De Van Dantzigprijs wordt één keer per vijf jaar uitgereikt aan een wetenschapper jonger dan veertig jaar. Behalve Van Zanten kreeg ook prof.dr. Peter Grünwald van het Centrum voor Wiskunde & Informatica in Amsterdam dit jaar de ereprijs die bestaat uit een penning met de beeltenis van Van Dantzig.

Van Zanten draagt met zijn onderzoek (net als medewinnaar Grünwald) bij aan het slechten van de barrières tussen de twee dominante stromingen in de kansrekening: de Bayesiaanse en de klassieke, frequentistische statistiek. Van Zanten probeert de verschillende statistische methoden op een zinvolle manier met elkaar te vergelijken, om voor elk probleem een optimale methode te kunnen aanwijzen.

Mathematisch statisticus Van Zanten is naar eigen zeggen vooral een pragmaticus voor wie het vooral van belang is of een bepaalde methode in de praktijk bruikbaar is. Hoewel er weerstand bestaat tegen de aannames waarop de Bayesiaanse statistiek is gebaseerd, kan deze methode toch nuttig zijn, denkt hij. “De beide methoden zijn gebaseerd op verschillende filosofische raamwerken, maar in de praktijk is er best overlap tussen klassieke en Bayesiaanse statistici. Je kunt de Bayesiaanse aanpak ook met klassieke methoden bestuderen, zoals ik doe. En dan blijkt dat beide methoden in veel gevallen dezelfde uitkomsten geven als je maar genoeg data verzamelt. Bovendien wordt Bayesiaanse statistiek gewoon veel gebruikt en dat is al voldoende reden om de methode goed te willen begrijpen.”

De strijd tussen klassieke statistiek en de Bayesiaanse school woedt al anderhalve eeuw. Volgens klassieke statistici moet je ervan uitgaan dat de gezochte waarden (bijvoorbeeld de snelheid van het licht, of de kans dat iemand een moord heeft gepleegd) een vaste -zij het onbekende- waarde hebben, die door het verzamelen van zoveel mogelijk gegevens uit steekproeven nauwkeurig kan worden benaderd. Bayesianen geloven daarentegen niet in een ‘ware’ waarde, maar beschouwen de gezochte waarde zelf als een statistische variabele, waarvan je a-priori een inschatting kunt maken. Hierdoor kun je ook subjectieve informatie van buiten de steekproef inbrengen, hetgeen nuttig kan zijn in complexe situaties zoals forensisch onderzoek. (TJ)/.