Statistik

Forskningsområden och utmaningar

Statistik är en integrerad del av den moderna datavetenskapen som erbjuder kvantitativa metoder för att dra slutsatser om data som är föremål för osäkerhet.

Styrkan i vår forskning ligger både i metodutveckling och i tillämpningar. På metodsidan bedriver vi aktiv forskning inom rumslig och tidsmässig stokastisk modellering, högdimensionell analys, regulariseringsmetoder, maskininlärning, extremvärdesteori och kompositionell dataanalys. Dessa metoder tillämpas inom en rad olika discipliner, däribland miljövetenskap, national- och företagsekonomi, maskinteknik, folkhälsa, med mera.

Från smittsamma sjukdomar till politiska opinionsundersökningar

Den geografiska utbredningen och framväxten av infektionssjukdomar påverkas starkt av klimatförändringen. I ett av våra pågående forskningsprojekt arbetar vi för att utveckla stabila klimatbaserade algoritmer och beslutsramar som stöd för anpassade folkhälsoåtgärder mot smittrisker till följd av klimatförändringen. Här används AI-teknik, såsom datautvinning och maskininlärning, för att ta fram nya algoritmer och prototyper för instrumentpaneler som beslutsstöd för folkhälsoskyddet, som är särskilt anpassade efter behoven hos Europeiska centrumet för förebyggande och kontroll av sjukdomar.

Institutionen har en bred expertis inom rumslig och tidsmässig modellering. Vi utvecklar till exempel statistisk slutledning för rumsliga(-tidsmässiga) punktprocesser, både ur ett teoretiskt och ett praktiskt perspektiv.

Vi bidrar till forskning om företagande genom att försöka besvara följande frågor:

  • Hur kan vi modellera företagande på ett bättre sätt, när affärsmöjligheten ännu inte har observerats?
  • Hur kan vi utveckla teorier om företagande på ett bättre sätt med hjälp av strukturell ekvationsmodellering?
  • Hur kan vi modellera och förstå nystartade företags tillväxt och överlevnad på ett bättre sätt?

Genom att besvara dessa frågor kan vi ge bättre råd till beslutsfattare om vad de bör fokusera på: ge människor större egenmakt för att bli företagare, fokusera på delgrupper av företagare av hög kvalitet (med högt socialt, ekonomiskt och mänskligt kapital), stödja särskilda sektorer eller stödja en livskraftig småföretagarsektor.

Inom miljövetenskapen har vi utvecklat statistiska metoder för att fånga upp rumsliga strukturer i kompositionella data med hjälp av bayesianska hierarkiska modeller, metoden med gaussiska slumpmässiga Markovfält och stokastiska partiella differentialekvationer.

Inom moderna genetikstudier har vi utvecklat effektiva metoder för att kartlägga prediktorer i stora databaser med särskilt tonvikt vid att identifiera kausala mutationer och bygga prediktiva modeller baserade på genomomfattande associeringsstudier. Våra resultat kommer utöka den matematiska förståelsen av högdimensionell statistik och, via programvara med öppen källkod, skapa en bro mellan teoretiska resultat och praktik. Tillämpningen kan få enorm betydelse för en mängd olika områden, som biologi, psykologi, samhällsvetenskap med flera.

Teorin om slumpgrafer återfinns också bland våra forskningsområden. Med hjälp av metoder för sannolikhetsteorin studerar vi slumpgrafsgeometri som är tillämplig på slumpgeometri i högre dimensioner.

Politiska opinionsundersökningar har en viktig roll i den svenska politiken, precis som i många andra länder. Undersökningar ger skattningar av röstandelar, det vill säga proportioner. Detta brukar kallas kompositionella data. Genom att slå ihop flera undersökningar kan vi skapa tillförlitliga felkontrollerade förutsägelser av valresultat. I vår forskning använder vi flera olika metoder och tekniker för att öka vår förståelse av kompositionella tidsserier och bättre kunna förutsäga valresultat.

Läs mer om vår forskning i statistik i Lunds universitets forskningsportal

 

Läs mer

Du hittar information om våra forskningsprojekt, publikationer och forskare på Statistiska institutionens webbplats

Senast uppdaterad: 2022-04-08