New developments in the theory of graphical model inference in the Big Data era

2022 Fiscal Year Final Research Report

• Project/Area Number: 17K00061
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Research Field: Statistical science
• Research Institution: Kyoto University (2021-2022); Doshisha University (2017-2020)
• Principal Investigator: Hara Hisayuki 京都大学, 国際高等教育院, 教授 (40312988)
• Project Period (FY): 2017-04-01 – 2023-03-31
• Keywords: グラフィカルモデル / 計算代数統計学

Outline of Final Research Achievements

For the computation of multiplicity-adjusted P-values in hotspot detection in the field of spatial epidemiology, we proposed an efficient calculation algorithm using the structure of graphs obtained from the adjacencies between regions.
We also published our results on Markov bases, graphical model inference, and inference algorithms in a research book.

Free Research Field

数理統計学

Academic Significance and Societal Importance of the Research Achievements

空間疫学モデルにおける多重性調整P値の正確計算は、ホットスポットを高精度に検出するために重要であるが、従来法では計算コストが高いという問題があった。また、近似アルゴリズムも存在はしているが、小標本のときに精度が悪いものであった。今回、地域間の空間的な隣接情報からグラフを定義し、そのグラフの分割を用いた分割統治アルゴリズムによって、正確なP値の計算が、実用時間内で可能になったことは、疫学の研究において意義があるものである。
また、近年の計算代数統計学による、グラフィカルモデルの推論に関する書籍は、和書ではまったくなかったなかで、書籍を刊行したことは、さらなるこの分野の発展に意義があることと考える。