< Terug naar vorige pagina

Project

Een onderzoek naar correcte statistische inferentie na modelselectie

Klassieke methoden voor statistische inferentie veronderstellen dat een model gegeven is voordat er naar de data gekeken wordt en dat dit model perfect beschrijft hoe de data gegenereerd werden. Echter, in de statistische praktijk gebruikt men de data: ofwel visueel via plots, en/of door verschillende modellen te schatten, variabelen te selecteren, aan modelselectie of aan regularisatie te doen om tot één of meerdere plausibele modellen te komen. Die geselecteerde modellen worden vervolgens gebruikt voor statistische inferentie. In deze thesis wordt onderzocht hoe valide inferenties te bekomen met eerlijke p-waarden voor hypothesetoetsen en eerlijke betrouwbaarheidsintervallen met een juiste dekking wanneer men gebruikmaakt van modellen die eerst geselecteerd werden.

Datum:1 sep 2021 →  Heden
Trefwoorden:model selection, statistics, post-selection inference, statistical inference
Disciplines:Statistiek
Project type:PhD project