Uncertainty Estimation in Models of Multivariate Trait Evolution on Given Phylogenies

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: WFRF:(Bartoszek Krzysztof 1984 ) > Uncertainty Estimat...

Kiang, Woodrow Hao Chi,1993-Linköpings universitet,Statistik och maskininlärning,Filosofiska fakulteten (författare)

Uncertainty Estimation in Models of Multivariate Trait Evolution on Given Phylogenies

BokEngelska2024

Förlag, utgivningsår, omfång ...

Linköping :Linköping University Electronic Press,2024
43 s.
electronicrdacarrier

Nummerbeteckningar

LIBRIS-ID:oai:DiVA.org:liu-201907
ISBN:9789180755894
ISBN:9789180755900
https://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-201907URI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:vet swepub-contenttype
Ämneskategori:lic swepub-publicationtype

Varianttitlar

Osäkerhetsuppskattning i modeller av multivariat dragevolution på givna fylogenier

Serie

FiF-avhandling - Filosofiska fakulteten – Linköpings universitet,1401-4637 ;134

Anmärkningar

Funding: Vetenskapsrådet [Grant 2017-04951] and STIMA.2024-04-05: Series have been corrected in the e-version
Phylogenetic comparative methods are a set of statistical methods that model the evolutionary history of species, especially in the context where one has data on certain traits of related extant species that have evolved over a phylogenetic tree in accordance to an underlying stochastic process. This thesis presents a Hessian-based closed-form asymptotic confidence region that covers a wide family of Gaussian continuous-trait evolution models; the result has been implemented in an R package. Also, some analyses have been done on the simpler Brownian Motion and Ornstein-Uhlenbeck process cases; and this leads to novel exact confidence regions for the Brownian Motion’s parameters and a closed-form ’partial’ unbiased estimator for the Ornstein-Uhlenbeck process’ varaince-covariance matrix when other parameters are given. The thesis contains two papers. Paper I is an applied work that uses discrete-trait speciation and extinction model to investigate early spread of COVID-19; it shows that it is possible to detect statistical signals of inter-continental spread of the virus from a very noisy world-wide phylogeny. Paper II is a more mathematical work that derived the closed-form formulae for the Hessian matrix of a wide family of Gaussian-process-based multivariate continuous-trait PCM models; accompanying with the Paper I have developed an R package called glinvci, publicly available on The Comprehensive R Archive Network (CRAN), that can compute Hessian-based confidence regions for these models while at the same time allowing users to have missing data and multiple evolutionary regimes.

Ämnesord och genrebeteckningar

NATURVETENSKAP Matematik Sannolikhetsteori och statistik hsv//swe
NATURAL SCIENCES Mathematics Probability Theory and Statistics hsv//eng
Phylogenetic comparative methods
Branching stochastic processes
Fylogenetiska jämförande metoder
Förgrenade stokastiska processer

Biuppslag (personer, institutioner, konferenser, titlar ...)

Bartoszek, Krzysztof,Associate Professor,1984-Linköpings universitet,Statistik och maskininlärning,Filosofiska fakulteten(Swepub:liu)krzba67 (preses)
Ronquist, Fredrik,ProfessorNaturhistoriska riksmuseet, Stockholm, Sverige (opponent)
Linköpings universitetStatistik och maskininlärning (creator_code:org_t)

Internetlänk

Hitta via bibliotek

Uncertainty Estimation in Models of Multivariate Trait Evolution on Given Phylog... (Sök publikationen i LIBRIS)

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...: Kiang, Woodrow H ...; Bartoszek, Krzys ...; Ronquist, Fredri ...

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Matematik; och Sannolikhetsteor ...

Delar i serien: FiF-avhandling - ...

Av lärosätet: Linköpings universitet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se