高次元データにおける2次形式の近似について.ppt

2010/02/19 日本分類学会2010@九州大学 概要 近年，様々な応用の場面で変数の次元が標本サイズよりも大きいデータ（高次元データ）が生じる DNA マイクロアレイデータ，気象データ，経時測定データ 変数の次元が数千のオーダ，標本サイズが数百のオーダ 従来の多変量解析は変数の次元が標本サイズよりも小さいデータを想定 高次元データを扱えない 高次元データに対応できる解析法が必要 本報告では，特に高次元データにおける1標本問題を扱う 先行研究：Dempster (1958,1960), Bai and Saranadasa (1996), Fujikoshi (2004), Srivastava (2007) 従来の１標本問題とその問題点 Dempster’s trace criterion 条件(B) Srivastava (2007) の結果 Srivastava (2007) の結果 本報告の主結果１ Bai and Saranadasa(1996),Fujikoshi(2004)の結果 本報告の主結果２ 本報告の主結果２ 本報告の主結果２ ２標本問題 Monte Carlo Simulation Monte Carlo Simulation Monte Carlo Simulation まとめ 高次元データにおける1標本問題 Dempster (1958, 1960) で提案された検定統計量が基本 先行研究の条件とは異なる条件を仮定 Srivastava (2007) の方法はそのまま使える Bai and Saranadasa (1996), Fujikoshi (2004) の方法は漸近分布が異なる Monte Carlo 実験の結果から 全体的にF-近似が良いパフォーマンス 間違えて正規分布で検定してもそこそこの数値 問題点と今後の課題 真の分散の構造が分かっていることが前提 平均の検定の前に分散の構造の検討が必要 分散の構造を仮定しない検定方法の提案が今後の課題 参考文献 おしまい * * * * 高次元データにおける2次形式の近似について 藤本　翔太 大阪大学基礎工学研究科修士課程前期1年 ご清聴ありがとうございました * \bm{Y}_{p}^{(i)}\stackrel{i.i.d.}{\sim}N_{p}(\bm{0},\bm{\Sigma}_{p}) * * * *