Autorius, institucija: Jurgita Arnastauskaitė, Kauno technologijos universitetas
Mokslo sritis, kryptis: gamtos mokslai, informatika, N009
Mokslinis vadovas: doc. dr. Tomas Ruzgas (Kauno technologijos universitetas, gamtos mokslai, informatika, N009)
Informatikos mokslo krypties disertacijos gynimo taryba:
prof. habil. dr. Rimantas Barauskas (Kauno technologijos universitetas, gamtos mokslai, informatika, N009) – pirmininkas
dr. Jolita Bernatavičienė (Vilniaus universitetas, gamtos mokslai, informatika, N009)
prof. dr. Gintaras Palubeckis (Kauno technologijos universitetas, gamtos mokslai, informatika, N009)
prof. habil. dr. Minvydas Kazys Ragulskis (Kauno technologijos universitetas, gamtos mokslai, informatika, N009)
dr. Renata Retkutė (Kembridžo universitetas, Jungtinė karalystė, gamtos mokslai, matematika, N001)
Disertacijos gynimas vyks Kauno technologijos universiteto „Santakos“ slėnyje, Posėdžių kambaryje (K.Baršausko g. 59 – A228, Kaunas).
Su disertacija galima susipažinti internete ir Kauno technologijos universiteto bibliotekoje (K. Donelaičio g. 20, Kaunas).
Anotacija:
Šiuolaikinėje duomenų analitikoje sudėtingesnių sprendimų priėmimas neįmanomas be hipotezių tikrinimo. Duomenų analitikai stengiasi panaudoti statistinę ir apriorinę informaciją. Paprastai jie savo tyrimus pradeda nuo hipotezių apie duomenų pasiskirstymą tikrinimo. Tai daroma dėl labai svarbių priežasčių: žinomas duomenų skirstinys gali paaiškinti duomenis generuojantį procesą, skirstinio charakteristikos gali būti susijusios su pradinio modelio parametrais, pagal žinomą duomenų skirstinį galima tikslingai taikyti tinkamus modelius ir sumažinti skaičiavimo kompiuteriu resursus. Dėl aptartų priežasčių ir didelės praktinės reikšmės disertacijoje nagrinėjama suderinamumo hipotezės tikrinimo problematika. Darbo tikslas buvo sukurti ir ištirti suderinamumo hipotezės tikrinimo vienmačius ir daugiamačius kriterijus, kurie būtų efektyvūs normalumo prielaidos atveju. Darbe yra pristatytas N-metrikos teorija paremtas suderinamumo hipotezės tikrinimo kriterijus, kuris yra galingesnis už kitus galingiausius vienmačius kriterijus dideliems imties dydžiams. Darbe taip pat pasiūlytas pasiskirstymo tankių skirtumo vertinimu ir apvertimo formulės taikymu paremtas daugiamatis suderinamumo hipotezės tikrinimo kriterijus, kuris pasižymi kur kas didesne galia nei kiti galingiausi kriterijai simetrinių ir mišriųjų skirstinių grupėms. Pagal gautus rezultatus galima padaryti išvadą, kad šiame darbe pristatyti statistiniai kriterijai gali būti sėkmingai taikomi realių duomenų analizės suderinamumo hipotezės tikrinimo uždaviniuose.
