Disputas: Ida Scheel

Prøveforelesning

Bedømmelseskomité

Professor Sylvia Richardson, Centre for Biostatistics, Imperial College London
Associate Professor Ottar Nordal Bjørnstad, Depts of Entomology and Biology, Penn State University, USA
Professor Ørnulf Borgan, Matematisk institutt, Universitetet i Oslo

Leder av disputas:  Kristian Ranestad

Veileder:  Hovedveileder: Professor Arnoldo Frigessi; Biveiledere: Førsteamanuensis Ingrid K. Glad og Professor Nils Lid Hjort

Sammendrag

Statistikk er en vitenskap som er essensiell for å forstå verden rundt oss. Ved hjelp av gode statistiske metoder og modeller kan man få ny kunnskap om en spesifikk problemstilling ved å analysere observasjoner fra virkeligheten (datamateriale). En statistisk modell skiller seg fra en deterministisk modell ved at den tar hensyn til naturlige variasjoner, tilfeldigheter og måleusikkerhet. For å trekke mest mulig presise konklusjoner om problemstillingen er det ønskelig med et så godt datamateriale som mulig, det vil si et datamateriale som er mest mulig komplett og uten feil. Denne avhandlingen omhandler metoder for å håndtere mangelfullt datamateriale ved analyser av ulike problemstillinger fra biologi og medisin, samt å vurdere konsekvensene av slikt mangelfullt datamateriale.

Et av hovedtemaene er modellering av hvordan infeksiøs lakseanemi (ILA) sprer seg mellom oppdrettsanlegg for laks. ILA er en smittsom virussykdom som hvert år medfører store tap for oppdrettsnæringen i Norge og andre land. På grunn av for dårlig kunnskap om spredningsmekanismene har man ikke klart å få kontroll over spredningen. Resultatene fra dette arbeidet viser at både avstand i sjø mellom anlegg og kontakt mellom anlegg gjennom delt utstyr og personell har betydning for spredning, men også at mye smitte ser ut til å skyldes faktorer som man ikke per dags dato har tilgjengelig datamateriale på, og derfor ikke kan identifisere. Et annet av hovedarbeidene omhandler håndtering av manglende observasjoner i mikromatrisedata. Mikromatriser er små glassplater som brukes til å sammenligne hvor mye forskjellige gener er aktive i ulike vevstyper. Slik geninformasjon er viktig for eksempel for å finne årsaker til alvorlige sykdommer, men mangelfullt datamateriale er et svært utbredt problem. I det siste hovedarbeidet utvikles en ny metode for å undersøke hvor godt de mange forskjellige deler av store og komplekse Bayesianske hierarkiske modeller stemmer overens. Slike modeller kan lett bli uoversiktlige og konflikter mellom ulike deler kan være vanskelige å få øye på.

Kontaktperson

For mer informasjon, kontakt Marie Wennesland.