Bedre og raskere statistiske modellestimater

Avhandlingen utforsker måter å akselerere estimeringen av en populær statistisk modell, skjulte Markovmodeller, ved å bruke et programmeringsverktøy kalt «Template Model Builder». Gjennom empiriske analyser vises det at denne metoden kan øke hastigheten, nøyaktigheten og påliteligheten til modellestimatene ved å bruke eksempler fra simuleringer og virkelige data.

Det benyttes medisinske og økonomiske eksempler i avhandlingen, hvorav ett gjelder pasienter i en medisinsk studie om tinnitus som gir daglig informasjon om spenningsnivået gjennom en app. Arbeidet i denne avhandlingen kan brukes til gjentatte beregninger av statistiske modeller i appen for å forutsi raskere (kanskje i sanntid) når brukeren vil oppleve høyere nivåer av spenning, ved å bruke hver ny brukerinndata for å forbedre nøyaktigheten av modellene. Dette kommende høyere spenningsnivået kan deretter utløse en advarsel til brukeren og anbefale å oppsøke en lege, og til og med sende de forbehandlede dataene for å bedre identifisere personlig tilpassede behandlingsalternativer.

En annen situasjon der dette arbeidet kan være nyttig, gjelder antallet pasienter som ankommer et sykehus. Selv om avhandlingen ser på tilfellet med et sykehus, er metoden datanøytral og kan brukes i andre situasjoner. Vi viser at denne tilnærmingen kan brukes til raskt å beregne sannsynligheten for at et visst antall pasienter ankommer sykehuset til enhver tid, og hvor nøyaktig denne sannsynligheten er. For eksempel kan et sykehus bruke dette til å forbedre planleggingen av arbeidsmengden til helsepersonell og forutsi hvor mange som vil være nødvendig i tilfelle en større mengde pasienter dukker opp.

Hovedfunnene i arbeidet er at dette verktøyet er i stand til å (i) akselerere beregningen av statistiske modeller opptil 50 ganger, (ii) finne den tilhørende usikkerheten, (iii) og finne disse usikkerhetene i situasjoner der å gjøre det med andre metoder ikke er trivielt.

Personalia

Timothée Bacri har en dobbel mastergrad: en MSc i datavitenskap og analyse fra Cork, Irland, og en MSc i "I.T. for finans" fra EFREI i Frankrike. Han fant interesse for matematikk raskt etter videregående skole og fulgte den veien til han begynte å like datavitenskap. Han utforsket de feltet og fant ut at hans to interesser kunne kombineres innenfor området for beregningsstatistikk. Doktorgradsprosjektet hans er gjennomført, med veiledere Professor Støve, Bulla og førsteamanuensis Karlsen.