Bayesian model determination in complex systems

Wiskunde maakt netwerken in complexe data zichtbaar

Een van de belangrijkste uitdagingen in de moderne wetenschap is de nauwkeurige en volledige beschrijving van complexe systemen. De moeilijkheid in het modelleren van dergelijke systemen ligt deels in hun topologie en deels in de manier waarop ze tamelijk complexe netwerken vormen.

In dit proefschrift ontwikkelt Abdolreza Mohammadi een aantal statistische methoden die gezamenlijk het onderliggende netwerk en de relaties tussen de variabelen in het systeem modelleren. Deze methoden zijn efficiënt en eenvoudig te gebruiken voor complexe netwerken. Mohammadi behandelt de theorie en implementatie van deze methoden.

De gebruikte statistische methoden zijn zodanig uitgebreid dat ze werken voor verschillende soorten complexe data. Mohammadi paste zijn methode toe op een dataset met ziektegegevens van patiënten met de ziekte van Dupuytren (een aandoening waarbij zich een harde streng bindweefsel in de handpalm van de ringvinger, middelvinger of pink vormt) om potentiële risicofactoren te identificeren. Ook heeft zij zijn methoden geïmplementeerd binnen de gebruiksvriendelijke statistische software BDgraph, die online gratis beschikbaar is.

Abdolreza Mohammadi verrichtte zijn onderzoek bij de afdeling Stochastiek en Statistiek van het Johan Bernoulli Instituut voor wiskunde.

Proefschrift: http://hdl.handle.net/11370/99a7b2fc-97ef-46ad-bb1e-c46cd01f937a