組織

専攻

附属センター

関連連携研究機構

関連学部

Minimax Predictive Densities for Sparse Statistical Models with Sample Size Heterogeneity

金子亮也

（指導教員：駒木文保教授／ 数理情報第4研究室）

資料PDF（kaneko.pdf）
研究概要

2012-2017年の都内各町丁のスリ件数の様子．提案手法を用いると，このデータを元に将来スリ件数の発生分布を予測できる．
スパースな観測データが得られた時に，観測データに基づいて将来データの発生分布を統計的に予測する手法を構築した．提案手法は欠損等により観測数が観測地点毎に異なる一般の場合を考慮しており，理論・実用双方において有効性が確認された．
修論の感想

最適性の結果と実データへの応用双方からのアプローチを通じて，多くの学びがあった．効果的な対外発表の心得も勉強でき，総じて有意義な研究生活を送ることができた．

>
ISTyくん

東京大学 THE UNIVERSITY OF TOKYO

Copyright © 2019 　Graduate School of Information Science and Technology, The University of Tokyo