統計的予測問題の尤度解析に関する基礎的研究

统计预测问题似然分析的基础研究

• 批准号: 05680249
• 负责人: 久保木 久孝
• 金额: $ 0.7万
• 依托单位: The University of Electro-Communications
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for General Scientific Research (C)
• 财政年份: 1993
• 资助国家: 日本
• 起止时间: 1993 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-05680249/
• 关键词: 統計的予測; 予測尤度; サンプルリユーズ; ベイズ予測; Jeffreysの事前分布

統計的予測においても、モデル構築の便宜上、パラメータを含むいわゆるパラメトリックモデルを想定することが多い。しかし本来の解析目的は、観測対象の将来の実現値であり、仮に導入したパラメータではない。この仮のパラメータをどう処理するかが、統計的予測論の大きなテーマの一つである。簡便な方法として、パラメータをデータから推定し、その値が真であるものとしてモデルを確定し、予測を行うことが考えられる。しかしこの方法には、モデルを厳格に規定してしまうことから来る、予測性能の悪さという欠陥がある。そこで最近では、モデルにある意味の柔軟性を持たせて予測を行うという考え方が中心になって来ている。そのような方法論の代表がベイズ予測法であるが、近年注目を集めているのは、予測尤度法とサンプルリユーズ法(ブートストラップ法)である。本研究の代表者も、この分野の研究にこの数年取り組んできた。そして一つの方法論を提唱した。その概要は以下の通りである:1)パラメトリックブートストラップ法で、観測できない変数値の出現確率に関する事前情報を集める。2)観測データを用い、この事前情報を予測尤度で改善し、推測分布を構成する。3)この推測分布を使い、予測分布を構成する。4)数値実験では、このようにして得られる予測分布は、従来の方法で作られる予測分布と比べて、良い予測結果を与える。5)以上の方法は、Jeffreysの事前情報を用いるベイズ予測法と、密接に関係している。この成果は学術誌に掲載された。現在、この方法論をさらに改良発展させることをめざしている。

Statistics can be に お い て も, モ デ ル build の on the cheap, パ ラ メ ー タ を containing む い わ ゆ る パ ラ メ ト リ ッ ク モ デ ル を scenarios す る こ と が い more. The original purpose of <s:1> <s:1> analysis of <s:1> is to 観 and 観 measure the actual value of <s:1> in the future. Youdaoplaceholder1 であ and 仮に import into <s:1> たパラメ and タで and な and な. <s:1> 仮 仮 パラメ タを タを <e:1> う う handle する が が, pretest theory of statistics <s:1> large タを なテ <s:1> <s:1> である である. Simple method な と し て, パ ラ メ ー タ を デ ー タ か ら presumption し, そ の numerical が really で あ る も の と し て モ デ ル を し, line to measure を う こ と が exam え ら れ る. し か し こ の way に は, モ デ ル を 厳 lattice に rules し て し ま う こ と か ら る, to measure performance の 悪 さ と い う owe 陥 が あ る. そ こ で recently で は, モ デ ル に あ る mean の softness を hold た せ て in measuring line を う と い う え party が test center に な っ て to て い る. そ の よ う な methodology の representative が ベ イ ズ to measure method で あ る が, recent attention を め て い る の は, be especially degrees と サ ン プ ル リ ユ ー ズ method (ブ ー ト ス ト ラ ッ プ method) で あ る. In this study, the <s:1> representatives に and <s:1> are divided into fields. They study に に for several years and take the exponent group んで た た た. Youdaoplaceholder0 て て - て た methodology を vocalization た. そ の profile under は の tong り で あ る : 1) パ ラ メ ト リ ッ ク ブ ー ト ス ト ラ ッ で プ method and 観 で き な い - the numerical の appear of probabilistic に masato す る prior intelligence を set め る. 2)観 test デ タを タを use the prior intelligence of 観 and <s:1> を to predict the improvement of で by uber and infer the distribution を to form する. 3) The <s:1> を inferred distribution を makes the を and the predicted distribution を form する. 4) the numerical be 験 で は, こ の よ う に し て have ら れ る can be distributed は, 従 to の method で ら れ る to measure distribution と than べ い て, good to the test results with え を る. 5) The above <s:1> method <e:1>, Jeffreys' <s:1> pre-intelligence を uses the <s:1> るベ ズ ズ pre-test method と, and close contact に relationship <s:1> て る る. <s:1> The achievements are published in the academic journal に and された. Now, the <s:1> <s:1> methodology をさらに is being improved and developed at させる とをめざ <s:1> て る る.

项目成果

Hisataka Kuboki: "Inferential Distributios for Non-Bayesian Predictive Fit" Annals of the Institute of Statistical Mathematics. 45. 567-578 (1993)

Hisataka Kuboki：“非贝叶斯预测拟合的推理分布”统计数学研究所年鉴。