Improvement of nonparametric inference based on kernel type estimation and resampling method, and its application

点击翻译按钮获取中文摘要

ノンパラメトリック統計の主要な柱となっているカーネル型推測法の研究を行い、以下の成果を得ることができた。（１）カーネル型推測法の中で分布関数推定量を利用した統計量の活用法を研究し、経験分布関数の逆関数では不可能であった滑らかな確率点推定量の理論的性質を明らかにすることに成功した。（２）関連してこれまでに利用されてきたカーネル関数を組み込む確率点推定量との同値性を示すことに成功した。この方法は直感的にはすぐに導入できるものであるが、理論的な性質の解明は難しく、これまでに理論的な成果は得られていなかった。その推定量の漸近平均二乗誤差を理論的に求めることに成功した。また従来提案されていたカーネル型確率点推定量と今回考察した統計量が一次オーダーの意味では漸近的に同等であることを理論的に示すことに成功した。（３）確率点は様々な分野でリスクの評価に利用されている。この元になる分布関数推定量の性質は、推定量を組み込む様々な指標に利用すると高精度の推測結果をもたらすことが期待できる。（４）さらに金融工学において重要なリスク尺度であるエクスペクタイルのカーネル型推定量の漸近的な性質を研究し、信頼区間や統計的検定を行うときに必要になる統計量の分布関数の高次漸近近似であるエッジワース展開を求めることに成功した。これらのの結果は世界に先駆けてのもので、経験分布関数をカーネル型推定量に置き換えることにより、滑らかで高精度の推測結果を得ることができて、関連する分野への波及効果も期待できる。現在これらの成果は国際誌に投稿準備中である。得られた成果は、学会及び研究集会で発表し、優れた成果であるとの評価も得ている。