Safe iterative Bayesian model building

Projektin yksityiskohdat

Tiivistelmä

Tilastotiede on erittäin tärkeä väline sekä tieteellisessä tutkimuksessa että tiedon jalostamisessa erilaisista aineistoista. Vaikka bayesilaisia tilastollisia malleja rakennetaan usein menestyksellisesti vaiheittain, tätä tapaa kritisoidaan puhtaan teorian rikkomisesta ja siitä että olisi voitua päätyä eri malliin jos aineisto olisi ollut hieman erilaista. Projektissamme formalisoimme ja kehitämme teorian ja diagnostiikkoja turvalliseen vaiheittaiseen bayesilaiseen mallin rakentamiseen. Osoitamme että oikein tehtynä vaiheittaisuuden vaikutus teoreettisesti optimaaliseen tulokseen on vähäinen. Käytännölliset diagnostiikat ohjaavat mallinrakentajaa läpi työvaiheiden, jotka varmistavat turvallisen vaiheittaisen mallin rakentamisen tai varoittavat ongelmallisista tilanteista. Hyvien mallien avulla saadaan aiempaa luotettavampia tuloksia niin tieteellisessä tutkimuksessa kuin yksityisen ja julkisen sektorin data-analyyseissakin, mikä lisää ymmärrystä maailmasta ja parantaa päätöksentekoa.
AkronyymiIterative Bayes Vehtari
TilaKäynnissä
Todellinen alku/loppupvm01/09/202131/08/2025

Yhteistyöpartnerit

  • Aalto-yliopisto (johto)
  • Rostock University Medical Center (Yhteishakija)
  • Suomen Akatemia (Projektin osapuoli)

YK:n kestävän kehityksen tavoitteet

Vuonna 2015 YK:n jäsenvaltiot sopivat 17 maailmanlaajuisesta kestävän kehityksen tavoitteesta (Sustainable Development Goal, SDG) poistamaan köyhyyden, suojelemaan planeettaa ja takaamaan vaurauden kaikille. Tämä projekti edistää seuraavia kestävän kehityksen tavoitteita:

  • SDG 3 – Hyvä terveys ja hyvinvointi

Sormenjälki

Tutustu tutkimuksen aiheisiin, joita tämä projekti koskee. Nämä merkinnät luodaan taustalla olevien stipendien/apurahojen perusteella. Yhdessä ne muodostavat ainutlaatuisen sormenjäljen.