| 研究課題/領域番号 |
16K16018
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
統計科学
|
|---|
| 研究機関 | 滋賀大学 |
|---|
研究代表者 |
姫野 哲人 滋賀大学, データサイエンス学部, 准教授 (40452734)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2018年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2017年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2016年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 漸近理論 / 高次元データ / ノンパラメトリック / 情報学基礎 / 統計科学 / データサイエンス |
|---|
| 研究成果の概要 |
高次元データ（変数の数が多いデータ）の解析手法の多くは、データの分布が正規分布に従うという強い仮定の下で提案されたものが多かったが、近年、そのような強い条件が無くても使用な可能な手法の開発が急速に行われてきている。しかし、それらの研究の中には現実的でない仮定のものや、特定の項目を調べることに特化した手法も多く、一般化された手法の開発は行われていなかった。そこで、本研究では制約をできる限り緩和したうえで、数多くの仮説検定を包含した一般的な手法の開発を行った。
|
| 研究成果の学術的意義や社会的意義 |
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。
|
