Att navigera genom en föränderlig och delvis blockerad miljö är en utmaning, inte bara i vardagen utan också i matematisk modellering. William Nordansjö, doktorand i statistik vid Ekonomihögskolan vid Lunds universitet, har tilldelats pris för bästa poster vid NORDSTAT 2026 i Helsingfors för sitt arbete om hur adaptiva strategier kan minska risken för att en process kör fast. Den 1–4 juni 2026 arrangerades den 30:e upplagan av Nordic Conference in Mathematical Statistics, NORDSTAT, vid Helsingfors universitet. Konferensen samlar forskare inom statistik och sannolikhetsteori från Norden och andra länder, och innehåller plenarföreläsningar, inbjudna och insända föredrag samt en postersession.
William Nordansjö belönades med utmärkelsen ”Best Poster” för sitt arbete Adaptive-Bias Random Walk in Static and Dynamic Percolation. Studien behandlar ett problem inom sannolikhetsteori och fokuserar på hur en partisk slumpvandrare rör sig i en delvis blockerad och föränderlig miljö.
Balansen mellan framåtriktning och stopp
Williams forskning rör så kallade slumpvandringar, matematiska modeller som beskriver hur ett objekt eller en partikel rör sig steg för steg där nästa steg bestäms av sannolikheter. I detta fall studeras en partisk slumpvandrare, alltså en process som har en ökad sannolikhet att röra sig i en bestämd riktning.
– Ett sätt att föreställa sig detta är som en fluga som gång på gång flyger mot en fönsterruta istället för att byta riktning och hitta en fri öppning, Förklarar William Nordansjö.
Arbetet handlar om hur en sådan vandrare beter sig i en dynamisk perkolationsmiljö, där tillgängliga vägar kan öppnas och stängas över tid. Resultaten visar att en stark framåtriktad bias kan öka hastigheten under vissa förhållanden, men också öka risken för långa perioder av stillestånd, så kallade stalls, där vandraren upprepade gånger misslyckas med att ta sig fram eftersom miljön är blockerad i den riktning den föredrar.
Flexibilitet som strategi
I arbetet undersöks också adaptiva strategier i modellen. Genom att låta slumpvandraren reagera på när den har fastnat och tillfälligt minska sin bias kan modellen återgå till ett mer utforskande beteende. Det gör det möjligt att i större utsträckning hitta alternativa vägar innan den återgår till en tydligare framåtriktning. Studien visar att detta kan ge ett mer robust beteende i miljöer där stark bias annars leder till långa stopp. Arbetet är grundforskning inom matematisk statistik och sannolikhetsteori, med fokus på att förstå samspelet mellan riktning, slump och blockerade miljöer.