AbstractsMathematics

Bayesian model determination in complex systems; Bayesiaanse modelbepaling in complexe systemen

by Abdolreza Mohammadi




Institution: University of Groningen
Department:
Degree: PhD
Year: 2015
Record ID: 1270794
Full text PDF: http://hdl.handle.net/11370/99a7b2fc-97ef-46ad-bb1e-c46cd01f937a


Abstract

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. Onze interesse in het modelleren van netwerken is onderdeel van een brede beweging in de richting van onderzoek naar complexe systemen. In dit proefschrift ontwikkelen we 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 implementeren voor complexe netwerken. We behandelen de theorie en implementatie van deze methoden. Wij hebben onze statistische methoden zodanig uitgebreid dat het werkt voor verschillende complexe data. We pasten het toe op een dataset met Dupuytren ziektegegevens om potentiële risicofactoren te identificeren. Wij hebben onze methoden geïmplementeerd binnen de gebruiksvriendelijke statistische software BDgraph, die online gratis beschikbaar is.; One of the main challenges in modern science is the accurate and complete description of complex systems. The difficulty of modeling complex systems lies partly in their topology and how they form rather complex networks. From this perspective, our interest to modeling networks is part of a broader movement towards research on complex systems. In this thesis, we develop several statistical methods that jointly model the underlying network and its structure among variables in the system. These methods are easy to implement and computationally feasible for complex networks. We cover the theory and computational details of the methods. We have extended our statistical method such that it works for different types of complex data. We applied it to a Dupuytren disease dataset to discover potential risk factors. We have implemented our methods as a user-friendly statistical software called BDgraph, which is freely available online.