We onderzoeken de interactie tussen zeldzame-gebeurtenissimulatie en Bayesiaanse statistieken. Technieken voor zeldzame gebeurtenissen (zoals importance sampling, splitting en kruisentropie) bieden krachtige middelen om laagwaarschijnlijke regio’s te verkennen die vaak bepalend zijn voor a-posteriori-verdelingen in hoog-dimensionale, multimodale of zwaarstaartige Bayesiaanse modellen. Tegelijkertijd biedt Bayesiaanse updating een principiële manier om onzekerheid te kwantificeren bij het schatten van kleine kansen uit beperkte of extreme data. Het project ontwikkelt Bayesiaans gestuurde zeldzame-gebeurtenisschema’s, onderzoekt hun efficiëntie en integreert ze in MCMC en particle filtering om de sampling van onwaarschijnlijke maar belangrijke toestanden te verbeteren. Toepassingen liggen in betrouwbaarheid, extreme-valuetheorie en tail-risk-inferentie. Het doel is een verenigd kader waarin een kruisbestuiving plaatsvindt tussen zeldzame-gebeurtenismethoden en Bayesiaanse algoritmen.