Tema for projekt/master oppgaver - 2007/2008
Veileder: JO EIDSVIK,
(Hjemmeside)
Jeg har nedenfor skissert to tema som er aktuelle for prosjekt-
og / eller
masteroppgaver. Istedenfor å angi spesielle betingelser for en eventuell
oppgave har jeg diskutert i generelle termer. Mer konkretisering av
oppgaver gjøres ila vårsemesteret eller tidlig i høstsemesteret.
Min forskning er rettet mot anvendelser, og oppgaver vil ligge i
grenseland mellom statistisk teori og anvendelser. Det er muligheter
for å finne oppgaver med knytning til industri /
forskningsinstitusjoner. Jeg er tilgjengelig
for diskusjoner på mitt kontor i 10 etasje i
Sentralbygg II og per email.
Statistikk i rom-tid:
I mange situasjoner måler man data ved flere romlige koordinater eller
ved flere tidspunkt. Et petroleumseksempel er
seismiske refleksjonstider og
amplituder langs en horisont i berggrunnen, et annet eksempel er
værdata fra målestasjoner i Norge. Det er ofte vanskelig
å ta beslutninger direkte fra observasjonene på grunn av mye
støy og på grunn av indirekte målinger. I petroleumseksemplet er
man ikke interessert i data i seg selv, men hvilken informasjon
data kan gi om fordelingen av olje og
gass i bergrunnen. I væreksemplet er man ikke interessert i nedbør
eller temperatur ved en målestasjon, men ønsker å predikere akkumulert
nedbør over et større område over et lengre tidsrom som igjen kan
brukes til flomvarsel eller tilsig i vannkraftverk.
Statistisk modellering av rom-tid fenomen
innebærer en kobling mellom variable fra et sted
(tidspunkt) til et annet. Aktuelle anvendelser er petroleum (seismikk,
brønndata eller elektromagnetiske data), nedbørsdata, eller data fra
forsvarsteknologi / overvåking (sonardata, radardata, satelittmålinger).
I tillegg til grunnfagene i statistikk er typiske fagvalg
Multivariabel analyse (TMA 4270), Romlig statistikk (TMA 4250),
Tidsrekkeanalyse (TMA4285),
Moderne statiske metoder (TMA 4300), og Stokastiske prosesser (TMA4265)
se Faginformasjon,
|
Andre som gir oppgaver innen dette området er:
Henning Omre,
Håvard Rue,
Håkon Tjelmeland.
Stokastisk simulering:
Få sannsynlighetsmodeller kan behandles analytisk eller direkte
ved hjelp av kjent software.
I praksis finner man dermed ikke et eksakt svar på en
percentil, forventning, varians, risikofunksjon eller lignende.
Istedet implementeres ofte en approksimativ
løsning ved bruk av datamaskin. Dette kan gjøres enten
numerisk eller ved å trekke tilfeldige tall (Monte Carlo metoden).
Kunsten i stokastisk
simulering er å utvikle algoritmer som raskt representerer en ønsket
sannsynlighetsmodell.
Her tenker jeg ikke bare på regnekraft i datamaskinen, men
også på en algoritmisk angrepsvinkel som gjør at metoden er robust
og statistisk effektiv.
Simuleringsmetoden som utprøves kan testes på en relevant
anvendelse, for eksempel mot olje / gass.
I tillegg til grunnfagene i statistikk er typiske fagvalg
Multivariabel analyse (TMA 4270),
Moderne statiske metoder (TMA 4300), og Stokastiske prosesser (TMA4265)
se Faginformasjon,
|
Andre som gir oppgaver innen dette området er:
Håvard Rue,
Håkon Tjelmeland.