Darbe bandoma prognozuoti stipriausios Europos krepšinio lygos Eurolygos ir VTB krepšinio lygos rungtynių baigtis. Prognozuota buvo naudojant pažingsninės logistinės regresijos metodus ir neuroninius tinklus. Taip pat, remiantis prognozavimo rezultatais, buvo rastos tikimybės laimėti vienai ar kitai komandai, kurios vėliau buvo panaudotos bandant lažintis lažybų kontoroje. Darbo tikslas - išsiaiškinti ar skiriasi prognozės prognozuojant su logistine regresija ir naudojant neuroninius tinklus. Taip pat, bandymas išlošti pinigų lyginant paskaičiuotus tikimybių įverčius su lažybų kontoros siūlomomis tikimybėmis. Gavome, kad neuroniniai tinklai prognozuoja kiek geriau už logistinę regresija. Neuroniniai tinklai prognozavo 74.2% tikslumu, logistinė regresija - 71.5%. Bandant išlošti, didesnis išlošis gavosi pasinaudojus logistinės regresijos prognozuotų rungtynių baigčių tikimybių įverčiais. Ateityje plečiant tyrimus ir suradus galimybe greičiau duomenis susirinkti, bus galima bandyti pasiekti geresnius rezultatus. / In this work there is predicting basketball game winner be using data from the strongest European basketball league Euroleague and VTB basketball league protocols. There were used stepwise logistic regression methods and neural networks for predicting results. Also, based on forecast results there were found the probabilities to win a game for the team, which were used for betting in the betting firms. The aim of the work is to find out which mathematical methods a better for forecasting: logistic regression or neural networks. Also to find out is it possible to make money from betting companies, if you know you own probabilities of winning. The result is that better forecasting is from neural networks, but more money can be made using logistic regressions. In the future, working with more data it is possible to get better rasults.

Šiame darbe naudojamas BMPN metodas ir logisinė regresija kokybės kontrolei gerinti. / In this work the Biased Minimax Probability Machine model used for quality control system inprovement. The logistic regression method is used too.

Coronary arteries stenosis causes ischemic heart disease which is the main fatality reason all over the world. For diagnosis arteries stenosis invasive and noninvasive methods are used. These methods are quite expensive and not all medical institutions can carry out such tests. Analysis of electrocardiogram could be one of the cheapest and current methods to diagnose arteries stenosis. Despite the fact, that in some cases such analysis is not very informative, medics look for the informative ECG parameters and their combinations in order to predict stenosis. The goal of this work is to create statistical methods and software for prognosis of coronary arteries stenosis using digital ECG parameters. Data was colecet and prepared for this reseach in Clinic of Cardiology of Kaunas Medical University. In this work are presented: 1.Statistical analysis models for prognosis of coronary arteries stenosis. 2.Software for uses. 3.Comparative analysis of statistical analysis models. 4.Results of real data analysis, which were obtained by using, developed statistical models and software. Obtained results will be used to improve methods of diagnosis ischemic heart disease and arteries stenosis in Clinic of Cardiology of Kaunas Medical University.

Pagrindinis darbo tikslas – pritaikyti matematinius ir statistinius metodus lietuvių kalbos analizėje, identifikuojant ir atsižvelgiant į lietuvių kalbos ypatumus, jos heterogeniškumą, sudėtingumą ir variabilumą. / The target of the work is to apply mathematical and statistical methods in the analysis of the Lithuanian language by identifying and taking into account peculiarities of the Lithuanian language, its heterogeneity, complexity and variability.

The target of the work is to apply mathematical and statistical methods in the analysis of the Lithuanian language by identifying and taking into account peculiarities of the Lithuanian language, its heterogeneity, complexity and variability. / Pagrindinis darbo tikslas – pritaikyti matematinius ir statistinius metodus lietuvių kalbos analizėje, identifikuojant ir atsižvelgiant į lietuvių kalbos ypatumus, jos heterogeniškumą, sudėtingumą ir variabilumą.

Mirtingumo nuo įvairių ligų įvertinimas ir prognozavimas pagal atlikto tyrimo duomenis – dažnas statistinės analizės uždavinys medicinoje. Juose siekiama prognozuoti tikėtiną mirčių nuo tiriamos ligos skaičių, susirgimo tam tikra liga tikimybę ar išskirti rizikos grupes, įvertinant tyrimo metu surinktų stebimos populiacijos imties kintamųjų duomenis ir nustatant, kokia priklausomybę juos sieja. Pagrindiniai šio darbo tikslai: susipažinti su statistikos metodais, taikomais mirtingumo duomenų analizei; sudaryti statistinės analizės modelius turimiems mirtingumo duomenims; realizuoti sudarytus modelius programiškai, panaudojant SAS sistemą ir SAS makro programavimo galimybes. Panaudojus Puasono, logistinės ir Kokso regresin��s analizės metodus sudaryti mirtingumo nuo galvos smegenų insulto (GSI) prognozavimo modeliai. Sudaryti modeliai realizuoti programiškai, panaudojus SAS programavimo kalbą, SAS/IML posistemės galimybes ir SAS makro programavimo priemones. Sukurti regresinės analizės modeliai ir programines priemonės panaudotos Kauno medicinos universiteto Kardiologijos instituto 1980-2004 metais atliktų tyrimų metu surinktų Kauno miesto 25-64 m. amžiaus gyventojų mirtingumo nuo GSI duomenų analizei atlikti. / Estimation and forecasting of mortality from various diseases are very frequent data analysis tasks in medicine nowadays. In order to estimate expected number of deaths, probability to die from a disease or trends in mortality we should apply the most suitable statistical methods. Data analysis models were created using Poisson, logistic, Cox regression methods and realized in SAS macros. Created software also contains models for goodness of fit analysis, graphical visualization and prepares a report of data analysis in RTF (Rich Text Format) format. Analysis was made for mortality from stroke data among Kaunas population aged 25 to 64 during the period 1980-2004. The study contains the description of applying created data analysis models, SAS macros and received results.

Šis darbas skirtas Italijos verslininkų pasitenkinimo darbu analizei, naudojantis kokybinių požymių daugiamatės statistikos metodais. Duomenys yra iš Italijos Veneto regiono verslininkų tyrimo, kurį 2006 metais pradėjo Padujos universiteto Statistikos departamentas. Imtį sudaro 1216 stebėjimų iš beveik 113000 Veneto regiono (Šiaurės rytų Italija) verslininkų populiacijos. Priklausomasis kintamasis, t.y. pasitenkinimas darbu, išmatuotas ranginėje keturių taškų Likert skalėje su šiomis kategorijomis: „nepatenkintas“, „nei patenkintas, nei nepatenkintas“, „pakankamai patenkintas“ ir „patenkintas“. Paaiškinamuosius kintamuosius sudaro demografinės, firmos charakteristikos, tapimo verslininku motyvus, darbą, laisvalaikį ir ateities perspektyvas atspindintys kintamieji. Beveik visi kintamieji, taip pat ir priklausomasis, yra kategoriniai. Todėl pagrindinis šio darbo tikslas yra išsirinkti geriausiai tokio tipo duomenims tinkantį modelį. Aptariama galimybė naudotis tiesine regresija, atlikus optimalųjį matavimo skalės transformavimą (optimal scaling), logistine regresija, prieš tai apjungus priklausomojo kintamojo rangus, daugianariu logit modeliu, analizuojant kiekvienos kategorijos tikimybę atskirai ir rangine regresija su logit ir cloglog sąryšio funkcijomis. Potencialių pasitenkinimo darbu veiksnių skaičius- pakankamai didelis (daugiau negu 30), todėl itin svarbus uždavinys yra parinkti aiškinančiuosius kintamuosius, vengiant multikolinearumo problemos. Siekiant sumažinti... [toliau žr. visą tekstą] / The paper presents job satisfaction analysis among Italian entrepreneurs using multivariate statistical techniques. Data are taken from Veneto region (North-East part of Italy) businessmen research started by Department of Statistics of Padova University at 2006. Sample consists of 1216 observations (real population is almost 113 000 entrepreneurs at this region). The outcome variable for the job satisfaction is measured on an ordered, categorical, four-point Likert scale – „dissatisfied‘“, „neither satisfied nor dissatisfied“ , „quite satisfied“ and „satisfied“. Explanatory variables include demographic items, firm characteristics, variables representing the reasons of having started the own business, items associated with work, leisure activities and future perspectives. Quite all variables, as well as the dependent one, beeing categorical, the main objective of this work is to select an appropriate model for such type of data among possible alternatives. Discussions are made on possibility to applicate linear regression with optimal scaling, binary logit for dichotomized dependent variable, multinomial logit for analysis of every single category and ordinal logistic regression with several link functions (logit and cloglog). The number of possible determinants of job satisfaction beeing quite large (there were more than 30 questionnaire items associated with job satisfaction) it was of a great importance choosing which explanatory variables should be included in the models... [to full text]