Aad van der Vaart Wetenschappelijk Directeur Mathematisch Instituut
Prof.dr. Aad van der Vaart is op dinsdag 15 september 2015 benoemd tot Wetenschappelijk directeur van het Mathematisch Instituut van de Universiteit Leiden. Hij volgt daarmee prof. dr. Peter Stevenhagen op die sinds 2007 een toegewijde Wetenschappelijk directeur was op het Mathematisch Instituut. Aad van der Vaart is sinds 2012 werkzaam bij de Universiteit Leiden als hoogleraar Statistiek. In 2015 is hij onderscheiden met de prestigieuze NWO Spinozapremie.
Met zijn onderzoek naar wiskundige statistiek behoort Van der Vaart tot de internationale top van zijn vakgebied. Zijn toegepaste statistiekmethoden leveren waardevolle bijdragen aan onder andere medische beeldvorming en statistische genetica.
Bayesiaanse niet-parametrische statistiek
Vijftien jaar geleden zette hij in Nederland de Bayesiaanse niet-parametrische statistiek op de kaart. Mede dankzij Van der Vaarts verdiensten is deze richting uitgegroeid tot een toonaangevend onderzoeksonderwerp.
‘De Bayesiaanse statistiek is een van de twee paradigma’s van de statistiek. Het uitgangspunt is een zogenaamde a-priori verdeling die in kansen uitdrukt wat je al weet over een bepaalde situatie. Bijvoorbeeld dat maar een klein aantal genen actief zijn, en misschien de genen uit een bepaald netwerk eerder dan anderen. Nieuwe informatie en metingen verwerk je door deze a-priori verdeling bij te stellen. Dat lijkt heel logisch, maar nieuw is dat we dit principe, de regel van Bayes, ook toepassen bij hele complexe modellen en met enorm veel data. De a-priori verdeling is dan een complex object. Dat geeft de mogelijkheid om veel relevante informatie aan de analyse toe te voegen, maar dit zou er toe kunnen leiden dat het eindresultaat van de analyse wordt bepaald door de aannamen en niet de data. Dat is het traditionele bezwaar tegen de Bayesiaanse methode. Voor het jaar 2000 dacht men dat die negatieve kant overheerst. Samen met anderen heb ik laten zien dat dit niet het geval is, mits de methoden op de juiste manier worden ingezet. Onze wiskundige analyses leggen bloot hoe de eigenschappen van de a-priori verdelingen doorwerken in het eindresultaat.’
‘Een belangrijke toepassing is in de moderne genetica. Medisch onderzoekers zijn nu bijvoorbeeld in staat om een volledig genoom af te lezen, of van alle genen te meten of zij actief zijn bij een bepaalde vorm van kanker. De analyse van zulke grote datasets vereist nieuwe statistische technieken om te achterhalen hoe al die genen samenwerken in netwerken. De Bayesiaanse denkwijze helpt hierbij, bijvoorbeeld door als a-priori informatie toe te voegen dat van alle genen in een bepaalde situatie er slechts een klein aantal belangrijk is.’