Development of nonparametric methods with large sample sizes and high-dimension

2019 Fiscal Year Final Research Report

• Project/Area Number: 16K16018
• Research Category: Grant-in-Aid for Young Scientists (B)
• Allocation Type: Multi-year Fund
• Research Field: Statistical science
• Research Institution: Shiga University
• Principal Investigator: HIMENO Tetsuto 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 Final Research Achievements

Statistical methods for high-dimensional data used to have a strong condition that the distribution is normal. In recently years, several methods are developed under a condition with non-normal distribution. However, most of these methods specialize in a particular construction and the condition is not pragmatic. A comprehensive method has never been developed. Thus, I studied comprehensive statistical tests under a weak condition for high-dimensional data.

Free Research Field

数理統計学

Academic Significance and Societal Importance of the Research Achievements

近年、コンピューターやセンサーの性能向上により、多様なデータを同時に扱う機会が増えてきた。このようなデータが得られたとき、そのデータの背後にある性質（平均など）を調べることは重要である。しかし、古典的な方法は変数の数が増えたとき、または、データを発生させる構造（分布）が複雑なケースのときには適用できない。古典的な方法において制約されていた様々な条件を緩和することで、ビッグデータに対しても対応可能な手法を開発した。提案手法は、古典的な手法の一般化・拡張であり、学術的にも意義のあるものである。