Matematinės statistikos katedra

Fundamentinių mokslų fakultetas Padaliniai Matematinės statistikos katedra Studijos Baigiamųjų darbų anotacijos

Turite klausimų?

susisiekite jums patogiu būdu

Telefonas (8 5) 274 4849

El. paštas crypt:PGEgaHJlZj0ibWFpbHRvOmZtc2FAdmlsbml1c3RlY2gubHQiPmZtc2FAdmlsbml1c3RlY2gubHQ8L2E+:xx

Baigiamųjų darbų anotacijos

Studento vardas, pavardė	Baigiamojo darbo pavadinimas	Baigiamojo darbo vadovas
2021 metų bakalauro baigiamųjų darbų anotacijos
Studento vardas, pavardė Indrė Gedminaitė	Baigiamojo darbo pavadinimas Laiko eilučių būsenų analizė grafų metodais	Baigiamojo darbo vadovas dr. Nomeda Bratčikovienė
Anotacija (lietuvių k.) Baigiamajame bakalauro darbe buvo analizuojami nestandartiniai matematiniai metodai, leidžiantys laiko eilučių stebėjimus atvaizduoti į grafus. Baigiamojo darbo tikslas – naudojantis nestandartiniais laiko eilučių ir grafų metodais, atvaizduoti ekonominių, socialinių, finansinių laiko eilučių duomenis į grafus ir įvertinti ar šie metodai leidžia nustatyti sąryšius ir struktūras laiko eilutėse. Užduočiai atlikti buvo pasirinkta ir pritaikyta matomumo grafų teorija. Darbo pabaigoje, apibendrinus tiriamojoje dalyje gautus rezultatus, pateikiamos išvados. Darbą sudaro: įvadas, trys skyriai, išvados, literatūros sąrašas. Darbo apimtis – 35 p. teksto be priedų, 26 paveikslai, 1 lentelė, 15 literatūros šaltinių. Atskirai pridedamas darbo priedas. Raktiniai žodžiai: Laiko eilutė, grafas, matomumo grafas. Anotacija (užsienio k.) In the final bachelor's work, non-standard mathematical methods were analyzed, which allow time series observations to be represented in graphs. The aim of the final work is to use the non-standard methods of time series and graphs, to map the data of economic, social, financial time series into graphs and to evaluate whether these methods allow to establish relations and structures in time series. The theory of visibility graphs was selected and applied to perform the task. At the end of the work, after summarizing the results obtained in the research part, the conclusions are presented. Structure: introduction, three chapters, conclusions, literature sources. Scope of work - 35 p. text without appendixes, 26 pictures, 1 table, 15 literature sources. Appendix is ??attached separately. Raktiniai žodžiai: Time series, graph, visibility graph.
Studento vardas, pavardė Paulina Aliukonytė	Baigiamojo darbo pavadinimas Kryptinės statistikos taikymai elementariųjų dalelių trajektorijų tyrime	Baigiamojo darbo vadovas doc. dr. Tomas Rekašius
Anotacija (lietuvių k.) Kryptinės statistikos metodai taikomi stebiniams, esantiems ant įvairių Rymano daugdarų, pavyzdžiui, ant apskritimo arba sferos. Vienas iš konkrečių šių metodų pritaikymų yra formų analizė, kuomet stebinys – objekto forma – dažnai yra taškas ant kompleksinių daugdarų. Šiame darbe aptarti metodai naudojami elementariųjų dalelių trajektorijų analizei, sprendžiant jų identifikavimo uždavinį, kuris tolygus turimų trajektorijų klasterizavimui. Trajektorijų grupėms rasti apibrėžiamas atstumas tarp formų, kuris lygus Rymano atstumui tarp taškų ant nagrinėjamų daugdarų. Trumpai aptariama, kaip remiantis gautomis grupėmis ir sąlyginiais formų pasiskirstymais galima identifikuoti naujas elementariąsias daleles. Raktiniai žodžiai: Kryptinė statistika, formų analizė, formų klasterizavimas, elementariosios dalelės Anotacija (užsienio k.) Methods of directional statistics are applied to observations on various Riemannian manifolds, such as circles or spheres. One of the specific applications of these methods is the analysis of shape. In this case, the shape of an object is considered to be an observation that lies on a complex manifold. The methods discussed in this work are used for the analysis of elementary particle trajectories, solving the problem of their identification, which is equivalent to the clustering of existing trajectories. To cluster trajectories, the distance between the shapes is defined, which is equal to the Riemannian distance between the points that lie on the manifolds in question. It is briefly discussed how new elementary particles can be identified based on the resulting groups and conditional shape distributions. Raktiniai žodžiai: Directional statistics, shape analysis, clustering of object forms, elementary particles
Studento vardas, pavardė Egidijus Griška	Baigiamojo darbo pavadinimas Optimalaus teksto ir grafikų išdėstymo ant žemėlapio uždavinys	Baigiamojo darbo vadovas doc. dr. Tomas Rekašius
Anotacija (lietuvių k.) Optimalaus teksto ir grafikų išdėstymo uždavinys paplitęs tarp biologų ir geografų, kuomet norima atvaizduoti kuo daugiau objektų ant tam tikro brėžinio ar žemėlapio taip, kad jie nepersidengtų. Šiame darbe aptariama taškų pažymėjimo problema – tekstų, ar kitame pavidale esančių žymų (pvz., skritulinės diagramos, histogramos) uždėjimo šalia taško uždavinys, kuomet yra siekiama pastąrasias žymas ant žemėlapio ar grafiko išdėlioti taip, kad jos būtų aiškiai perskaitomos ir neuždengtų viena kitų \cite{christensen1992labeling}. Darbe yra aprašyta keletas metodų, kurie gali būti naudojami šiai problemai spręst. Šiame darbe yra išnagrinėti stochastinės paieškos metodai. Taip pat yra išanalizuojamos kelios R programinės kalbos funkcijos, kurios yra naudojamos panašiai problemai spręsti – teksto aplink tašką išdėliojimo (ne pačių grafikų). Remiantis šiomis funkcijomis ir aptartais optimizavimo metodais parašoma funkcija, kuri automatizuoja grafikų ir tekstų išdėliojimą taip, kad jie nebūtų persidengiantys. Darbas yra apibendrinamas stochastinės paieškos metodų palyginimu, atsižvelgiant į kokybės rezultatus ir metodų greitį. Raktiniai žodžiai: Taškų pažymėjimo uždavinys, stochastinis optimizavimas, R programavimo kalba. Anotacija (užsienio k.) Optimal text and graph layout task is spread around biologists and geographers because sometimes they need to display as many objects as possible on a certain drawing or map in the way, so they do not overlap. This paper discusses the point feature label placement problem which is the problem of placing text or other graphical (such as pie chart, histogram) labels adjacent to point features on a map or diagram so as to maximize legibility. In this paper, some methods are reviewed that can be used to solve this problem, a closer look is taken to stochastic search methods. Also, in the course of this work, several functions of the R programming language are analyzed, that lays out the texts (not graphs) around the point so that they do not overlap. Based on these functions and optimization methods, a function is being written, that allows to lay out pie charts and texts on the drawing, or map so these objects do not overlap. The work is summarized by comparing stochastic search methods in terms of quality results and speed of methods. Raktiniai žodžiai: Point feature label placement, stochastic optimization, R programming language.
Studento vardas, pavardė Elijas Dapšauskas	Baigiamojo darbo pavadinimas Mašininio mokymosi algoritmų taikymas prognozuojant sporto varžybų nugalėtoją	Baigiamojo darbo vadovas dr. Viktoras Chadyšas
Anotacija (lietuvių k.) Bakalaurinio darbo tikslas – sukurti du klasifikacinius mašininio mokymosi modelius pasirinktam duomenų rinkiniui bei palyginti jų efektyvumą. Duomenų rinkinį sudaro 440 stebinių, kuriuose pateikiama informacija apie 1980-2018 vykusias finalines NBA varžybas. Priklausomojo kintamojo prognozavimas leistų prognozuoti, ar tam tikras savybes varžybose turinti komanda linkusi jas laimėti ar ne. Priklausomą kintamąjį sudaro dvi klasės, todėl sprendžiamas klasifikavimo uždavinys. Teorinėje dalyje pristatomas duomenų rinkinys, apžvelgiami pasirinkti klasifikavimo algoritmai ir jų lyginimo metodai. Kadangi duomenų rinkinys yra nedidelis, yra būtina parinkti tinkamus metodus, kad būtų gaunami pakankamai tikslūs įverčiai, bei būtų užtikrinamas išvadų pakartojamumas. Buvo pasirinkta dviguba n-kartė kryžminė validacija kiekvieno modelio tikslumo įverčių gavimui bei 5x2 kryžminės validacijos t-testas šių įverčių skirtumo statistinio reikšmingumo įvertinimui. Galiausiai buvo apmokyti du geriausius tikslumo įverčius turintys modelių variantai. Darbą sudaro 7 dalys: įvadas, mašininio mokymosi ir jo metodų apžvalga, duomenų rinkinio apžvalga ir paruošimas tyrimui, eksperimento žingsnių teorinė apžvalga, eksperimento rezultatai, išvados ir literatūros sąrašas. Darbo apimtis – 36 p. teksto be priedų, 13 iliustr., 2 lent., 14 bibliografinių šaltinių. Raktiniai žodžiai: klasifikacija, modelių tikslumo lyginimas, balansuoti duomenys, logistinė regresija, neuroniniai tinklai, sportas, krepšinis. Anotacija (užsienio k.) The aim of this bachelor's thesis is to create two Machine Learning classification models for a chosen dataset and compare their performance. Dataset consists of 440 observations, with information about NBA final games from 1980-2018. A built classifier would allow to predict whether a team with particular features is likely to win a match in the finals or not. Output variable consists of two classes, therefore the problem is regarded as a supervised classification task. In the theoretical part of the paper, the dataset is presented, classification algorithms and their comparison methods are overviewed. The dataset is quite small, therefore it's crucial to select appropriate methods so that accurate estimates can be drawn and the repeatability of the study would be ensured. Nested n-fold cross validation was chosen to be used for accuracy estimation, and 5x2 cross-validated t-test was used to statistically evaluate the significance of difference between the accuracy estimates of the two models. At the end, a best variant for each of the models was trained to be used as the final model. The paper consists of 7 sections: introduction, overview of machine learning methods, overview of the dataset and its' preparation, overview of the experiment steps, experiment results, conclusions, and bibliography. The thesis consists of 36 pages of text without appendix, 13 pictures, 2 tables and 14 bibliographical entries. Raktiniai žodžiai: classification, model performance comparison, balanced data, logistic regression, neural networks, sport, basketball.
Studento vardas, pavardė Robert Tarasevič	Baigiamojo darbo pavadinimas Tekstų analizė naudojant mašininio mokymosi algoritmus	Baigiamojo darbo vadovas dr. Viktoras Chadyšas
Anotacija (lietuvių k.) Šiame darbe yra nagrinėjami transformer architektūros gilieji neuroniniai tinklai skirti natūraliosios kalbos apdorojimo uždaviniams spręsti, šiai dienai modeliai grįsti šių tinklų architektūra yra labai gerai išvystyti anglų bei keliomis kitomis kalbomis, tačiau lietuvių kalbai šie modeliai dar nepritaikyti arba rezultatai yra netenkinami, visa to priežastis - standartizuotų lietuviškų tekstinių duomenų rinkinių trūkumas. Darbe aprašyta transformer modelio architektūra, bei jos atskiros dalys: koduotojas, dekoderis, dėmesio sutelkimo mechanizmas, toliau aprašyti BERT ir BART modeliai, apžvelgiama kas šiuos modelius sieja tarpusavyje ir su transformer tinklais, išnagrinėjamos modelių galimybės ir pritaikymo sritys. Eksperimentinėje dalyje sukonstruotas ir apmokytas dirbtinis neuroninis tinklas vienai iš pritaikymo sričių - teksto santraukos generavimas (lietuvių kalba), aprašomas duomenų surinkimas iš trijų pagrindinių lietuviškų naujienų portalų, bei surinktų duomenų paruošimas, kuriais buvo apmokomas mBART modelis lietuviškų tekstų santraukų generavimui. Galiausiai apmokyto modelio tikslumas yra įvertintas naiviojo Bajeso klasifikatoriumi, klasifikuojant generuotas ir tikrąsias žmogaus parašytas santraukas. Raktiniai žodžiai: natūralios kalbos apdorojimas, transformer neuroniniai tinklai, BART, teksto santraukos generavimas, klasifikavimas, naujienų portalų duomenų rinkinys. Anotacija (užsienio k.) In this paper, we are studying transformer architecture deep neural networks for natural language processing tasks (NLP). To date, transformer architecture models are very well developed in English and several other languages, but the Lithuanian language models are not yet adapted or the results are insufficient, the reason for this is the lack of standardized textual datasets for Lithuanian language. The paper describes the architecture of the transformer model and its individual parts: encoder, decoder, self-attention mechanism, then describes the BERT and BART models, gives an overview of what connects these models to each other and to the transformer networks, then examines the possibilities of the models and the areas of application. In the experimental part, an artificial neural network is constructed and trained for one of the application areas – text summarization (for Lithuanian language), data collection from three major Lithuanian news portals and the preparation of collected data is described, these data were further used to train the mBART model for the Lithuanian text summarization task. Finally, the accuracy of the trained model is evaluated with a naive Bayes classifier, classifying the generated and real human-written summaries. Raktiniai žodžiai: natural language processing (NLP), transformer, BART, text summarization, classification, news dataset.
Studento vardas, pavardė Jonas Grigas	Baigiamojo darbo pavadinimas Vilniaus miesto butų vieno kvadratinio metro kainos prognozavimas	Baigiamojo darbo vadovas dr. Vilma Nekrašaitė-Liegė
Anotacija (lietuvių k.) Bakalaurinio darbo tikslas – išsiaiškinti kokios būsto charakteristikos daro didžiausią įtaką kvadratinio metro kainai ir pagal pasirinktas charakteristikas sudaryti prognozuojančius modelius. Duomenų rinkinys, nusakantis 2016-2018 metų Vilniaus butų pirkimo ir pardavimo sandorius, talpinantis 28364 įrašus, buvo naudojamas sudaryti prognozių modelius. Duomenų rinkinys nusakantis 2019 metų Vilniaus butų pirkimo ir pardavimo sandorius, talpinantis 10917 įrašus, buvo naudojamas gautų prognozių tikslumui tikrinti. Duomenų rinkiniams buvo atlikta valymo procedūra, kurios metu buvo atfiltruojamos nereikšmingos reikšmės, tikrinamos įvesties klaidos, šalinamos praleistos reikšmės. Naudojant dispersinės analizės metodą, buvo sudaryti Anova modeliai iš visų įmanomų, atrinktų kintamųjų kombinacijų, o geriausias modelis atrenkamas pasitelkiant „Akaike“ informacijos kriterijų. Kvantilinės regresijos metodu buvo sudaryti 5 skirtingi modeliaisu kvantiliais - (0,05; 0,25; 0,5; 0,75; 0,95). Modelių tikslumas lyginamas su 2019 metų duomenimis pagal keturis kriterijus: vidutinę absoliutinę procentinę paklaidą (MA-PE), vidutinę procentinę paklaidą (MPE), vidutinę absoliutinę paklaidą (MAE) ir vidutinę kvadratinę paklaidą (MSE). Raktiniai žodžiai: Anova, kvantilinė regresija, dispersinė analizė Anotacija (užsienio k.) The aim of the bachelor's thesis is to find out which housing characteristic has the greatest impact on the price per square meter and to compile according to the chosen characteristic predictive models. The data set describing the 2016-2018 Vilnius apartment purchase and sale transactions, containing 28,364 records, was used to generate forecast models. The data set describing the purchase and sale transactions of Vilnius apartments in 2019, containing 10917 records, was used for checking accuracy of the obtained forecasts. The data sets were subjected to a cleanup procedure, during which insignificant values ??were filtered out, input errors were checked, and omissions were eliminated. Using the method of analysis of variance, Anova models were constructed from all possible combinations of selected variables, and the best model was selected using Akaike information criteria. Quantile regression method was used to create 5 different models with quantiles - (0.05; 0.25; 0.5; 0.75; 0.95). The accuracy of forecast models was checked according to four criteria: mean absolute error (MA-PE), mean error (MPE), mean absolute error (MAE) and standard deviation (MSE). Raktiniai žodžiai: Anova, quantile regression, analysis of variance
Studento vardas, pavardė Paulina Černyškovaitė	Baigiamojo darbo pavadinimas Duomenų modeliavimas Monte Karlo metodu	Baigiamojo darbo vadovas doc. dr. Jolita Norkūnienė
Anotacija (lietuvių k.) Baigiamajame bakalauro darbe tiriama aukso kaina. Tuo tikslu yra taikomi Monte Karlo ir laiko eilučių modeliai. Šie modeliai sudaromi naudojant „R“ statistinį paketą. Modeliai yra įvertinami ir palyginami tarpusavyje. Darbo pabaigoje pateikiamos Monte Karlo metodo ir laiko eilučių modelių gautos prognozės. Suformuluojamos išvados. Darbą sudaro 9 dalys: įvadas, literatūros apžvalga, tyrimo metodai, aukso kainos tyrimas Monte Karlo metodu, aukso kainos tyrimas laiko eilučių modeliu, aukso kainos prognozė, rezultatai ir išvados, literatūros sąrašas, priedai. Darbo apimtis – 30 p. teksto be priedų, 11 paveikslų, 6 lentelės, 12 literatūros šaltinių. Atskirai pridedami darbo priedai. Raktiniai žodžiai: Monte Karlo metodas, laiko eilutė, prognozė, aukso kaina Anotacija (užsienio k.) The final bachelor's thesis examines the price of gold. For that aim are used Monte Carlo and time-series models. These models are compiled using the R statistical package. The models are evaluated and compared with each other. At the end of the work, the forecasts obtained from the Monte Carlo method and time-series models are presented. Conclusions are formulated. Work consists of 9 parts: introduction, literature review, research methods, gold price research by Monte Carlo method, gold price research by time-series model, gold price forecast, results and conclusions, references, appendices. Thesis consists of: 30 p. text without appendixes, 11 pictures, 6 tables, 12 references. Work appendices are attached separately. Raktiniai žodžiai: Monte Carlo method, time-series, forecast, price of gold
2021 metų magistro baigiamųjų darbų anotacijos
Studento vardas, pavardė Julija Janeiko	Baigiamojo darbo pavadinimas Daugiamačių kryptinių duomenų modeliavimas	Baigiamojo darbo vadovas doc. dr. Tomas Rekašius
Anotacija (lietuvių k.) Baigiamajame magistro darbe yra nagrinėjami daugiamačių kryptinių duomenų modeliavimo metodai. Cilindriniams ir sferiniams duomenims yra pritaikomi k-vidurkių bei EM klasterizavimo metodų kryptiniai analogai. Kryptiniai klasterizavimo metodai yra lyginami tarpusavyje bei su klasikiniu tiesiniu klasterizavimo algoritmu. Taip pat, cilindrinių bei sferinių duomenų klasifikavimui yra pritaikomi kryptiniai diskriminantinės analizės ir logistinės regresijos metodų analogai. Jie yra lyginami tarpusavyje ir su klasikiniu tiesiniu klasifikavimo algoritmu. Be to, darbe cilindriniams duomenims yra pritaikomas kryptinių sprendimų medžių algoritmas. Analizei yra naudojami sugeneruoti sferiniai bei cilindriniai duomenis, taip pat ir realūs duomenų rinkiniai: žvaigždžių duomenys ir meteorologiniai duomenys. Skaičiavimai atlikti naudojant programavimo kalbą R, versija 3.6.3. Darbą sudaro 6 dalys: įvadas, teorinė dalis, praktinė dalis, išvados, literatūros sąrašas. Darbo apimtis -- 108 p. teksto be priedų, 46 lentelės, 60 iliustracijų, 23 bibliografiniai šaltiniai. Atskirai pridedami darbo priedai. Raktiniai žodžiai: kryptinė statistika, cilindriniai duomenys, sferiniai duomenys, kryptinis klasifikavimas, kryptinis klasterizavimas, kryptiniai sprendimų medžiai. Anotacija (užsienio k.) The final master thesis applies various modeling methods to multidimensional directional data. Directional analogues of k-means and EM clustering algorithms are applied to cylindrical and spherical data. Then directional clustering methods are compared with each other and with the classical linear clustering algorithm. Also, directional analogues of discriminant analysis and logistic regression methods are used to classify cylindrical and spherical data into groups. They are compared with each other and with the classical linear classification algorithm. In addition, directional decision tree method is applied to cylindrical data. All analyses are made using generated spherical and cylindrical data, and also the real data sets: star data and meteorological data. Calculations were made using statistical software R, version 3.6.3. Structure: introduction, theoretical part, practical part, conclusions, references. Thesis consist of: 108 p. text without appendixes, 46 tables, 60 pictures, 23 bibliographical entries. Appendixes included. Raktiniai žodžiai: directional statistics, cylindrical data, spherical data, directional classification, directional clustering, directional decision trees.
Studento vardas, pavardė Miglė Gritėnaitė	Baigiamojo darbo pavadinimas Statistiniai metodai akselerometro duomenims tirti	Baigiamojo darbo vadovas dr. Aurelija Kasparavičiūtė
Anotacija (lietuvių k.) Baigiamajame darbe atliekamas akselerometro duomenų tyrimas, kurio tikslas buvo, išsiaiškinus akselerometro veikimo principą bei susipažinus su pagrindinėmis akselerometro duomenų problemoms, ištirti, kokią įtaką duomenims gali turėti jų kiekis, heterogeniškumas, prietaiso sensoriaus vieta, nuokrypis ir dažnis. Duomenys buvo lyginami naudojant ENMO, MAD ir AI0 apibendrimo metodus. Rastoms išskirtims pašalinti buvo taikytas daugkartinio priskyrimo algoritmas. Duomenų apdorojimas ir skaičiavimai buvo atliekami su R atvirojo kodo programa. Palyginus dešimties žmonių duomenis, pateikiamos baigiamojo darbo išvados ir siūlymai tolimesnei analizei. Darbą sudaro 7 dalys: įvadas, akselerometro apžvalga, trūkstamų reikšmių uždavinys, akselerometro duomenų apibendrinimo metodai, akselerometro duomenų tyrimas, išvados, literatūros sąrašas. Darbo apimtis – 37 p. teksto be priedų, 16 iliustr., 24 bibliografiniai šaltiniai. Atskirai pridedami darbo priedai. Raktiniai žodžiai: Akselerometras, apibendrinimo statistikos, ENMO, MAD, AI0, daugkartinis priskyrimas Anotacija (užsienio k.) In this paper accelerometer data have been analyzed. The aim was to investigate how after finding out how accelerometer works and what are the main problems with accelerometer data volume and heterogeneity, sensor location, device rotation and sampling frequency affects data and its quality. ENMO, MAD and AI0 summaries of accelerometry data were used. Moreover, multiple imputation method was used to deal with missing values. Data processing and calculation were done with R software environment. After comparing accelerometry data conclusions are presented together with suggestions what could be done in the future. Paper includes 7 parts: introduction, accelerometer overview, missing values task, summaries of accelerometer data, accelerometer data analysis, conclusions, literature. Scope of paper – 37 pages, 16 illustrations, 24 bibliography items. Additionally, appendices are added. Raktiniai žodžiai: Accelerometer, summaries of accelerometry data , ENMO, MAD, AI0, multiple imputation
Studento vardas, pavardė Ieva Burakauskaitė	Baigiamojo darbo pavadinimas Pasirinktinio redagavimo metodas naudojant užterštumo modelį	Baigiamojo darbo vadovas dr. Vilma Nekrašaitė-Liegė
Anotacija (lietuvių k.) Magistro baigiamajame darbe statistinio tyrimo, atliekamo imčių metodais, duomenų patikra optimizuota taikant pasirinktinio redagavimo metodą, kai aktualaus statistinio tyrimo rodiklio reikšmės įvertintos naudojant užterštumo modelį. Pasirinktinio redagavimo metodo tikslas – duomenyse ieškoti klaidų, turinčių didžiausią įtaką imčių metodų įverčių tikslumui. Tokiu būdu patikra sutelkiama tik į atitinkamus stebinius, sumažinant žmogiškuosius išteklius bei laiko sąnaudas duomenų redagavimo etape ir tuo pačiu išlaikant norimą įverčių tikslumą. Pastarieji rezultatai yra itin svarbūs nacionalinėms statistikos institucijoms. Magistro baigiamajame darbe apžvelgta užterštumo modelio ir pasirinktinio redagavimo metodo literatūra, plačiau pristatyti pagrindiniai magistro baigiamojo darbo tyrimui naudoti literatūros šaltiniai. Teorinėje darbo dalyje pateikta užterštumo modelio ir pasirinktinio redagavimo metodo metodologija, išskirtas atskiras atvejis, kuriuo remiantis vykdytas magistro baigiamojo darbo tyrimas. Praktinėje darbo dalyje pasirinktinio redagavimo metodas taikytas Lietuvos statistikos departamento atliekamo Paslaugų įmonių veiklos statistinio tyrimo duomenų patikrai (pardavimo pajamų rodikliui). Aktualaus statistinio tyrimo rodiklio reikšmės prognozuotos naudojant užterštumo modelį. Potencialių klaidų įtaka įverčio tikslumui įvertinta konstruojant tikslo funkciją, kuri darbe apibrėžta standartiškai – skirtumą tarp realios stebinio reikšmės ir jos prognozės dauginant iš imties svorio ir įtartinumo komponentės, kuri lygi tikimybei, kad atitinkamas stebinys yra klaidingas. Magistro baigiamojo darbo tyrimas vykdytas įtraukiant diskrečią ir tolydžią įtartinumo komponentes, taip nustatant įtartinumo komponentės įtaką pasirinktinio redagavimo metodo efektyvumui. Taip pat tirta duomenų rinkinio skaidymo į skirtingus sluoksnius pagal ekonominės veiklos rūšis nauda. Darbą sudaro 6 dalys: įvadas, literatūros apžvalga, teorinė dalis, praktinė dalis, išvados, literatūros sąrašas. Darbo apimtis: 63 p. teksto be priedų, 34 iliustracijos, 25 lentelės, 20 šaltinių. Raktiniai žodžiai: užterštumo modelis, pasirinktinis redagavimas, duomenų tikrinimas, duomenų tinkamumo patvirtinimas, statistinis tyrimas, oficialioji statistika Anotacija (užsienio k.) In the master graduation thesis the statistical survey data validation process was optimized using selective editing when predictions of the relevant statistical survey indicator were obtained using the contamination model. The aim of selective editing is to identify observations affected by errors that have a major impact on the quality of sample estimates. This way the data editing process can be focused on the corresponding observations while preserving human resources and time costs though maintaining the quality of sample estimates. These results are especially important for national statistical institutions. In the master graduation thesis the literature on the contamination model and selective editing was overviewed, while the main articles used for research study were introduced in more detail. Methodology on the contamination model and selective editing as well as its separate case used during the research study were presented in the theoretical part of the paper. Selective editing was applied on the data editing process of quarterly statistical survey on service enterprises (turnover indicator) of Statistics Lithuania. The predictions of the main statistical survey indicator were obtained using the contamination model. The impact of the potential error on a sample estimate was evaluated using a score function with a standart structure – a difference between the observed value of the main statistical survey indicator and its prediction multiplied by a sample weight and a suspicion component. The research study was carried out by selecting a discrete and a continuous suspicion component and evaluating an impact of the suspicion component on the effectiveness of selective editing. Also, the advantage of statistical data partition into the separate stratums by economic activities was investigated. The master graduation thesis is divided into 6 parts: introduction, literature overview, theoretical part, practical part, conclusion, reference list. Paper size: 63 p. of text without appendices, 34 illustrations, 25 tables, 20 references. Raktiniai žodžiai: contamination model, selective editing, data checking, data validation, statistical survey, official statistics
Studento vardas, pavardė Beata Lebionkaitė	Baigiamojo darbo pavadinimas Akcijų rinkos analizė ir prognozavimas laiko eilučių metodais	Baigiamojo darbo vadovas doc. dr. Jolita Norkūnienė
Anotacija (lietuvių k.) Šiame darbe nagrinėjamos trijų IT bei verslo konsultavimo įmonių „CGI Inc.“, „IBM“ ir „Accenture“ akcijų kainų laiko eilutės. Duomenims buvo sudaryti ARIMA bei hibridiniai ARMA + GARCH modeliai. Pasinaudojant sudarytais ARIMA modeliais atlikta kiekvienos įmonės trumpalaikė akcijų kainų prognozė, o ARMA + GARCH modeliais prognozuota, kada akcijų kainos pasieks savo tiriamojo laikotarpio didžiausias reikšmes. Vėliau sudaryti modeliai buvo palyginti pagal AIC ir BIC kriterijų reikšmes ir pateikti gauti rezultatai, išvados bei rekomendacijos tolesniems tyrimams. Raktiniai žodžiai: Laiko eilutė, prognozė, akcijų kaina, ARIMA modelis, GARCH modelis. Anotacija (užsienio k.) This paper examines the time series of the stock prices of three IT and business consulting companies "CGI Inc.", "IBM" and "Accenture". ARIMA and hybrid ARMA + GARCH models were created for the collected data. Using the developed ARIMA models, a short-term stock price forecast was made for each company. With ARMA + GARCH models it was predicted when stock prices would reach their highest values in the study period. Subsequently, the developed models were compared according to the values of AIC and BIC criteria and the obtained results, conclusions and recommendations for further research were presented. Raktiniai žodžiai: Time series, forecast, stock prices, ARIMA model, GARCH model.

- Puslapio administratoriai:
- Edita Dombrovskienė
- Edita Dombrovskienė
- Greta Markūnaitė
- Augustė Jablonskytė
- Agnė Augustinaitė