No description available.

Une des finalités du traitement d’antenne est la détection et la localisation de cibles en milieu bruité. Dans la plupart des cas pratiques, comme par exemple le RADAR ou le SONAR actif, il faut estimer dans un premier temps les propriétés statistiques du bruit, et plus précisément sa matrice de covariance ; on dispose à cette fin de données secondaires supposées identiquement distribuées. Dans ce contexte, les hypothèses suivantes sont généralement formulées : bruit gaussien, données secondaires ne contenant que du bruit, et bien sûr matériels fonctionnant parfaitement. Il est toutefois connu aujourd’hui que le bruit en RADAR est de nature impulsive et que l’hypothèse Gaussienne est parfois mal adaptée. C’est pourquoi, depuis quelques années, le bruit et en particulier le fouillis de sol est modélisé par des processus elliptiques, et principalement des Spherically Invariant Random Vectors (SIRV). Dans ce nouveau cadre, la Sample Covariance Matrix (SCM) estimant classiquement la matrice de covariance du bruit entraîne des pertes de performances très importantes des détecteurs / estimateurs. Dans ce contexte non-gaussien, d’autres estimateurs de la matrice de covariance mieux adaptés à cette statistique du bruit ont été développés : la Matrice du Point Fixe (MPF) et les M-estimateurs.Parallèlement, dans un cadre où le bruit se décompose sous la forme d’une somme d’un fouillis rang faible et d’un bruit blanc, la matrice de covariance totale est structurée sous la forme rang faible plus identité. Cette information peut être utilisée dans le processus d'estimation afin de réduire le nombre de données nécessaires. De plus, il aussi est possible d'utiliser le projecteur orthogonal au sous espace fouillis à la place de la matrice de covariance ce qui nécessite moins de données secondaires et d’être aussi plus robuste aux données aberrantes. On calcule classiquement ce projecteur à partir d'un estimateur de la matrice de covariance. Néanmoins l'état de l'art ne présente pas d'estimateurs à la fois être robustes aux distributions hétérogènes, et rendant compte de la structure rang faible des données. C'est pourquoi ces travaux se focalisent sur le développement de nouveaux estimateurs (de covariance et de sous espace), directement adaptés au contexte considéré. Les contributions de cette thèse s'orientent donc autour de trois axes :- Nous présenterons tout d'abord un modèle statistique précis : celui de sources hétérogènes ayant une covariance rang faible noyées dans un bruit blanc gaussien. Ce modèle et est, par exemple, fortement justifié pour des applications de type radar. Il à cependant peu été étudié pour la problématique d'estimation de matrice de covariance. Nous dériverons donc l'expression du maximum de vraisemblance de la matrice de covariance pour ce contexte. Cette expression n'étant pas une forme close, nous développerons différents algorithmes pour tenter de l'atteindre efficacement.- Nous développons de nouveaux estimateurs directs de projecteur sur le sous espace fouillis, ne nécessitant pas un estimé de la matrice de covariance intermédiaire, adaptés au contexte considéré.- Nous étudierons les performances des estimateurs proposés et de l'état de l'art sur une application de Space Time Adaptative Processing (STAP) pour radar aéroporté, au travers de simulations et de données réelles. / One purpose of array processing is the detection and location of a target in a noisy environment. In most cases (as RADAR or active SONAR), statistical properties of the noise, especially its covariance matrix, have to be estimated using i.i.d. samples. Within this context, several hypotheses are usually made: Gaussian distribution, training data containing only noise, perfect hardware. Nevertheless, it is well known that a Gaussian distribution doesn’t provide a good empirical fit to RADAR clutter data. That’s why noise is now modeled by elliptical process, mainly Spherically Invariant Random Vectors (SIRV). In this new context, the use of the SCM (Sample Covariance Matrix), a classical estimate of the covariance matrix, leads to a loss of performances of detectors/estimators. More efficient estimators have been developed, such as the Fixed Point Estimator and M-estimators.If the noise is modeled as a low-rank clutter plus white Gaussian noise, the total covariance matrix is structured as low rank plus identity. This information can be used in the estimation process to reduce the number of samples required to reach acceptable performance. Moreover, it is possible to estimate the basis vectors of the clutter-plus-noise orthogonal subspace rather than the total covariance matrix of the clutter, which requires less data and is more robust to outliers. The orthogonal projection to the clutter plus noise subspace is usually calculated from an estimatd of the covariance matrix. Nevertheless, the state of art does not provide estimators that are both robust to various distributions and low rank structured.In this Thesis, we therefore develop new estimators that are fitting the considered context, to fill this gap. The contributions are following three axes :- We present a precise statistical model : low rank heterogeneous sources embedded in a white Gaussian noise.We express the maximum likelihood estimator for this context.Since this estimator has no closed form, we develop several algorithms to reach it effitiently.- For the considered context, we develop direct clutter subspace estimators that are not requiring an intermediate Covariance Matrix estimate.- We study the performances of the proposed methods on a Space Time Adaptive Processing for airborne radar application. Tests are performed on both synthetic and real data.

Les traumatismes crânio-cérébraux (TCC) pédiatriques (c.-à-d., subis entre la naissance et 18 ans) constituent l’une des principales causes de décès et d’invalidité chez les enfants et les adolescents à travers le monde. Durant la période pédiatrique, les fonctions cognitives, affectives et sociales émergent progressivement, sous-tendues par la maturation cérébrale et l’établissement de réseaux neuronaux complexes. Un TCC subi durant l’enfance ou l’adolescence peut donc causer des dommages au cerveau immature et entrainer des difficultés dans ces domaines. La présentation clinique et les facteurs environnementaux sont très variables d’un enfant ou adolescent à l’autre, de sorte qu’il est difficile d’identifier qui aura un rétablissement optimal et qui aura des séquelles persistantes. Bien que la recherche ait identifié plusieurs facteurs qui contribuent au rétablissement post-TCC pédiatrique, notamment ceux liés à la blessure, à l’enfant et à l'environnement familial, les modèles de prédiction à ce jour ne sont pas toujours exhaustifs et ne tiennent pas compte des facteurs génétiques qui pourraient aider le pronostic. Parmi l’ensemble des séquelles liées au TCC, les problèmes sociaux (ex: participation sociale réduite, comportements sociaux inappropriés) sont parmi les plus néfastes et peuvent considérablement affecter la qualité de vie. Ces difficultés sociales peuvent résulter d'une perturbation des habiletés socio-cognitives sous-jacentes, mais les mécanismes exacts et les bases neuronales de tels problèmes sont encore inconnus. Notamment, les connaissances actuelles sur la manière dont le TCC pédiatrique affecte les connexions entre les régions cérébrales durant le développement demeurent limitées. Considérant ces lacunes relatives aux connaissances sur les TCC pédiatriques, cette thèse avait pour but 1) de déterminer les facteurs qui contribuent à la compétence sociale durant la petite enfance (c.-à-d., entre 18 et 60 mois), afin d’établir des pistes normatives pour comprendre l’émergence de problèmes sociaux suite à un TCC pédiatrique, 2) d’établir un modèle pronostique exhaustif du devenir (mesuré par la qualité de vie) après un TCC léger pédiatrique durant la petite enfance, et 3) d’examiner l'impact d’un TCC pédiatrique de sévérité modérée à sévère sur les réseaux cérébraux structurels et fonctionnels, notamment, ceux qui sous-tendent le fonctionnement social et cognitif. Afin d’atteindre ces objectifs, les données de deux cohortes longitudinales ont été analysées et présentées sous forme de quatre articles scientifiques. Le premier article visait à valider empiriquement le modèle ‘SOCIAL’ (Beauchamp & Anderson, 2010) pour identifier les facteurs qui contribuent à la compétence sociale. Ce modèle théorique postule que des facteurs internes (liés à l'enfant), externes (liés à l’environnement) et cognitifs (fonctions attentionnelles et exécutives, communicatives et socio-cognitives) déterminent la compétence sociale de l’enfant. Les résultats d’un modèle de régression analysé chez un groupe d’enfants neurotypiques âgés de 18 à 60 mois indiquent que les facteurs internes, externes et cognitifs contribuent tous significativement à la compétence sociale de l’enfant. Les facteurs internes ainsi que les fonctions exécutives et socio-cognitives jouent un rôle particulièrement important. En effet, les enfants avec peu d’affect négatif, moins de difficultés exécutives, une meilleure communication non-verbale et une meilleure théorie de l'esprit ont un niveau de compétence sociale plus élevé. Le deuxième article visait à examiner les facteurs qui contribuent à la qualité de vie six et 18 mois après un TCC léger subi entre l’âge de 18 et 60 mois. Plusieurs prédicteurs potentiels provenant de quatre catégories de facteurs (biologie, environnement, blessure, comportement/cognition) ont été entrés dans un modèle de régression hiérarchique. Les résultats indiquent qu'un facteur génétique, le polymorphisme Val66Met du gène codant pour la protéine BDNF (Brain-Derived Neurotrophic Factor), contribue positivement à la qualité de vie six mois après le TCC, alors qu’un an plus tard, un plus faible niveau de stress parental prédit une meilleure qualité de vie chez l’enfant. Le but du troisième article était d'étudier l’organisation fonctionnelle du réseau cérébral soutenant les habiletés sociales (le cerveau social) chez les enfants et les adolescents qui ont subi un TCC de sévérité modérée à sévère entre l’âge de neuf et 15 ans. Les participants ont complété un protocole d’acquisition d’imagerie par résonance magnétique fonctionnelle au repos 24 mois après la blessure. Dans deux échantillons indépendants, les résultats indiquent une connectivité fonctionnelle altérée entre les régions cérébrales frontales et le gyrus fusiforme bilatéral dans le groupe TCC (connectivité positive) par rapport au groupe contrôle (connectivité négative). Le quatrième article a exploré les changements à long terme dans les réseaux de covariance structurelle du cerveau (c.-à-d., des régions cérébrales qui sont structurellement connectées) après un TCC pédiatrique de sévérité modérée à sévère subi entre neuf et 14 ans. L’objectif était d'étudier les différences de covariance structurelle au sein de trois réseaux cognitifs (réseau par défaut [DMN], réseau exécutif central [CEN], réseau de la salience [SN]) entre les enfants avec un TCC et les enfants sans blessure, trois et 24 mois post-TCC. Aucune différence de groupe n'a été trouvée après trois mois. Cependant, 24 mois après la blessure, le groupe TCC montrait une covariance structurelle réduite dans le DMN et le CEN par rapport au groupe contrôle. Dans leur ensemble, ces résultats suggèrent que des modèles exhaustifs incluant un large éventail de facteurs provenant de plusieurs sphères du fonctionnement sont essentiels afin de comprendre les éléments qui placent un enfant à risque de séquelles après un TCC pédiatrique. Ils mettent également en évidence l’importance de considérer parmi les facteurs de prédiction des marqueurs génétiques impliqués dans les mécanismes de neuroplasticité, et confirment l’influence de facteurs parentaux, notamment la santé mentale du parent, sur le rétablissement post-TCC chez les jeunes enfants. De plus, les résultats montrent qu’un TCC pédiatrique de sévérité modérée à sévère peut induire des altérations à long terme au niveau des réseaux neuronaux sous-jacents aux fonctions sociales et cognitives. Ces résultats permettent de mieux comprendre comment un TCC pédiatrique affecte les circuits cérébraux pendant le développement, ce qui contribue à clarifier les bases neuronales des problèmes sociaux post-TCC. Finalement, les trouvailles et réflexions issues de la thèse supportent l’idée de considérer plusieurs facteurs liés à la blessure, à l’enfant, et à l'environnement familial ainsi que des facteurs génétiques pour le diagnostic, le pronostic, et le rétablissement après un TCC subi durant l’enfance ou l’adolescence. / Pediatric traumatic brain injury (TBI; sustained between birth and 18 years) is one of the leading causes of death and disability among children and adolescents worldwide. During development, cognitive, affective and social functions emerge gradually, supported by rapid brain maturation and the establishment of complex neural networks. TBI sustained during childhood or adolescence can therefore cause damage to the immature brain and lead to difficulties in these domains. Clinical presentation and environmental factors vary greatly, rendering it difficult to identify who will recover well and who will experience persistent sequelae. Although research has identified several factors that contribute to recovery after pediatric TBI, including injury, child-related, and family-environmental variables, existing prediction models are not always comprehensive, and they do not account for genetic factors which could contribute to prognosis. Among all consequences associated with pediatric TBI, social problems (e.g., reduced social participation, maladaptive social behaviours) may be the most debilitating, and can considerably affect quality of life (QoL). These social difficulties can stem from a disruption of underlying socio-cognitive skills, but the exact mechanisms and neural bases of such problems are still unknown. In particular, current knowledge of how pediatric TBI affects connections between brain regions during development remains limited. Considering these gaps in the pediatric TBI literature, this thesis aimed to 1) determine factors that contribute to social competence in early childhood (i.e., between 18 and 60 months) in order to establish normative avenues for understanding the emergence of social problems following pediatric TBI, 2) establish a comprehensive prognostic model of outcome (assessed by QoL) after early mild TBI (mTBI), and 3) examine the impact of pediatric moderate to severe TBI on structural and functional brain networks, notably those underlying social and cognitive functioning. In order to meet these objectives, data from two longitudinal cohorts were analyzed and are presented in the form of four scientific articles. The first article aimed to empirically validate the “SOCIAL” model (Beauchamp & Anderson, 2010) to identify factors that contribute to social competence. This theoretical model posits that internal (child-related), external (environment-related) and cognitive (attentional-executive, communicative and socio-cognitive) factors determine a child's social competence. The results of a regression model analyzed in a sample of neurotypical children aged 18 to 60 months indicate that internal, external and cognitive factors all contribute significantly to a child’s social competence. Internal variables, executive functions, and socio-cognitive factors play a particularly important role. Indeed, children with lower levels of negative affect, fewer executive difficulties, greater non-verbal communication and better theory of mind had better social competence. The objective of the second article was to examine which factors predict QoL six and 18 months following early mTBI sustained between 18 and 60 months of age. Several potential predictors from four domains (biology, environment, injury and behaviour/cognition) were entered into a hierarchical regression model. The results indicate that a genetic factor, the Val66Met polymorphism of the gene coding for the BDNF protein (Brain-Derived Neuroptrophic Factor), positively contributes to QoL six months after TBI, while a year later, lower parental distress predicts better child QoL. The aim of the third article was to study the functional organization of the brain network supporting social skills (the social brain) in children and adolescents who sustained moderate to severe TBI between nine and 15 years of age. Participants completed a protocol for the acquisition of functional resting magnetic resonance images 24 months post-injury. In two independent samples, the results indicate altered functional connectivity between frontal brain areas and bilateral fusiform gyrus in the TBI group (positive connectivity) compared to the control group (negative connectivity). The fourth article explored long-term changes in the brain’s structural covariance networks (i.e., brain regions that are structurally connected) following pediatric moderate to severe TBI sustained between nine and 14 years of age. The aim was to investigate differences in structural covariance within three core cognitive networks (i.e., default-mode [DMN], central executive [CEN], salience [SN]) between children with TBI and typically developing controls, three and 24 months post-injury. No group difference was found after three months. However, at 24 months post-injury, the TBI group showed reduced structural covariance within the DMN and the CEN compared to the control group. Taken together, these findings suggest that comprehensive models including a wide range of factors from several domains of functioning are essential for understanding the elements that put a child at risk for poor recovery after TBI. They also highlight the importance of considering, among potential predictors, genetic factors involved in mechanisms of neuroplasticity, and confirm the role of parental factors, in particular parent mental health for post-TBI recovery in young children. In addition, the results show that moderate-severe pediatric TBI can induce long-term alterations in neural networks underlying social and cognitive functions. These findings provide insights into how pediatric TBI affects brain circuits during development, and may help to elucidate the neural underpinnings of social problems after pediatric TBI. Finally, the findings and implications from the thesis support the notion that several injury, child-related, family-environmental as well as genetic factors should be considered for diagnosis, prognosis, and recovery after TBI sustained during childhood or adolescence.

This dissertation is dedicated to study the modeling of drift control in foreign exchange reserves management and design the fast algorithm of statistical inference with its application in high dimensional data analysis. The thesis has two parts. The first topic involves the modeling of foreign exchange reserve management as an drift control problem. We show that, under certain conditions, the control band policies are optimal for the discounted cost drift control problem and develop an algorithm to calculate the optimal thresholds of the optimal control band policy. The second topic involves the fast computing algorithm of partial distance covariance statistics with its application in feature screening in high dimensional data. We show that an O(n log n) algorithm for a version of the partial distance covariance exists, compared with the O(n^2) algorithm implemented directly accordingly to its definition. We further propose an iterative feature screening procedure in high dimensional data based on the partial distance covariance. This procedure enjoys two advantages over the correlation learning. First, an important predictor that is marginally uncorrelated but jointly correlated with the response can be picked by our procedure and thus entering the estimation model. Second, our procedure is robust to model mis- specification.

Thesis (MScEng)--Stellenbosch University, 2011. / ENGLISH ABSTRACT: This thesis presents the development of a state estimation system for use in an Autonomous Airborne Refueling (AAR) operation through the simulated implementation of GPS, monocular and stereoscopic vision, inertial measurement sensors and boom parameter measurement in combination with the Extended Kalman Filter (EKF) and Unscented Kalman Filter (UKF). A set of functional criteria for the estimation system was developed through an analysis of the control system input requirements and associated constraints. The estimation system is further developed by integrating the sensor configurations into the estimation algorithm structures through the derivation of the applicable mathematical models. Final sensor configurations are set based on a sensitivity analysis in which the effect of parameters such as sensor noise, placement and quantity are related to the accuracy with which the states are estimated. Uncertainty in the process noise, which is typically approximated, is overcome by adding an adaptive element to the estimation algorithms in which the current process noise is estimated allowing compensation for unmodeled process noise uncertainty. Finally twelve practical sensor configurations are established utilising unique combinations of the five sensors. Each configuration is simulated using both estimation algorithms after which all results are evaluated with respect to one another as well as to the minimum state accuracy criteria. Conclusions are presented based on the evaluation of the results followed by recommendation for future development. / AFRIKAANSE OPSOMMINGS: Die ontwikkeling van ’n toestandafskattingstelsel, spesifiek toegepas op outonome brandstofhervulling, word voorgelê in hierdie tesis. Hierdie ontwikkeling behels die implementering van GPS, monukulêre- en stereo-visie sensors, inersiële sensor eenhede en verbindingsarmsensors wat gebruik word in ’n Uitgebruide Kalman Filter (Extended Kalman Filter) en Geurlose Kalman Filter (Unscented Kalman Filter). ’n Volledige ontleding van die beheerstelsel se toevoervereistes en geassosieerde beperkings is gebruik om ’n stel beoordelingsmaatstawwe vir die toestandafskatting-stelsel te bepaal. Die stelsel is verder ontwikkel deur verskillende sensorkonfigurasies met die afskattingsalgoritmes te kombineer deur die afleiding van toepaslike wiskundinge modelle. Hierdie konfigurasies is verfyn deur ’n sensitiwiteitsanalise, waar die verwantskap tussen die effekte van sensorruis, sensorligging, hoeveelheid sensors ondersoek is met betrekking tot afskattingsakkuraatheid. Onsekerheid in die stelsel se prosesruis is deur ’n aanpassings substelsel hanteer, wat kompensasie vir ongemodeleerde onsekerheid moontlik maak. Twaalf praktiese sensorkonfigurasies is opgestel vanuit unieke kombinasies van die vyf sensore behartig in die projek. Hierdie konfigurasies is deur beide afskattingsalgoritmes gebruik om sodoende die akkuraatheid van die konfigurasies asook die afskattingsalgoritmes te evalueer met betrekking tot mekaar en aan die hand van die beoordelingsmaatstawwe vir die beheerstelsel. Die tesis is afgesluit deur gevolgtrekkings asook aanbevelings vir toekomstige navorsing.

.

La variabilité inter-individuelle est un obstacle majeur à l'analyse d'images médicales, en particulier en neuroimagerie. Il convient de distinguer la variabilité naturelle ou statistique, source de potentiels effets d'intérêt pour du diagnostique, de la variabilité artefactuelle, constituée d'effets de nuisance liés à des problèmes expérimentaux ou techniques, survenant lors de l'acquisition ou le traitement des données. La dernière peut s'avérer bien plus importante que la première : en neuroimagerie, les problèmes d'acquisition peuvent ainsi masquer la variabilité fonctionnelle qui est par ailleurs associée à une maladie, un trouble psychologique, ou à l'expression d'un code génétique spécifique. La qualité des procédures statistiques utilisées pour les études de groupe est alors diminuée car lesdites procédures reposent sur l'hypothèse d'une population homogène, hypothèse difficile à vérifier manuellement sur des données de neuroimagerie dont la dimension est élevée. Des méthodes automatiques ont été mises en oeuvre pour tenter d'éliminer les sujets trop déviants et ainsi rendre les groupes étudiés plus homogènes. Cette pratique n'a pas entièrement fait ses preuves pour autant, attendu qu'aucune étude ne l'a clairement validée, et que le niveau de tolérance à choisir reste arbitraire. Une autre approche consiste alors à utiliser des procédures d'analyse et de traitement des données intrinsèquement insensibles à l'hypothèse d'homogénéité. Elles sont en outre mieux adaptées aux données réelles en ce qu'elles tolèrent dans une certaine mesure d'autres violations d'hypothèse plus subtiles telle que la normalité des données. Un autre problème, partiellement lié, est le manque de stabilité et de sensibilité des méthodes d'analyse au niveau voxel, sources de résultats qui ne sont pas reproductibles.Nous commençons cette thèse par le développement d'une méthode de détection d'individus atypiques adaptée aux données de neuroimagerie, qui fournit un contrôle statistique sur l'inclusion de sujets : nous proposons une version regularisée d'un estimateur de covariance robuste pour le rendre utilisable en grande dimension. Nous comparons plusieurs types de régularisation et concluons que les projections aléatoires offrent le meilleur compromis. Nous présentons également des procédures non-paramétriques dont nous montrons la qualité de performance, bien qu'elles n'offrent aucun contrôle statistique. La seconde contribution de cette thèse est une nouvelle approche, nommée RPBI (Randomized Parcellation Based Inference), répondant au manque de reproductibilité des méthodes classiques. Nous stabilisons l'approche d'analyse à l'échelle de la parcelle en agrégeant plusieurs analyses indépendantes, pour lesquelles le partitionnement du cerveau en parcelles varie d'une analyse à l'autre. La méthode permet d'atteindre un niveau de sensibilité supérieur à celui des méthodes de l'état de l'art, ce que nous démontrons par des expériences sur des données synthétiques et réelles. Notre troisième contribution est une application de la régression robuste aux études de neuroimagerie. Poursuivant un travail déjà existant, nous nous concentrons sur les études à grande échelle effectuées sur plus de cent sujets. Considérant à la fois des données simulées et des données réelles, nous montrons que l'utilisation de la régression robuste améliore la sensibilité des analyses. Nous démontrons qu'il est important d'assurer une résistance face aux violations d'hypothèse, même dans les cas où une inspection minutieuse du jeu de données a été conduite au préalable. Enfin, nous associons la régression robuste à notre méthode d'analyse RPBI afin d'obtenir des tests statistiques encore plus sensibles.

Boreal old-growth forests are key determinants in the global carbon cycle. It is unknown how the role of persistent old-growth forests will be in the carbon cycle in the face of predicted climatic changes. Eddy-covariance measurements are commonly used to quantify carbon exchange between ecosystems, such as forests, and the atmosphere. Error due to gap-fill method is of particular interest in these datasets. Here we filled a 15-year eddy covariance dataset from the Northern Old-Growth Boreal Black Spruce (Picea mariana) site located near Thompson, in central Manitoba, Canada using four different gap-fill methods. Our objectives were to determine if choice of gap-fill method affected annual NEP and if these errors compounded to even greater differences over the 15-year study period. Most significant differences in NEP among methods occurred from September to December, but variations during the growing season were responsible for most of the annual differences. / October 2016

This dissertation consists of three studies on the anticipation of mergers and acquisitions (M&amp;As) and its impact on takeover event studies.  Article I investigates whether the market can anticipate both takeovers and their payment forms prior to their announcement dates. This article also proposes a new time-series approach for detecting the ex-ante deal-anticipation and payment-form anticipation dates. The results indicate that the majority of deals and their payment forms are anticipated much earlier than has been documented in previous takeover studies. Moreover, controlling for the anticipation dates matters for explaining the choice of payment method in M&amp;As. Article II studies how assuming that M&amp;As are unpredictable during the estimation window affects the measurement of abnormal returns. The results show that a part of takeover synergy is indeed incorporated into the stock prices during the estimation window of previous studies, around the deal-anticipation dates. This article estimates the parameters of the expected return model from the pre-anticipation period to control the consequences of ex-ante anticipation on the estimates of abnormal returns. Using the anticipation-adjusted approach significantly improves the estimation of the event-window abnormal returns, and provides new insights into some well-documented takeover results. Article III examines how the abnormal returns are affected when a standard event study assumes that the parameters of the expected return model are stable. Using a sample of firm takeovers, the results indicate that the parameters are indeed unstable. This article introduces a time-varying market model to account for the dynamics of merging likelihood when it estimates the abnormal returns. The findings show that the stability assumption causes a standard event study to overestimate significantly the abnormal returns to the target and acquirer shareholders. / <p>At the time of the doctoral defense, the following papers were unpublished and had a status as follows: Paper 1: Manuscript. Paper 2: Manuscript. Paper 3: Manuscript.</p>

<div>Halogen chemistry in the Arctic boundary layer catalytically destroys O3 and impacts the chemical lifetimes of hydrocarbons, the HOx-NOx cycle, and atmospheric mercury. While many advances have been made in the last several decades in understanding the sources, sinks, and recycling pathways of halogens in the Arctic there are still many unknowns. Previous studies have shown that Br2, BrCl and Cl2 are produced photochemically in the Arctic tundra snowpack, but the magnitude of this production is still poorly understood. Additionally, while there have been suggestions that the tundra snowpack should also produce I2, there have been no previous measurements of I2 in the Arctic. The lack of measurements of the halogen production capacity of Arctic snowpacks has left the community to rely on one-dimensional modeling to estimate the impact of snowpack-derived halogen chemistry on the Arctic atmosphere. Because modeling is inherently dependent on understanding recycling mechanisms, mixing processes, and sinks this leaves the effect of halogens on atmospheric chemistry in the Arctic highly uncertain.</div><div><br></div><div>This work describes efforts to address these uncertainties through measurements made during two field campaigns in Utqiaġvik (formerly Barrow), Alaska in January – February 2014, and February – May 2016. The first measurements of I2 in the Arctic, both in the snowpack interstitial air, and in the air above the snowpack demonstrate that iodine chemistry is active in the Arctic atmosphere, and that I2 is produced photochemically in the tundra snowpack. The effects of active iodine chemistry on both O3 and bromine chemistry is examined through zero- and one dimensional modeling. The first speciated measurements of snowpack phase iodine reveal that much like previous reports of iodine enriched aerosols, the Arctic snowpack is highly enriched in iodine. Vertical profiles of I- in the snowpack suggest that there is a consistent, non-radiation dependent source of iodine to the Arctic environment. It seems likely that this source is transport of iodine-enriched aerosols from the mid-latitudes. However, unlike the Antarctic, and previous</div><div>observations in the mid-latitudes, most Arctic snowpack phase iodine is inorganic, which may contradict transport from the mid-latitudes as a source. One-dimensional modeling was also utilized, in conjunction with the first vertical profile measurements of Br2 and Cl2 between 1 and</div><div>7 m above the snowpack surface to examine the community’s understanding of recycling mechanisms, mixing, sources, and sinks of halogens in the Arctic Atmosphere.</div>