Maten van homogeniteit en heterogeniteit gericht op classificatie en op het bepalen van homogene deelgroepen in Markov modellen.

Zowel in classificatie als in geaggregeerde Markov-modellen staat het concept groep (categorie, klasse, status, ...)centraal, en moet het behoren tot de groep bepaald worden aan de hand van een reeks geobserveerde en/of latente eigenschappen. Deze groepen moeten derhalve op zich (intra-) homogeen zijn, terwijl verschillende groepen onderling (inter-) heterogeen moeten zijn. Homogeniteit en heterogeniteit kunnen echter op vele verschillende wijzen worden gedefinieerd naargelang de situatie (o.a. context, aard van de variabelen, doelstelling, methodologie, en beschikbaarheid van algoritmen).

Een eerste doelstelling van het project is een overzicht en evaluatie te bekomen van de invulling van de begrippen homogeniteit en heterogeniteit, met speciale aandacht voor classificatie en geaggregeerde Markov analyse, in het bijzonder toegepast op besluitvorming en kwantitatief personeelsbeleid (de specialisatiedomeinen van de twee promotoren). Dit moet toelaten recente en tot nu toe losstaande eigen ontwikkelingen in Principal Separation Analysis, Profile-Based models en Hidden-Markov models exact te kaderen. De tweede doelstelling is de verdere verfijning en combinatie van al deze concepten en methodologieën, hetgeen zal leiden tot nieuwe en krachtigere analyse-instrumenten.