Prøveforelesning
Bedømmelseskomité
- opponent: Professor John Staudenmayer, University of Massachusetts, Amherst, USA
- opponent: Professor Jukka Corander, University of Helsinki, Helsinki, Finland
- medlem av bedømmelseskomiteen: Professor Giske Ursin, Institutt for medisinske basalfag, Universitetet i Oslo
Leder av disputas
Professor Vessela Kristensen, Institutt for klinisk medisin, Universitetet i Oslo
Hovedveileder
Professor Magne Thoresen, Institutt for medisinske basalfag, Universitetet i Oslo
Sammendrag
Et avgjørende spørsmål som de aller fleste forskere ønsker å få svar på, er hvilke variabler som kan forklare fenomenet de studerer: fra epidemiologen som studerer hvordan ulike livsstilsfaktorer påvirker helsa, til klimaforskeren som studerer menneskelige og naturlige bidrag til den globale temperaturen, og genetikeren som prøver å svare på hvilke gener som er avgjørende for utvikling av for eksempel kreft. Øystein Sørensen har i sin doktoravhandling studert LASSO-metoden. Som navnet hinter om, er LASSO designet for å fange opp de alle viktigste forklaringsvariablene, og dermed hjelpe forskeren med å finne de sterkeste effektene. Spesielt innen genetikk, hvor man typisk har titusenvis av kandidatgener, har LASSO vært ekstremt mye brukt for å finne noen dusin gener som ser ut til å være viktige.
En utfordring i mange fagfelt, er at måleinstrumentene man bruker har en del støy. Sørensen har vist at de matematiske forutsetningene for at LASSO skal finne de rette variablene, typisk ikke er tilfredsstilt når det er målefeil inne i bildet. Videre har han sett på varianter av LASSO som tar hensyn til støyen, og vist at disse ofte kan gi mer pålitelige resultater. Sørensen har også utviklet metoder for slik variabelseleksjon under målefeil til generaliserte lineære modeller, og utledet algoritmer som gjør at disse analysene kan regnes ut effektivt.
Sammen med medforfattere, har Sørensen også utviklet en Bayesiansk versjon av Mallows' klassiske rangmodell fra 1957. Denne modellen brukes i en rekke situasjoner der dataene tar form av rangeringer. Sørensen har blant annet analysert 5000 personers rangeringer av sushi, og funnet ut at de kan deles inn i seks undergrupper med svært lignende smakspreferanser. I tillegg har de rangert fotballagene i Premier League, og laget et program som predikerer hva slags filmer en person vil like, basert på hvordan vedkommende rangerte filmer han/hun tidligere har sett. To avgjørende forbedringer fra tidligere versjoner av Mallowsmodellen, er at man ved Sørensen & co sin metode kan bruke nær sagt hvilket som helst avstandsmål. Man kan også gi presise svar om alle sannsynligheter i modellen (for eksempel: "Hvis man skal servere sushi til fem personer, hva er sannsynligheten for at alle fem liker tunfisk bedre enn laks?").
Kontaktperson
For mer informasjon, kontakt Natalia Andronova