL UNIVERSITY Darius POPOVAS THE ASSESSMENT OF THE CELESTIAL BODY INFLUENCE ON THE GEODETIC MEASUREMENTS SUMMARY OF DOCTORAL DISSERTATION TECHNOLOGICAL SCIENCES, MEASUREMENT ENGINEERING
More informationOptimal Segmentation of Random Sequences
INFORMATICA, 2000, Vol. 11, No. 3, 243 256 243 2000 Institute of Mathematics and Informatics, Vilnius Optimal Segmentation of Random Sequences Antanas LIPEIKA Institute of Mathematics and Informatics Akademijos
More informationOCCASIONAL PAPER SERIES. No 6 / 2015 A NOTE ON THE BOOTSTRAP METHOD FOR TESTING THE EXISTENCE OF FINITE MOMENTS
BANK OF LITHUANIA. WORKING PAPER SERIES No 1 / 2008 SHORT-TERM FORECASTING OF GDP USING LARGE MONTHLY DATASETS: A PSEUDO REAL-TIME FORECAST EVALUATION EXERCISE 1 OCCASIONAL PAPER SERIES A NOTE ON THE BOOTSTRAP
More informationAnalysis of genetic risk assessment methods
Lietuvos matematikos rinkinys ISSN 32-288 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 56, 25 DOI:.5388/LMR.A.25.9 pages 7 2 Analysis of genetic risk assessment methods Vytautas Tiešis, Algirdas
More informationPrognosis of radionuclides dispersion and radiological measurements in Lithuania after the accident at Fukushima Daiichi nuclear
Prognosis of radionuclides dispersion and radiological measurements in Lithuania after the accident at Fukushima Daiichi nuclear power plant Rima Ladygienė, Aušra Urbonienė, Auksė Skripkienė, Laima Pilkytė,
More informationANALIZĖ 0: TEORINĖ ARITMETIKA
ANALIZĖ 0: TEORINĖ ARITMETIKA RIMAS NORVAIŠA 11.4 variantas, 2018 rugsėjo 20 E-paštas: rimas.norvaisa @mii.vu.lt 1 skyrius Pratarmė Analizė 0 - pirmoji matematinės analizės dalis iš trijų. Ši dalis yra
More informationVILNIAUS UNIVERSITETAS. Haroldas Giedra ĮRODYMŲ SISTEMA KORELIATYVIŲ ŽINIŲ LOGIKAI. Daktaro disertacijos santrauka Fiziniai mokslai, informatika (09P)
VILNIAUS UNIVERSITETAS Haroldas Giedra ĮRODYMŲ SISTEMA KORELIATYVIŲ ŽINIŲ LOGIKAI Daktaro disertacijos santrauka Fiziniai mokslai, informatika (09P) Vilnius, 2014 Disertacija rengta 2009-2013 metais Vilniaus
More informationAdaptive Integration of Stiff ODE
INFORMATICA, 2000, Vol. 11, No. 4, 371 380 371 2000 Institute of Mathematics and Informatics, Vilnius Adaptive Integration of Stiff ODE Raimondas ČIEGIS, Olga SUBOČ, Vilnius Gediminas Technical University
More informationINVESTIGATION OF LAMINATED LEATHER RHEOLOGICAL BEHAVIOUR
KAUNAS UNIVERSITY OF TECHNOLOGY INSTITUTE OF PHYSICAL ELECTRONICS OF KAUNAS UNIVERSITY OF TECHNOLOGY Daiva Milašienė INVESTIGATION OF LAMINATED LEATHER RHEOLOGICAL BEHAVIOUR Summary of doctoral dissertation
More informationSTATISTICAL TESTS BASED ON N-DISTANCES
VILNIUS GEDIMINAS TECHNICAL UNIVERSITY INSTITUTE OF MATHEMATICS AND INFORMATICS Aleksej BAKŠAJEV STATISTICAL TESTS BASED ON N-DISTANCES DOCTORAL DISSERTATION PHYSICAL SCIENCES, MATHEMATICS (1P) Vilnius
More informationLR Seimo narių elgsenos tyrimas, naudojant klasterinę analizę ir daugiamačių skalių metodą
LR Seimo narių elgsenos tyrimas, naudojant klasterinę analizę ir daugiamačių skalių metodą Vytautas Mickevičius Vytauto Didžiojo universitetas, Informatikos fakultetas Kaunas, Lietuva El. paštas: vytautas.mickevicius@fc.vdu.lt
More informationTHE STRUCTURE OF MORPHOLOGY AND PROPERTIES OF MODIFIED POLYCHLOROPRENE ADHESIVE COMPOSITION
Kaunas University of Technology Institute of Physical Electronic of Kaunas University of Technology Kristina Žukienė THE STRUCTURE OF MORPHOLOGY AND PROPERTIES OF MODIFIED POLYCHLOROPRENE ADHESIVE COMPOSITION
More informationADAPTYVIOSIOS TECHNOLOGIJOS TAIKYMAS SANDĖLIO UŽDAVINIUI SPRĘSTI
14-osios Lietuvos jaunųjų mokslininkų konferencijos Mokslas Lietuvos ateitis ISSN 2029-7149 online 2011 metų teminės konferencijos straipsnių rinkinys ISBN 978-9955-28-834-3 INFORMATIKA ADAPTYVIOSIOS TECHNOLOGIJOS
More informationTurinys. Kurso struktūra. 2 Diferencialinės lygtys. 4 Matematinių modelių pavyzdžiai
Turins ir matematiniai modeliai 26 CHAPTER INTRODUCTION TO DIFFERENTIAL EQUATIONS paskaita Olga Štikonienė d Diferencialinių lgčių ir skaičiavimo matematikos d W. T katedra, MIF VU WHAT LIES AHEAD Throughout
More informationResearch of the Grid-Tied Power System Consisting of Wind Turbine and Boiler GALAN
ELECTRONICS AND ELECTRICAL ENGINEERING ISSN 392 25 200. No. 0(06) ELEKTRONIKA IR ELEKTROTECHNIKA ELECTRICAL ENGINEERING T 90 ELEKTROS INŽINERIJA Research of the Grid-Tied Power System Consisting of Wind
More informationRESEARCH AND DEVELOPMENT OF METHODS AND INSTRUMENTATION FOR THE CALIBRATION OF VERTICAL ANGLE MEASURING SYSTEMS OF GEODETIC INSTRUMENTS
VILNIUS GEDIMINAS TECHNICAL UNIVERSITY Lauryna ŠIAUDINYTĖ RESEARCH AND DEVELOPMENT OF METHODS AND INSTRUMENTATION FOR THE CALIBRATION OF VERTICAL ANGLE MEASURING SYSTEMS OF GEODETIC INSTRUMENTS DOCTORAL
More informationRadial basis function method modelling borehole heat transfer: the practical application
Lietuvos matematikos rinkinys ISSN 0132-2818 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 57, 2016 DOI: 10.15388/LMR.A.2016.04 pages 18 23 Radial basis function method modelling borehole heat
More informationVIEŠŲJŲ PASLAUGŲ PERKöLIMO IŠ TRADICINöS Į ELEKTRONINĘ TERPĘ BRANDOS LYGIO VERTINIMAS
VIEŠŲJŲ PASLAUGŲ PERKöLIMO IŠ TRADICINöS Į ELEKTRONINĘ TERPĘ BRANDOS LYGIO VERTINIMAS Egidijus Ostašius Vilniaus Gedimino technikos universitetas Saul tekio al. 11, LT-10223, Vilnius EgidijusOstasius@gama.vtu.lt
More informationComputerized Laboratory in Science and Technology Teaching: Course in Machine Elements
Informatics in Education, 2005, Vol. 4, No. 1, 43 48 43 2005 Institute of Mathematics and Informatics, Vilnius Computerized Laboratory in Science and Technology Teaching: Course in Machine Elements Ivan
More informationNUOTOLINIŲ KURSŲ OPTIMIZAVIMAS
Vilniaus Universitetas Matematikos ir informatikos institutas L I E T U V A INFORMATIKA (09 P) NUOTOLINIŲ KURSŲ OPTIMIZAVIMAS Irina Vinogradova 2013 m. spalis Mokslinė ataskaita MII-DS-09P-13-5 Matematikos
More informationRESEARCHES AND DEVELOPMENT OF CYLINDRICAL MULTICHANNEL CYCLONE WITH ADJUSTABLE HALF-RINGS
VILNIUS GEDIMINAS TECHNICAL UNIVERSITY Inga JAKŠTONIENĖ RESEARCHES AND DEVELOPMENT OF CYLINDRICAL MULTICHANNEL CYCLONE WITH ADJUSTABLE HALF-RINGS SUMMARY OF DOCTORAL DISSERTATION TECHNOLOGICAL SCIENCES,
More informationELECTROMAGNETIC FIELD AND DISPERSION CHARACTERISTIC CALCULATIONS OF OPEN WAVEGUIDES MADE OF ABSORPTIVE MATERIALS
VILNIUS GEDIMINAS TECHNICAL UNIVERSITY STATE RESEARCH INSTITUTE CENTER FOR PHYSICAL SCIENCES AND TECHNOLOGY Tatjana GRIC ELECTROMAGNETIC FIELD AND DISPERSION CHARACTERISTIC CALCULATIONS OF OPEN WAVEGUIDES
More informationA general biochemical kinetics data fitting algorithm for quasi-steady-state detection
Lietuvos matematikos rinkinys ISSN 0132-2818 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 57, 2016 DOI: 10.15388/LMR.A.2016.03 pages 12 17 A general biochemical kinetics data fitting algorithm
More informationClosing of Coster Kronig transitions and variation of fluorescence and Auger yields in isonuclear sequence of tungsten
Lithuanian Journal of Physics, Vol. 51. No. 3, pp. 199 206 (2011) lietuvos mokslų akademija, 2011 Closing of Coster Kronig transitions and variation of fluorescence and Auger yields in isonuclear sequence
More informationHilbert Schmidt component analysis
Lietuvos matematikos rinkinys ISSN 0132-2818 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 57, 2016 DOI: 10.15388/LMR.A.2016.02 pages 7 11 Hilbert Schmidt component analysis Povilas Daniušis,
More informationVILNIUS UNIVERSITY ANDRIUS ŠKARNULIS QUADRATIC ARCH MODELS WITH LONG MEMORY AND QML ESTIMATION
VILNIUS UNIVERSITY ANDRIUS ŠKARNULIS QUADRATIC ARCH MODELS WITH LONG MEMORY AND QML ESTIMATION Doctoral Dissertation Physical Sciences, Mathematics (01 P) Vilnius, 2017 The dissertation was written in
More informationMultivariate Data Clustering for the Gaussian Mixture Model
INFORMATICA, 2005, Vol. 16, No. 1, 61 74 61 2005 Institute of Mathematics and Informatics, Vilnius Multivariate Data Clustering for the Gaussian Mixture Model Mindaugas KAVALIAUSKAS Faculty of Fundamental
More informationVILNIUS UNIVERSITY. Gintaras Žaržojus
VILNIUS UNIVERSITY Gintaras Žaržojus ANALYSIS OF THE RESULTS AND IT INFLUENCE FACTORS OF DYNAMIC PROBING TEST AND INTERRELATION WITH CONE PENETRATION TEST DATA IN LITHUANIAN SOILS Summary of Doctoral Thesis
More informationVILNIAUS UNIVERSITETAS
VILNIAUS UNIVERSITETAS Gintautas Jakimauskas DUOMENŲ TYRYBOS EMPIRINIŲ BAJESO METODŲ TYRIMAS IR TAIKYMAS Daktaro disertacios santrauka Fiziniai mokslai, informatika (09 P) Vilnius, 014 Disertacia rengta
More informationDALELIŲ KOMPOZITO DISKRETUSIS MODELIS
VILNIAUS GEDIMINO TECHNIKOS UNIVERSITETAS Vytautas RIMŠA DALELIŲ KOMPOZITO DISKRETUSIS MODELIS DAKTARO DISERTACIJA TECHNOLOGIJOS MOKSLAI, MECHANIKOS INŽINERIJA (09T) Vilnius 2014 Disertacija rengta 2010
More information1 Kompiuterių aritmetika ir algoritmai. 2 Tiesinių lygčių sistemų sprendimo metodai: 3 Duomenų aproksimacija: 4 Tikrinių reikšmių uždavinys.
Skaitiniai metodai Skaitiniai metodai Kompiuterių aritmetika ir algoritmai Olga Štikonienė Diferencialinių lygčių ir skaičiavimo matematikos katedra, MIF VU 24-2-4 Skaitiniai metodai randa matematinių
More informationKurso tikslai. 1 Įgyti galimybę skaitiškai spręsti taikomuosius uždavinius; 2 Įvertinti skirtingus skaitinius sprendimo metodus (žinant jų
Kurso tikslai Skaitiniai metodai Kompiuterių aritmetika ir algoritmai Olga Štikonienė Diferencialinių lygčių ir skaičiavimo matematikos katedra, MIF VU 01-0-05 Skaitiniai metodai (MIF VU) Komp.aritmetika
More informationLayered Polynomial Filter Structures
INFORMATICA, 2002, Vol. 13, No. 1, 23 36 23 2002 Institute of Mathematics and Informatics, Vilnius Layered Polynomial Filter Structures Kazys KAZLAUSKAS, Jaunius KAZLAUSKAS Institute of Mathematics and
More informationA NEW WAY OF LOOKING AT THE BARNUM EFFECT AND ITS LINKS TO PERSONALITY TRAITS IN GROUPS RECEIVING DIFFERENT TYPES OF PERSONALITY FEEDBACK
Online) ISSN 2345-0061. PSICHOLOGIJA. 2014 50 A NEW WAY OF LOOKING AT THE BARNUM EFFECT AND ITS LINKS TO PERSONALITY TRAITS IN GROUPS RECEIVING DIFFERENT TYPES OF PERSONALITY FEEDBACK Mykolas Simas Poškus
More informationElektronų tarpusavio sąveikos grafene modeliavimas sklaidos matricos metodu
Vilniaus universitetas Fizikos fakultetas Teorinės fizikos katedra Emilis Pileckis Elektronų tarpusavio sąveikos grafene modeliavimas sklaidos matricos metodu Magistrantūros studijų baigiamasis darbas
More informationDISKREČIOJI MATEMATIKA
Vilniaus Gedimino technikos universitetas Aleksandras KRYLOVAS DISKREČIOJI MATEMATIKA Mokomoji knyga Vilnius Technika 2004 UDK 519.1(075.8) Kr242 A. Krylovas. Diskrečioji matematika. Mokomoji knyga. Vilnius:
More informationVILNIAUS UNIVERSITETAS PAGRINDAI. Mokymo priemonė
VILNIAUS UNIVERSITETAS Valdas Dičiūnas ALGORITMŲ ANALIZĖS PAGRINDAI Mokymo priemonė Vilnius, 2005 ĮVADAS Algoritmų analizės objektas yra algoritmai. Nors algoritmo sąvoka yra laikoma pirmine matematikos
More informationIracionalieji skaičiai
Iracionalieji skaičiai Rimas Norvaiša 2018 m. balandžio mėn. 2 d. Abstract Dalomoji medžiaga paskaitoms Matematika ir filosofija". Iracionaliaisiais skaičiais vadinami tie realiųjų skaičių aibės elementai,
More informationTHe use of mathematical models for modelling sulphur dioxide sorption on materials produced from fly ashes
ENERGETIKA. 2018. T. 64. Nr. 2. P. 105 113 Lietuvos mokslų akademija, 2018 THe use of mathematical models for modelling sulphur dioxide sorption on materials produced from fly ashes Natalia Czuma 1, Katarzyna
More informationElectrochemical investigations of Ni P electroless deposition in solutions containing amino acetic acid
CHEMIJA 7 Vol No P 7 Lietuvos mokslų Electrochemical akademija, investigations 7 of NiP electroless deposition in solutions containing amino acetic acid Lietuvos mokslų akademijos leidykla, 7 Electrochemical
More informationE. Šermukšnis a, V. Palenskis a, J. Matukas a S. Pralgauskaitė a, J. Vyšniauskas a, and R. Baubinas b
Lithuanian Journal of Physics, Vol. 46, No. 1, pp. 33 38 (2006) INVESTIGATION OF DYNAMIC CHARACTERISTICS OF InGaAsP / InP LASER DIODES E. Šermukšnis a, V. Palenskis a, J. Matukas a S. Pralgauskaitė a,
More informationThe Minimum Density Power Divergence Approach in Building Robust Regression Models
INFORMATICA, 2011, Vol. 22, No. 1, 43 56 43 2011 Vilnius University The Minimum Density Power Divergence Approach in Building Robust Regression Models Alessandra DURIO, Ennio Davide ISAIA Department of
More informationConstitutive relations in classical optics in terms of geometric algebra
Lithuanian Journal of Physics Vol. 55 No. 2 pp. 92 99 (2015) Lietuvos mokslų akademija 2015 Constitutive relations in classical optics in terms of geometric algebra A. Dargys Semiconductor Physics Institute
More informationINTELEKTUALAUS KOMPIUTERINIO RAŠTINGUMO TESTŲ KONSTRAVIMO METODO TYRIMAS
VILNIAUS UNIVERSITETAS Renata Danielienė INTELEKTUALAUS KOMPIUTERINIO RAŠTINGUMO TESTŲ KONSTRAVIMO METODO TYRIMAS Daktaro disertacija Fiziniai mokslai, informatika (09P) Vilnius, 2010 Disertacija rengta
More informationSTRENGTH OF LAYER STRUCTURAL ELEMENTS AND MODELLING OF FRACTURE
KAUNAS UNIVERSITY OF TECHNOLOGY Nerijus Meslinas STRENGTH OF LAYER STRUCTURAL ELEMENTS AND MODELLING OF FRACTURE Summary of Doctoral Dissertation Technology Sciences, Mechanical Engineering 09T Kaunas,
More informationLIMIT THEOREMS FOR SPATIO-TEMPORAL MODELS WITH LONG-RANGE DEPENDENCE
VILNIUS UNIVERSITY VYTAUTĖ PILIPAUSKAITĖ LIMIT THEOREMS FOR SPATIO-TEMPORAL MODELS WITH LONG-RANGE DEPENDENCE Doctoral dissertation Physical sciences, Mathematics (1 P) Vilnius, 217 The dissertation was
More informationNijolė Cibulskaitė, Kristina Baranovska
MATEMATIKOS VADOVĖLIŲ V KLASEI VERTINIMAS DALYKINIU, PEDAGOGINIU IR PSICHOLOGINIU POŽIŪRIAIS Anotacija. Beveik du Nepriklausomybės dešimtmečius pertvarkant Lietuvos švietimą ypač daug dėmesio buvo skiriama
More informationINVESTIGATION OF PULSATING FLOW EFFECT ON METERS WITH ROTATING PARTS
A N D R I U S T O N K O N O G O V A S INVESTIGATION OF PULSATING FLOW EFFECT ON METERS WITH ROTATING PARTS S U M M A R Y O F D O C T O R A L D I S S E R T A T I O N T E C H N O L O G I C A L S C I E N
More informationParameters Estimation in Modelling of Gas-Gap in RBMK Type Reactor Using Bayesian Approach
INFORMATICA, 2010, Vol. 21, No. 2, 295 306 295 2010 Institute of Mathematics and Informatics, Vilnius Parameters Estimation in Modelling of Gas-Gap in RBMK Type Reactor Using Bayesian Approach Inga ŽUTAUTAITĖ-ŠEPUTIENĖ
More informationProgramų sistemų inžinerija
Programų sistemų inžinerija Modulio tikslai, struktūra, vertinimas Lina Vasiliauskienė Grafinių sistemų katedra Vilniaus Gedimino Technikos Universitetas 2010 2011 Kontaktai Dėstytoja Lina Vasiliauskienė
More informationTranzistoriai. 1947: W.H.Brattain and J.Bardeen (Bell Labs, USA)
LTRONOS ĮTASA 2009 1 Tranzistoriai 1947: W.H.Brattain an J.Bareen (Bell Labs, USA) JPPi J.P.Pierce (Bell lllabs): tran(sfer)+(re)sistor ( ) t = transistor. t 1949: W.Schockley pasiūlė plokštinio vipolio
More informationDISKREČIOJI MATEMATIKA
Vilniaus universitetas Matematikos ir informatikos fakultetas Informatikos katedra Gintaras Skersys DISKREČIOJI MATEMATIKA Mokymo priemonė Vilnius 2016 Įvadas Kas yra diskrečioji matematika? Diskrečioji
More informationG. Gaigalas a, E. Gaidamauskas a, Z. Rudzikas a, N. Magnani b, and R. Caciuffo b
Lithuanian Journal of Physics, Vol. 49, No. 4, pp. 403 413 (2009) doi:10.3952/lithjphys.49405 AB INITIO CALCULATIONS OF CRYSTAL-FIELD FOR ACTINIDE DIOXIDES G. Gaigalas a, E. Gaidamauskas a, Z. Rudzikas
More informationA discrete limit theorem for the periodic Hurwitz zeta-function
Lietuvos matematikos rinkinys ISSN 032-288 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 56, 205 DOI: 0.5388/LMR.A.205.6 pages 90 94 A discrete it theorem for the periodic Hurwitz zeta-function
More informationSignalų analizė ir apdorojimas
Signalų analizė ir apdorojimas Tadas Meškauskas Vilniaus universitetas, Matematikos ir informatikos fakultetas E-mail: tadas.meskauskas@mif.vu.lt Atnaujinta 2017 m. vasario 5 d. Turinys 1. Signalų kilmė,
More informationMATEMATINĖ STATISTIKA IR INFORMATIKA BIOMEDICINOJE
LIETUVOS SVEIKATOS MOKSLŲ UNIVERSITETAS KAUNO MEDICINOS UNIVERSITETAS PATVIRTINTA Kauno medicinos universiteto Senato 2004 m. gruodžio 17 d. Nutarimu 3-11 ATNAUJINTA 2013 m. spalio mėn. MATEMATINĖ STATISTIKA
More informationPAGERINTAS EURISTINIS ALGORITMAS DVIEJŲ SEKŲ BENDRO ILGIAUSIO POSEKIO PAIEŠKAI
PAGERINTAS EURISTINIS ALGORITMAS DVIEJŲ SEKŲ BENDRO ILGIAUSIO POSEKIO PAIEŠKAI Lasse Bergroth Turku universitetas, Programinių įrangų technikos filialas, Salo, Suomija Anotacija Dviejų sekų bendro ilgiausio
More informationTHOMAS FERMI AND POISSON MODELING OF GATE ELECTROSTATICS IN GRAPHENE NANORIBBON
Lithuanian Journal of Physics Vol 52 No 1 pp 63 69 (2012) Lietuvos mokslų akademija 2012 THOMAS FERMI AND POISSON MODELING OF GATE ELECTROSTATICS IN GRAPHENE NANORIBBON T Andrijauskas a AA Shylau b and
More informationEkonometrinių modelių pritaikymas OMXV indekso pokyčių prognozavimui
ISSN 1822-7996 (PRINT), ISSN 2335-8742 (ONLINE) TAIKOMOJI EKONOMIKA: SISTEMINIAI TYRIMAI: 2016.10 / 1 http://dx.doi.org/10.7220/aesr.2335.8742.2016.10.1.10 Inga MAKSVYTIENĖ Giedrius SAFONOVAS Ekonometrinių
More information10 16 metų mokinių nuostatos dėl matematikos ir metakognityvaus sąmoningumo sąsaja
ISSN 1392-5016. ACTA PAEDAGOGICA VILNENSIA 2015 35 DOI: http://dx.doi.org/10.15388/actpaed.2015.35.9188 10 16 metų mokinių nuostatos dėl matematikos ir metakognityvaus sąmoningumo sąsaja Raminta Seniūnaitė
More informationProjektas. SFMIS Nr. VP1-3.1-ŠMM-02-V SEMINARO INFERENCINĖ STATISTIKA SOCIALINIUOSE MOKSLUOSE MEDŽIAGA. Vydas Čekanavičius
Projektas Lietuvos HSM duomenų archyvo LiDA plėtra SFMIS Nr. VP1-3.1-ŠMM-02-V-02-001 SEMINARO INFERENCINĖ STATISTIKA SOCIALINIUOSE MOKSLUOSE MEDŽIAGA Vydas Čekanavičius (Paslaugų sutartis Nr. SA-2010-771/2,
More informationGLOBALUSIS OPTIMIZAVIMAS SU SIMPLEKSINIAIS POSRIČIAIS
VYTAUTO DIDŽIOJO UNIVERSITETAS MATEMATIKOS IR INFORMATIKOS INSTITUTAS Remigijus PAULAVIČIUS GLOBALUSIS OPTIMIZAVIMAS SU SIMPLEKSINIAIS POSRIČIAIS Daktaro disertacija Fiziniai mokslai (P 000) Informatika
More informationRESEARCH OF DYNAMICS OF RADIOCESIUM AND HYDROPHYSICAL PARAMETERS IN THE LITHUANIAN LAKES
VILNIUS GEDIMINAS TECHNICAL UNIVERSITY Anastasija MOISEJENKOVA RESEARCH OF DYNAMICS OF RADIOCESIUM AND HYDROPHYSICAL PARAMETERS IN THE LITHUANIAN LAKES SUMMARY OF DOCTORAL DISSERTATION TECHNOLOGICAL SCIENCES,
More informationStatistical analysis of design codes calculation methods for punching sheer resistance in column to slab connections
Journal of Civil Engineering and Management ISSN: 139-3730 (Print) 18-3605 (Online) Journal homepage: https://www.tandfonline.com/loi/tcem0 Statistical analysis of design codes calculation methods for
More informationAlgoritmų analizės specialieji skyriai
VGTU Matematinio modeliavimo katedra VGTU SC Lygiagrečiųjų skaičiavimų laboratorija Paskaitų kursas. 2-oji dalis. Turinys 1 Algoritmų sudarymo principai ir metodai Variantų perrinkimas Tai bendras daugelio
More informationTHE SPRAWL OF VILNIUS CITY ESTABLISHMENT AND ANALYSIS OF GROWING URBAN REGION
ISSN 1822-6701 Annales Geographicae 43 44, 2010 2011 THE SPRAWL OF VILNIUS CITY ESTABLISHMENT AND ANALYSIS OF GROWING URBAN REGION Rūta Ubarevičienė, Donatas Burneika, Edis Kriaučiūnas Nature Research
More information