Bayesian model determination in complex systems

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.