Statistische methodologie voor grootse dynamische experimenten

Technologische vooruitgang heeft de grootte van datasets recent drastisch gewijzigd. Moderne data bevatten een groot aantal gegevens, een groot aantal dimensies of beide In een aantal toepassingen is het aantal dimensies zelfs veel groter dan het aantal observaties en is de data niet statisch, maar dynamisch. Dit noemt men vaak big data. Statistische methoden moeten aangepast worden en uitgebreid om met deze nieuwe datastructuren om te gaan. Een eerste doelstelling van dit project is om betrouwbare methoden te ontwikkelen voor dimensie reductie van zeer hoogdimensionale data. Een tweede doelstelling beoogt om betrouwbare methoden te ontwikkelen voor gegevens met celsgewijze uitschieters evenals computationeel efficiente algoritmen. Een derde doelstelling bestaat uit de ontwikkeling van zeer snelle methoden en algoritmen om data heterogeniteit te ontdekken in hoogdimensionale dynamische data en de oorzaak ervan te identificeren.

Trefwoorden:Dimension reduction, Sparsity, Cellwise contamination, Dynamic data, Efficient algorithms, Big data, Outliers, Robust statistics

Disciplines:Toegepaste wiskunde, Statistische en numerieke methoden