On Bayesian predictive modeling : with applications on the analysis of chromatography data in forensic investigations
Blomstedt, Paul (2013-11-14)
Tässä tietueessa ei ole tiedostoja, ainoastaan metadata.
Blomstedt, Paul
Åbo Akademi - Åbo Akademi University
14.11.2013
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
Kuvaus
Med prediktion avses att man skattar det framtida värdet på en observerbar storhet. Kännetecknande för det bayesianska paradigmet är att osäkerhet gällande okända storheter uttrycks i form av sannolikheter. En bayesiansk prediktiv modell är således en sannolikhetsfördelning över de möjliga värden som en observerbar, men ännu inte observerad storhet kan anta. I de artiklar som ingår i avhandlingen utvecklas metoder, vilka bl.a. tillämpas i analys av kromatografiska data i brottsutredningar. Med undantag för den första artikeln, bygger samtliga metoder på bayesiansk prediktiv modellering. I artiklarna betraktas i huvudsak tre olika typer av problem relaterade till kromatografiska data: kvantifiering, parvis matchning och klustring. I den första artikeln utvecklas en icke-parametrisk modell för mätfel av kromatografiska analyser av alkoholhalt i blodet. I den andra artikeln utvecklas en prediktiv inferensmetod för jämförelse av två stickprov. Metoden tillämpas i den tredje artik
eln för jämförelse av oljeprover i syfte att kunna identifiera den förorenande källan i samband med oljeutsläpp. I den fjärde artikeln härleds en prediktiv modell för klustring av data av blandad diskret och kontinuerlig typ, vilken bl.a. tillämpas i klassificering av amfetaminprover med avseende på produktionsomgångar.
Ennustamisella, ts. prediktoinnilla, tarkoitetaan havaittavan suureen tulevan arvon arviointia. Bayesilaiselle viitekehykselle ominaista on, että tuntemattomiin suureisiin liittyvä epävarmuus ilmaistaan todennäköisyyksien avulla. Bayesilainen prediktiivinen malli on täten todennäköisyysjakauma yli havaittavan suureen mahdollisesti toteutuvien arvojen. Väitöskirjaan sisältyvissä artikkeleissa kehitetään menetelmiä, joita mm. sovelletaan kromatografisten aineistojen analysoinnissa rikostutkinnassa. Ensimmäistä artikkelia lukuunottamatta kaikki menetelmät perustuvat bayesilaiseen prediktiiviseen mallintamiseen. Ensimmäisessä artikkelissa kehitetään epäparametrinen malli kaasukromatografian avulla mitattavan veren alkoholipitoisuuden mittausvirheelle. Toisessa artikkelissa kehitetään prediktiivinen päättelymenetelmä kahden satunnaisotoksen vertailemiseksi, jota kolmannessa artikkelissa sovelletaan öljynäytteiden tilastolliseen vertailuun öljypäästöjen alkuperän identifioinnissa.
Neljännessä artikkelissa johdetaan prediktiivinen ryhmittelymalli aineistoille, joissa kukin havaintoyksikköjä kuvaavista muuttujista voi samanaikaisesti saada sekä jatkuvia että diskreettejä arvoja. Menetelmää sovelletaan mm. amfetamiininäytteiden luokitteluun alkuperän tai valmistuserien mukaan.
eln för jämförelse av oljeprover i syfte att kunna identifiera den förorenande källan i samband med oljeutsläpp. I den fjärde artikeln härleds en prediktiv modell för klustring av data av blandad diskret och kontinuerlig typ, vilken bl.a. tillämpas i klassificering av amfetaminprover med avseende på produktionsomgångar.
Ennustamisella, ts. prediktoinnilla, tarkoitetaan havaittavan suureen tulevan arvon arviointia. Bayesilaiselle viitekehykselle ominaista on, että tuntemattomiin suureisiin liittyvä epävarmuus ilmaistaan todennäköisyyksien avulla. Bayesilainen prediktiivinen malli on täten todennäköisyysjakauma yli havaittavan suureen mahdollisesti toteutuvien arvojen. Väitöskirjaan sisältyvissä artikkeleissa kehitetään menetelmiä, joita mm. sovelletaan kromatografisten aineistojen analysoinnissa rikostutkinnassa. Ensimmäistä artikkelia lukuunottamatta kaikki menetelmät perustuvat bayesilaiseen prediktiiviseen mallintamiseen. Ensimmäisessä artikkelissa kehitetään epäparametrinen malli kaasukromatografian avulla mitattavan veren alkoholipitoisuuden mittausvirheelle. Toisessa artikkelissa kehitetään prediktiivinen päättelymenetelmä kahden satunnaisotoksen vertailemiseksi, jota kolmannessa artikkelissa sovelletaan öljynäytteiden tilastolliseen vertailuun öljypäästöjen alkuperän identifioinnissa.
Neljännessä artikkelissa johdetaan prediktiivinen ryhmittelymalli aineistoille, joissa kukin havaintoyksikköjä kuvaavista muuttujista voi samanaikaisesti saada sekä jatkuvia että diskreettejä arvoja. Menetelmää sovelletaan mm. amfetamiininäytteiden luokitteluun alkuperän tai valmistuserien mukaan.
Tiivistelmä
-
Kokoelmat
- 112 Statistiikka [7]