| 研究課題/領域番号 |
21K12067
|
|---|
| 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61040:ソフトコンピューティング関連
|
|---|
| 研究機関 | 統計数理研究所 |
|---|
研究代表者 |
伊庭 幸人 統計数理研究所, 統計基盤数理研究系, 教授 (30213200)
|
|---|
| 研究分担者 |
矢野 恵佑 統計数理研究所, 数理・推論研究系, 准教授 (20806070)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024年度)
|
| 配分額 *注記 |
2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
|
|---|
| キーワード | ベイズ統計 / MCMC / モデル選択 / 因果推論 / 共変量シフト / 事後共分散 / 情報量規準 / ブートストラップ法 / 正定値カーネル / sensitivity / Bayesian statistics / causal inference / covariate shift / Markov chain Monte Carlo / model selection / WAIC / PCIC / マルコフ連鎖モンテカルロ法 |
|---|
| 研究開始時の研究の概要 |
本研究計画では，データに基づいて最適な統計モデルを選択する規準（情報量規準）を数値計算アルゴリズムを含めて開発する．とくに，(1) マルコフ連鎖モンテカルロ法(MCMC)のアウトプットを利用して多様な状況に対応したモデル選択を行う手法を開発し， (2) 因果推論と予測をつなぐような手法を計算統計的な観点から発展させる．
|
| 研究成果の概要 |
さまざまな予測評価に対応できるベイズモデルの選択基準を開発した．提案した規準(PCIC)は事後共分散にもとづく補正項を有し，WAICと同様に（擬）事後分布からのMCMCサンプルから解析的な計算なしで容易に計算できる．具体的には，(1)一般の評価関数とスコア関数についてギブス損失とプラグイン損失を考えるもの，(2)予測分布の重み付き評価に対応するもの，の2種類を考えた．前者は正則モデルに限られるが，プライバシー保護や強い事前分布の場合などに応用できる．後者は特異モデルも扱え，共変量シフト，傾向スコア付きの推論に応用できる．
|
| 研究成果の学術的意義や社会的意義 |
本研究の成果により，さまざまな損失の設定や重み付きの状況に適応可能なベイズモデル選択の方法が，個々のモデルごとの解析的な計算抜きに可能になる．これにより，各分野のユーザーが自由に統計モデリングを行いつつ，目的に応じたモデル選択をすることができる．さまざまな分野に応用可能であるが，傾向スコアつきの推論に関する基準は医学や生命科学の分野で，プライバシー保護への応用は社会調査などへの応用が期待される．学術的には「事後共分散」がベイズ統計と頻度論的評価をつなぐ鍵になることを情報量規準の分野で示したことになり，今後の展開が期待される．
|
