Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

NBEB-SSP

Financiado

Cerrado

Nonparametric Bayes and empirical Bayes for species sampling problems classical...

Nonparametric Bayes and empirical Bayes for species sampling problems classical questions new directions and related issues Consider a population of individuals belonging to different species with unknown proportions. Given an initial (observable) random sample from the population, how do we estimate the number of species in the population, or the prob... ver más

29/02/2024

UNITO

983K€

Presupuesto del proyecto: 983K€

Líder del proyecto

UNIVERSITA DEGLI STUDI DI TORINO No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Ver 3 Participantes

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2024-02-29

ERC-2018-COG: ERC Consolidator Grant

I+D

Cerrada hace 7 años

0% 100% 100%

Características del participante

Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

3 Participantes

UNITO

510.43K€ | Lider

COMERCIALIZADORA LA RIOJA AL...

892.79K€ | Participante

CCA

472.50K€ | Participante

Proyectos interesantes

SNP

Data Science

Applied Physics

866K€ Cerrado

BigBayesUQ

Data Science

Software

1M€ Cerrado

BayCause

Data Science

Software

2M€ Cerrado

N-BNP

Data Science

Software

958K€ Cerrado

SAMPLING

Data Science

Applied Physics

2M€ Cerrado

FLEXIBNPP

Data Science

Software

100K€ Cerrado

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Duración del proyecto: 60 meses Fecha Inicio: 2019-02-14
Fecha Fin: 2024-02-29

Líder del proyecto

UNIVERSITA DEGLI STUDI DI TORINO No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 983K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto Consider a population of individuals belonging to different species with unknown proportions. Given an initial (observable) random sample from the population, how do we estimate the number of species in the population, or the probability of discovering a new species in one additional sample, or the number of hitherto unseen species that would be observed in additional unobservable samples? These are archetypal examples of a broad class of statistical problems referred to as species sampling problems (SSP), namely: statistical problems in which the objects of inference are functionals involving the unknown species proportions and/or the species frequency counts induced by observable and unobservable samples from the population. SSPs first appeared in ecology, and their importance has grown considerably in the recent years driven by challenging applications in a wide range of leading scientific disciplines, e.g., biosciences and physical sciences, engineering sciences, machine learning, theoretical computer science and information theory, etc. The objective of this project is the introduction and a thorough investigation of new nonparametric Bayes and empirical Bayes methods for SSPs. The proposed advances will include: i) addressing challenging methodological open problems in classical SSPs under the nonparametric empirical Bayes framework, which is arguably the most developed (currently most implemented by practitioners) framework do deal with classical SSPs; fully exploiting and developing the potential of tools from mathematical analysis, combinatorial probability and Bayesian nonparametric statistics to set forth a coherent modern approach to classical SSPs, and then investigating the interplay between this approach and its empirical counterpart; extending the scope of the above studies to more challenging SSPs, and classes of generalized SSPs, that have emerged recently in the fields of biosciences and physical sciences, machine learning and information theory.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores