| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2018年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2017年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2016年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| 研究成果の概要 |
多変量解析,とくに, 判別分析, 多変量回帰分析, 主成分分析, 正準相関分析, などにおいて, 変数選択や次元推定のための情報量規準に関して, 標本数や変数の数が大きい状況で一致性をもつための条件を与えた. また, これらの規準は, 変数の数が多くなると, 計算上の問題点が生じるが, 多変量回帰モデルや判別分析においては, この問題点を解消した「一般化一つ取って置き法」を提案し, その高次元一致性を持つための条件を与えた. さらに, 多変量線形モデルにおける次元の推定に関しては, 標本数が変数の数より少ない場合にも利用できる正則化情報量規準を提案し, その高次元性質を調べた.
|
| 研究成果の学術的意義や社会的意義 |
多変量解析においては情報が入手しやすくなったこともあって, 変数の次元が大きい場合の統計的方法や, 膨大な変数の中から有用な変数を抽出する変数選択法に高い関心がよせられている. 本研究は, このような高次元データ分析における重要な課題における基礎的研究のみならず応用に焦点を当てており, 統計科学分野における理論や応用に関して高い貢献が期待される.
|
