Många sjöar är idag påverkade av mänsklig aktivitet, bland annat är 1 % av Sveriges sjöar eutrofierade, däribland Ekoln. Ekoln är en stor sjö i Uppsala län söder om Uppsala som länge varit eutrofierad. Fyrisån och Örsundaån är de största inflödena till Ekoln och Sävjaån är ett betydande biflöde till Fyrisån. Kungsängsverket är Uppsalas reningsverk och har sitt utlopp i Fyrisån och som ett led i att minska eutrofieringen byggdes fosforreningen ut 1972. Fosforhalterna i Ekoln sjönk och algblomningarna blev färre. Kvävereningen byggdes ut 1999 och i detta arbete utvärderas detta reningssteg.   Hypotesen är att när ammonium minskar i bottenvattnet kommer syrgasförhållandena att förbättras på grund av minskad ammoniumnedbrytning som förbrukar syrgas. Med ökad halt syrgas är det känt sedan tidigare studier att den interna fosforbelastningen och algblomningen minskar.   För att undersöka om det skett en signifikant minskning av näringsämnen i intransporten till Ekoln och av halterna i Ekoln utfördes statistiska test av ämnena för perioden före och perioden efter införandet av kväverening. Intransporterna modellerades även i StormTac.   Resultatet visar att det skett en minskning av kväve- och ammoniumtransport och en ökning av fosfor-, fosfat- och TOC-transport. I Ekoln har en minskning påvisats i ammonium-, totalfosforhalt och en ökning i fosfat- och TOC-halt. Ammoniumhalten har minskat i bottenvattnet så den minskade intransporten av ammonium gett en effekt. Fosfor- och fosfathalten har inte förändrats signifikant i bottenvattnet, men det har skett en viss minskning av fosfor och en viss ökning av fosfat i Ekoln perioden 1990-1998 till 2000-2010. Även syrgashalten har ökat i bottenvattnet.   Att det inte skett signifikanta förändringar i fosfor, fosfat och syrgas tyder på att intransporten till vattenmassan inte förändrats. Ökade TOC-halter leder till ökad nedbrytning där syrgas förbrukas i bottenvattnet. Det är möjligt att situationen sett ännu värre ut i Ekoln om inte kväveutsläppen minskat.

Approved for public release; distribution in unlimited. / In the management of the U.S. Naval inventory, data quality is of critical importance. Errors in major inventory databases contribute to increased operational costs, reduced revenue, and loss of confidence in the reliability of the supply system. Maintaining error-free databases is not a realistic objective. Data-quality efforts must be prioritized to ensure that limited resources are allocated to achieve the maximum benefit. This thesis proposes a methodology to assist the Naval Inventory Control Point in the prioritization of its data-quality efforts. By linking data errors to Naval inventory performance metrics, statistical testing is used to identify errors that have the greatest adverse impact on inventory operations. By focusing remediation efforts on errors identified in this manner, the Navy can best use its limited resources devoted to improvement of data quality. Two inventory performance metrics are considered: Supply Material Availability (SMA), an established metric in Naval inventory management; and Backorder Persistence Metric (BPM), which is developed in the thesis. Backorder persistence measures the duration of time that the ratio of backorders to quarterly demand exceeds a threshold value. Both metrics can be used together to target remediation on reducing shortage costs and improving inventory system performance. / Lieutenant Commander, Supply Corps, United States Navy

This thesis presents several statistical analysis on a cooperative project with Dr. Pallas and Yuting Mao from Biology Department of Georgia State University. This research concludes the impact of cauterize size of animals’ midbrain on auditory and visual response in brains. Besides some already commonly used statistical analysis method, such as MANOVA and Frequency Test, a unique combination of Permutation Test, Kolmogorov-Smirnov Test and Wilcoxon Rank Sum Test is applied to our non-parametric data. Some simulation results show the Permutation Test we used has very good powers, and fits the need for this study. The result confirms part of the Biology Department’s hypothesis statistically and enhances more complete understanding of the experiments and the potential impact of helping patients with Acquired Brain Injury.

Fourier Transform Infrared (FTIR) microscopy is a sensitive method for detecting difference in the morphology of biological cells. In this study FTIR spectra were obtained for uninfected cells, and cells infected with two different viruses. The spectra obtained are difficult to discriminate visually. Here we apply advanced statistical methods to the analysis of the spectra, to test if such spectra are useful for diagnosing viral infections in cells. Logistic Regression (LR) and Partial Least Squares Regression (PLSR) were used to build models which allow us to diagnose if spectral differences are related to infection state of the cells. A three-fold, balanced cross-validation method was applied to estimate the shrinkages of the area under the receiving operator characteristic curve (AUC), and specificities at sensitivities of 95%, 90% and 80%. AUC, sensitivity and specificity were used to gauge the goodness of the discrimination methods. Our statistical results shows that the spectra associated with different cellular states are very effectively discriminated. We also find that the overall performance of PLSR is better than that of LR, especially for new data validation. Our analysis supports the idea that FTIR microscopy is a useful tool for detection of viral infections in biological cells.