Leder av disputas: Professor Nina K. Vøllestad, Institutt for sykepleievitenskap og helsefag, Universitetet i Oslo
Veileder: Professor Petter Laake, Institutt for medisinske basalfag, Universitetet i Oslo
Sammendrag
I sin avhandling har Joseph Sexton utviklet statistiske metoder rettet mot automatisert data analyse.
I mange studier er hensikten å beskrive hvordan input variabler påvirker et utfall.
Eksempelvis kan utfallet være hjerteinnfarkt, og input variablene mulige risikofaktorer. Hensikten er da å beskrive hvordan risikofaktorene påvirker sannsynligheten for innfarkt. De statistiske verktøy for slike problem kalles regresjonsmetoder.
Tradisjonelle regresjonsmetoder er basert på en postulert modell som er tenkt å beskrive hvordan utfallet påvirkes av input variablene. Problemet er at i mange tilfeller er det vanskelig å sette opp en tilstrekkelig realistisk modell. En annen angrepsvinkel er å bruke et dataprogram til å automatisk konstruere en modell på sammenhengen mellom utfall og input. Denne fremgangsmåten kalles algorithmisk modellering.
I praksis inneholder data ofte målefeil, eller er ufullstendige på en eller annen måte. Hovedfokuset i Joseph Sexton sin avhandling "Algorithmic modeling, with emphasis on measurement error and incomplete data" er å videreutvikle algoritmisk modellering til å kunne anvendes i slike situasjoner. Avhandlingen tar også for seg hvordan man kan anslå den statistiske usikkerheten til algoritmisk konstruerte modeller.
Kontaktperson
For mer informasjon, kontakt Knut Tore Stokke.