De jaarlijkse VVS-scriptieprijs voor Statistiek en Operationele Research werd na de Statistische Dag van 1988 ingesteld om bij studenten de belangstelling te bevorderen voor onderzoek naar en toepassing van praktisch relevante methoden uit de statistiek en operationele research.
De jury van de VVS scriptieprijs 2004 had wederom een lastige taak. Uit een zevental goede scripties, moest de jury een keuze maken. Na rijp beraad was de jury het unaniem eens dat de winnaar van de scriptieprijs geworden is:
Marloes Maathuis van de vakgroep Technische Wiskunde van de Technische Universiteit Delft. De motivatie voor de keuze van de jury kan als volgt worden samengevat:
De jury vindt dat het werk van Marloes Maathuis met kop en schouders uitsteekt boven de anderen en uitstekend scoort op alle criteria. De resultaten omtrent de niet-parametrische maximum likelihood schatter voor de verdelingsfunctie van bivariaat gecensureerde data zijn zeer divers. Deze lopen uiteen van existentie en uniciteit van de schatter, tot algoritmiek en consistentie. De jury is bijzonder gecharmeerd van de originaliteit van het werk, de kritische benadering en onderbouwing, de heldere schrijftrant, en de praktische relevantie en resultaten. Het gebruik van typische OR technieken als graaftheorie en graafalgoritmen in de context van maximum likelihood is relatief nieuw. De jury vindt dit een voorbeeld van wat kruisbestuiving tussen Statistiek en OR kan opleveren en is van mening dat dit raakvlak veel vaker opgezocht zou moeten worden.
Daarnaast wil de jury graag een eervolle vermelding doen toekennen aan
Alex Siem van de vakgroep Operations Research van de technische Universiteit Delft, en wel om de volgende redenen:
Ook in het werk van Alex Siem ontmoeten OR en statistiek elkaar. Alex heeft zijn afstudeerwerk verricht op het Centre for Quantitative Methods (CQM) op gebied van het schatten van Kriging modellen. Dit type modellen wordt bij CQM vrij intensief ingezet in situaties waar tijdrovende computersimulatiemodellen gebruikt worden. Het schatten van Kriging modellen gaat op basis van Maximum Likelihood en komt neer op niet-convexe optimalisatie van een functie van de determinant van de correlatiematrix. Wanneer grotere data sets geschat moeten worden of het aantal factoren toeneemt, nemen de rekentijden en de numeriek problemen snel toe. Doel van het onderzoek was te komen tot een aanpak om Kriging modellen snel en numeriek stabiel te kunnen schatten. Het werk van Alex blinkt uit in praktische relevantie en toont zijn vermogen om theoretische concepten uit de OR op inventieve wijze toe te passen.
Ook dit jaar is deelname aan de VVS-prijs mogelijk. Wij verzoeken begeleiders om hun afstudeerders hiervan op de hoogte te stellen.