• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2022 年度 研究成果報告書

ロバストな擬似事後分布に対する漸近的な解析に関する研究

研究課題

  • PDF
研究課題/領域番号 19K14597
研究種目

若手研究

配分区分基金
審査区分 小区分12040:応用数学および統計数学関連
研究機関東京理科大学

研究代表者

中川 智之  東京理科大学, 理工学部情報科学科, 嘱託特別講師 (70822526)

研究期間 (年度) 2019-04-01 – 2023-03-31
キーワードベイズ統計 / ロバスト統計 / 漸近理論
研究成果の概要

大規模なデータを扱う際には, 外れ値やモデルの誤特定の問題は非常に深刻である. 外れ値はデータ生成過程からは大きく外れたデータであり, 推論に大きな影響を与える. 一方で, 外れ値はモデルの誤特定を示唆している場合があり, 外れ値を扱いは重要である. ベイズ統計においてもモデル誤特定や外れ値の混在の問題は古くから議論されている. 本研究では, 外れ値に影響されにくいベイズ法の開発とその理論的性質について研究を行った. 具体的にはダイバージェンスと呼ばれる分布間の擬距離を用いてロバストなベイズ推定を構築し, MCMCなどを用いて推論を行う際の漸近的性質を導出した.

自由記述の分野

数理統計

研究成果の学術的意義や社会的意義

近年は膨大な数のデータが取れるため, その中から外れ値を見つけることは大変困難である. また外れ値に影響されるような手法は, しばしば誤った解析結果を誘導することがある. 一方で外れ値を含む場合は仮定したモデルが誤っている可能性もあるため, 外れ値の扱いは重要である. 特に外れ値に影響を受けにくい解析は, 現在のモデルとデータで説明できる部分の結果を返してくれる. そのため本研究は, データに外れ値が含まれていても影響を受けにくいベイズ法とその理論的性質の導出を行ったことで, 推定だけでなく予測や不確実性の評価も外れ値の影響を受けにくくすることができる.

URL: 

公開日: 2024-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi