I mange situasjoner måler man data ved flere romlige koordinater eller ved flere tidspunkt. Et petroleumseksempel er brønndata eller seismiske refleksjonsdata. Brønndata er nokså nøyaktige, men kun noen få steder. Seismiske data gir god romlig dekning, men er indirekte målinger av det underliggende variable (olje, gass, eller lignende). Statistisk modellering av romlige fenomen innebærer en kobling mellom variable fra et sted til et annet. Modeller antas oftest stasjonære, dvs at variansen og kovariansen ikke varierer i rom. I tillegg antas typisk Gaussiske fordelinger. Et aktivt felt er modellering og estimering for ikke-stasjonæritet eller ikke-Gaussiske variable. En måte å bringe dette fram på er bruk av deterministiske fysiske løsninger, typisk differensialligninger, som en viktig del av den statistiske modellen. Et annet tema av interesse er beslutningsteori for innsamling av romlige data. Slike data koster mye penger. Ved mer data reduserer man usikkerheten, men det er ikke dermed gitt at data gir endrede beslutninger. Er datainnsamling verdt pengene det koster? Aktuelle romlige anvendelser er petroleum (seismikk, brønndata eller elektromagnetiske data). Typiske fagvalg er: Romlig statistikk (TMA 4250), Beregningskrevende statistiske metoder (TMA 4300), se Faginformasjon,

Få sannsynlighetsmodeller kan behandles analytisk eller direkte ved hjelp av kjent software. I praksis finner man dermed ikke et eksakt svar på en percentil, forventning, varians, risikofunksjon eller lignende. Istedet implementeres ofte en approksimativ løsning ved bruk av datamaskin. Dette kan gjøres enten analytisk, numerisk eller ved Monte Carlo metoden. Iblant kan det være nyttig å gjøre litt av alt: Så mye man kan rettferdigjøre analytisk, numerisk på et lavere dimensjonalt rom, og evnt Monte Carlo på resten. En kritisk faktor er beregningstid. Et aktuelt tema er utvikling av algoritmer for massive datamengder. Et annet tema er utregning av optimale design/strategier for datainnsamling. Metodene som utvikles kan med fordel testes på en relevant anvendelse, for eksempel mot olje / gass. Typiske fagvalg: Romlig statistikk (TMA 4250), Beregningskrevende statistiske metoder (TMA 4300) og GLM (TMA 4315) (TMA4265) se Faginformasjon,