Tilastollinen päättely tuottaa ennusteita ja arvioita niihin liittyvästä epävarmuudesta. Epävarmuutta havainnollistavat luottamus- ja luottovälit, joiden odotetaan "suurella todennäköisyydellä" sisältävän kiinnostuksen kohteen kuten jonkin puolueen kannatuksen. Tutkimme kuinka gaussisiin prosesseihin perustuvan mallin sisältämät ennakko-oletukset vaikuttavat epävarmuusarvioiden luotettavuuteen bayesiläisessä tilastollisessa päättelyssä. Jos mallinnuksen kohde oletetaan sileämmäksi (eli lähekkäisissä mittauspisteissä saadaan melko samanlaisia havaintoja) kuin se todellisuudessa on, malli voi olla liian itsevarma. Tällöin luottovälit ovat aivan liian kapeita eivätkä välttämättä sisällä kohdetta, millä voi olla vakavia seurauksia päätöksenteossa. Kehitämme sekä matemaattisen teorian gaussisiin prosesseihin perustuvien stationaarisuuden ja sileyden väärinspesifioivien mallien luotettavuudelle että uusia laskennallisia menetelmiä, jotka toimivat myös mallin ollessa väärinspesifioitu.

2025

2029