Finansavimas

Projekto tikslas yra sukurti ir ištirti Markovo grandinės Monte Karlo (angl. Markov Chain Monte Carlo – MCMC) adaptavimo metodus Bajeso modeliams su elipsiniais skirstiniais. Tuo tikslu bus sudaryti efektyvūs skaitiniai MCMC algoritmai, leidžiantys priimti duomenų analizės sprendimus su iš anksto nustatytu patikimumu, įvedant Monte Karlo imčių tūrio reguliavimą Markovo grandyse, įvertinių tikslumo ir stabilumo vertinimą bei Markovo proceso grandinės stabdymą. Naudojant daugiamačius elipsinius modelius (regresinį Puasono-Gauso modelį, simetrinį stabilųjį dėsnį ir hierarchinį kirstinį (iškilame daugiakampyje) adityvinį Gauso modelį) projekte bus ištirtos sudarytų algoritmų skaitmeninimo problemos, įvertinant teoriškai bei kompiuterinio modeliavimo būdu jų skaičiuojamąjį stabilumą bei algoritminio sudėtingumo kompiuterio laiko ir atminties požiūriu, eilę. Sudaryta efektyvumo tyrimo metodika leis palyginti algoritmus su žinomais analitiniais (pvz., daugiamačio asimetrinio skirstinio atveju) ir kitais MCMC algoritmais. Sukurti MCMC algoritmai bus pritaikyti interaktyviam stochastinio optimizavimo uždavinių sprendimui ir praktikoje iškylantiems uždaviniams spręsti (aplinkotyros, draudimo bei finansinių sekų prognozavimo ir pan.).