Dat wetenschappelijke modellen erop gericht moeten zijn rekening te houden met onzekerheid, is inmiddels algemeen aanvaard. De meeste wetenschappers gebruiken waarschijnlijkheden om deze onzekerheid te beschrijven. Dit project houdt zich daarentegen bezig met imprecieze waarschijnlijkheden. Simpel gezegd, in zijn meest eenvoudige vorm, is een imprecies waarschijnlijkheidsmodel een verzameling van waarschijnlijkheidsmodellen, die als kandidaten fungeren voor een ideaal, correct maar onbekend waarschijnlijkheidsmodel. Deze imprecieze modellen zijn doorgaans nuttig wanneer scherpe, nauwkeurige en betrouwbare schattingen van waarschijnlijkheden niet beschikbaar zijn, bijvoorbeeld omdat het te moeilijk, duur of tijdrovend is om voldoende data of expert kennis te verzamelen. In dergelijke gevallen zijn standaard waarschijnlijkheidsmodellen en de gevolgtrekkingen en beslissingen die daaruit worden afgeleid vaak onbetrouwbaar. Imprecieze waarschijnlijkheidsmodellen vermijden dit probleem door partiële informatie toe te laten, zoals bijvoorbeeld grenzen op waarschijnlijkheden. De resulterende gevolgtrekkingen en beslissingen zijn robuust met betrekking tot variaties binnen deze grenzen, en blijven als zodanig betrouwbaar, zelfs in geval van ernstige onzekerheid. De prijs voor deze voordelen is dat dit soort modellen complexer is en de eigenschappen ervan minder gekend zijn. Het doel van dit project is om het veld van imprecieze waarschijnlijkheden verder te ontwikkelen, en deze uitdagingen zo te overwinnen.