2018 Fiscal Year Research-status Report
大標本高次元データに対するノンパラメトリック手法の開発
| Project/Area Number |
16K16018
|
|---|
| Research Institution | Shiga University |
|---|
Principal Investigator |
姫野 哲人 滋賀大学, データサイエンス学部, 准教授 (40452734)
|
|---|
| Project Period (FY) |
2016-04-01 – 2020-03-31
|
| Keywords | 漸近理論 / 高次元データ / ノンパラメトリック |
|---|
| Outline of Annual Research Achievements |
本研究課題では、様々な分野で扱われるようになってきたビッグデータの解析のため、高次元データに対するノンパラメトリックな手法（データの分布を仮定せずに様々な判断を行う手法）の開発を行うことを目的としている。本年度は主に以下の研究を行った。
1. 高次元データについて、その分布が正規分布に従っているか否かを判断することは難しく、その手法もほとんど提案されていない。そこで、標本の分布の歪みに注目し、歪みがあれば正規分布ではないと判断する新たな分析手法に関する研究を行い、論文の執筆を行った（2019 publish）。
2. 一般的な線形モデルに対する線形仮説における論文作成に取り掛かっている。本研究は一般的なGMANOVAモデルに対するノンパラメトリックな仮説検定手法の研究であり、これまでの研究成果を全て網羅した上、2元配置分散分析などにも応用のきく手法となっている。このモデルにより、一般的な線形モデルにおける線形仮説について、分布を問わずに検定を行えるフレームワークを作成した。
3. 上記の2で開発した検定統計量やパラメータの推定量を用い、様々な応用について検討している。これまで、多くのパラメータの推定について、中心極限定理等を使った一致推定量は提案されてきているが、このような手法は高次元の枠組みではうまくいかないケースも見うけられた。だが、本研究で行っている様々なパラメータ推定は分布の仮定だけでなく、次元の大きさもほとんど影響しないため、幅広い応用が期待される。
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
論文作成について様々な検討を行っており、作成に時間を要している。
|
| Strategy for Future Research Activity |
現在、これまでの研究の総括的な論文作成のめどが立ち、該当論文を早急にまとめる。
|
| Causes of Carryover |
研究の遅れ及び論文執筆の遅れのため、残額が発生した。
本年度は、研究のまとめ及び更なる研究の発展の模索にあたり、研究発表、論文投稿、情報収集を行う。
|
