| 研究課題/領域番号 |
18K11199
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60030:統計科学関連
|
|---|
| 研究機関 | 東京理科大学 |
|---|
研究代表者 |
村上 秀俊 東京理科大学, 理学部第一部応用数学科, 准教授 (60453677)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2019年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2018年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | ノンパラメトリック法 / Ranked Set Sampling / 近似分布 / 密度推定 / 検定統計量 / カーネル密度推定 |
|---|
| 研究成果の概要 |
Ranked Set Sampling (RSS) は，母集団からの標本抽出方法の一つであり，様々な分野で用いられるサンプリング方法である．本研究では 1 標本，2 標本，多標本検定問題に対する新しいノンパラメトリック検定統計量を提案した．検定統計量の極限分布や精緻な近似分布の導出を行ない，数値実験を通して提案統計量の有用性を示した．また，漸近検出力や一致性，不偏性など対立仮説の下で重要な理論的性質について示した．さらに，多変量データに対する新しい順位決定方法を提案した．実際の RSS データはどのような分布に従うか不明であるため，カーネル密度推定を用いて分布推定やパラメータ推定を行なった．
|
| 研究成果の学術的意義や社会的意義 |
一般的な仮説検定問題では，単純無作為抽出から得られたデータに対して分析を行なう．しかし，多種多様なデータが存在する現代社会においては，様々なサンプリング方法によって得られたデータが存在するため，既存の手法では対処できない問題が多々発生する．本研究成果は，その解決方法の１つとして，統計学のさらなる発展を担うものである．
|
