Mijn thesis focust op het modelleren van onzekerheid met keuzefuncties, die verzamelingwaardige functies zijn die de voorkeuren tussen (onzekere) opties van een expert vastleggen. De voorkeuren dat ze kunnen modelleren zijn meer-dan-paarsgewijs, in de zin dat keuzefuncties niet hoeven gedetermineerd te worden door keuzes tussen twee opties. Deze aanpak veralgemeent de meeste modellen uit de imprecieze waarschijnlijkheidsrekening, zoals verzamelingen van massafuncties, onderprevisies en verzamelingen van begeerlijke gokken. In mijn thesis veralgemeen ik concepten die al bestaan voor deze modellen naar keuzefuncties, zoals natuurlijke uitbreiding, de behandeling van indifferentie, conditioneren, en uitwisselbaarheid, onder andere. Ik vertrek daarbij van de gelijknamige concepten voor verzamelingen van begeerlijke gokken, en leg het verband tussen de beide aanpakken.