Theory of high-dimensional martingales and its statistical applications

点击翻译按钮获取中文摘要

本研究の主目標は、従来より研究されてきた独立同一分布に従うデータに対する統計的推測理論およびそのための確率論的ツールを、確率過程、特にマルチンゲールの枠組みで発展させることである。その骨格となる部分は、２０２１年１１月に発刊した「Martingale Methods in Statistics」という著書で、達成することができた。本年度は、その応用の部分で進展があった。米国Google社の検索エンジンシステムの基礎を担う、PageRankという指標がある。それは、ウェブページの重要度を判定するための基準を定めるものであり、グラフ理論の枠組みで、確率過程（特にマルコフ連鎖）のツールを援用して定義、実装される。これは元々１９９８年に開発されたものであったが、これまでにもさまざまな工夫が加えられてきた。本年度、この発展の流れに一石を投じる貢献を行った。より詳細には、従来のPageRankがチューンングパラメータの取り方によってその順位統計量が変化してしまうという現象を呈していたのに対し、新たにMarkovRankという指標を定義し、それの順位統計量がチューニングパラメータに依存せず、与えられたネットワークシステムを表す有向グラフの構造のみによって一意的に定まることを、マルコフ連鎖の理論を用いて証明した。Rによる実験データによる検証も行った。研究成果は、査読つき学術誌に公表した。（ただし、Google社は元のPageRankの使用を終了しているため、本研究は一定の学術的価値はあるものの、その改良部分に対する特許等を取得するなどの実益を伴う貢献にはならないこととなった。）