[1]青嶋 誠 (2002). 二段階標本抽出による統計的推測.数学,54, 365-382. [2]Aoshima, M. and Yata, K. (2011). Two-stage procedures for high-dimensional data. Sequential Analysis (Editor’s special invited paper), 30, 356-399. [3]Yata, K. and Aoshima, M. (2012). Effective PCA for high-dimension, low-sample-size data with noise reduction via geometric representations. Journal of Multivariate Analysis, 105, 193-215. [4]Aoshima, M. and Yata, K. (2014). A distance-based, misclassification rate adjusted classifier for multiclass, high-dimensional data. Annals of the Institute of Statistical Mathematics, 66, 983-1010. [5]Yata, K. and Aoshima, M. (2016). High-dimensional inference on covariance structures via the extended cross-data-matrix methodology. Journal of Multivariate Analysis, 151, 151-166.
[1]Shimizu, K. and Iwase, K. (1981). Uniformly minimum variance unbiased estimation in lognormal and related distributions . Communications in Statistics – Theory and Methods, 10, 1127-1147. [2]Crow, E.L. and Shimizu, K.(eds.)(1988). Lognormal Distributions: Theory and Applications. New York: Dekker. [3]Shimizu, K. (1993). A bivariate mixed lognormal distribution with an analysis of rainfall data. Journal of Applied Meteorology, 32, 161-171. [4]Shimizu, K. and Iida, K. (2002). Pearson type VII distributions on spheres. Communications in Statistics – Theory and Methods, 31, 513-526. [5]Shimizu, K. and Tanaka, M. (2003). Expected number of level-crossings for a strictly stationary ellipsoidal process. Statistics and Probability Letters, 64, 305-310.
[1]Muirhead, R.J. and Chikuse, Y.(1975). Asymptotic expansions for the joint and marginal distributions of latent roots of the covariance matrix. Annals of Statistics, 3, 1011-1017. [2]Chikuse, Y.(1976). Partial differential equations for hypergeometric functions of complex arguments matrices and their applications. Annals of the Institute of Statistical Mathematics, 28, 187-199. [3]Chikuse, Y.(1976). Asymptotic distributions of the latent roots of the covariance matrix with multiple population roots. Journal of Multivariate Analysis, 6, 237-249. [4]Chikuse, Y.(1981). Distributions of some matrix variates and latent roots in multivariate Behrens-Fisher discriminant analysis. Annals of Statistics, 9, 401-407. [5]Chikuse, Y.(2003). Statistics on Special Manifolds. Lecture Notes in Statistics, 174, New York: Springer-Verlag.
加藤賢悟氏は,数理統計学の幅広い分野において多くの顕著な業績をあげ,その研究成果は,Annals of Statistics やBiometrika などの主要な学術雑誌に多く発表されている.研究テーマは,線形分位点回帰,ノンパラメトリック操作変数モデル,高次元確率変数ベクトルに関する確率分布,経験過程における近似法,ノンパラメトリック密度推定,スパースなメディアン回帰モデルなど多岐にわたり,いずれも優れた数理統計上の業績を上げられている. 加藤氏のこのような統計学の広範な研究分野に対する顕著な貢献は,日本統計学会研究業績賞にふさわしいものである.
主要業績
[1]Kato, K.(2012). Estimation in functional linear quantile regression. Annals of Statistics, 40, 3108-3136. [2]Kato, K.(2013). Quasi-Bayesian analysis of nonparametric instrumental variables models. Annals of Statistics, 41, 2359-2390. [3]Chernozhukov, V., Chetverikov, D. and Kato, K.(2013). Gaussian approximations and multiplier bootstrap for maxima of sums of highdimensional random vectors. Annals of Statistics, 41, 2786-2819. [4]Belloni, A., Chernozhukov, V. and Kato, K. (2015). Uniform post selection inference for LAD regression and other Z-estimation problems. Biometrika, 102, 77-94, [5]Chernozhukov, V., Chetverikov, D. and Kato, K.(2014). Anti-concentration and honest, adaptive confidence bands. Annals of Statistics, 42, 1787-1818.
鈴木大慈氏は,複雑な構造のある高次元データの解析手法の推定理論を構築した.特に,スパースカーネル加法モデルおよび低ランクテンソル推定の理論の構築は国際的に高く評価され,研究成果はAnnals of Statistics などの主要学術誌や機械学習のトップ会議の会議録に収録されている.統計理論を機械学習のような関連分野に浸透させ,そのすそ野を広げた貢献はきわめて顕著である. 鈴木氏のこのような統計学および情報学の広範な研究分野に対する顕著な貢献は,日本統計学会研究業績賞にふさわしいものである.
主要業績
[1]Suzuki, T.(2011). Unifying framework for fast learning rate of non-sparse multiple kernel learning. Advances in Neural Information Processing Systems, 24(NIPS2011), 1575-1583. [2]Suzuki, T. and Sugiyama, M.(2013). Fast learning rate of multiple kernel learning: trade-off between sparsity and smoothness. Annals of Statistics, 41, 1381-1405. [3]Suzuki, T.(2013). Improvement of multiple kernel learning using adaptively weighted regularization. JSIAM Letters, 5, 49-52. [4]Suzuki, T.(2015). Convergence rate of Bayesian tensor estimator and its minimax optimality. The 32nd International Conference on Machine Learning (ICML2015), JMLR Workshop and Conference Proceedings, 37, 1273-1282. [5]鈴木大慈(2015).確率的最適化(機械学習プロフェッショナルシリーズ).講談社.
Tahata, K., Naganawa, M. and Tomizawa, S. (2016). Extended linear asymmetry model and separation of symmetry for square contingency tables. Journal of the Japan Statistical Society, 46, 189-202.
受賞論文の評価
田畑耕治氏は,分割表解析の分野,特に正方分割表の対称性・非対称性のモデリングに関する論文を多数発表されており,Journal of Japan Statistical Society にも既に3本の論文を発表されている.受賞論文も正方分割表に関するものであり,非対称性の新しいモデルとして,対称セルの対数オッズがある種の多項式で表されるモデルを提案し,その数理的性質を明らかにしている.受賞論文の主結果は,提案モデルが対称性を持つための必要十分条件をglobal symmetry (GS) とmoment equality (ME) という概念(モデル)を用いて表現するというものである.さらに,分割表の対称性の尤度比検定統計量が,提案モデルを検定する部分と上記のGS とME を検定する部分の和として(漸近的に)表現できることも示している.正方分割表は自然科学や社会科学に広く応用されており,特に対称性/非対称性はその基礎をなす重要な概念である.受賞論文はこの概念の深化に貢献するものであり,日本統計学会小川研究奨励賞にふさわしいものである.