教員業績データベース
教員業績データベースTOP
>
検索結果一覧
> 山田 隆行
(最終更新日 : 2024-06-06 19:39:27)
ヤマダ タカユキ
山田 隆行
所属
京都女子大学 データサイエンス学部 データサイエンス学科
職種
教授
業績
学位
著書・論文歴
学会発表
現在の専門分野
学生及び受験生へのメッセージ
研究テーマ
委員会・協会等
プロフィール
学位
2005/04/01~2008/03/31
中央大学 大学院理工学研究科 数学専攻 博士後期課程 博士後期課程 修了 博士(理学)
2003/04/01~2005/03/31
中央大学 大学院理工学研究科 数学専攻 博士前期課程 博士前期課程 修了
1999/04/01~2003/03/31
中央大学 理工学部 数学科 卒業 修士(理学)
著書・論文歴
著書
統計データ科学事典,pp.70-73, pp.152-153, pp.164-165, pp.188-189 (共著) 2013/06
論文
Variable selection method based on BIC with consistency for non-zero partial correlations under a large-dimensional setting Computational Statistics (共著) 2025/06/03
論文
Test for mean matrix in GMANOVA model under heteroscedasticity and non-normality for high-dimensional data Theory of Probability and Mathematical Statistics 109,129-158頁 (共著) 2023/10/03
論文
High-dimensional asymptotic expansion of the null distribution for L2 norm based MANOVA testing statistic under general distribution Journal of Statistical Planning and Inference 224,9-26頁 (共著) 2023/05
論文
High-dimensional asymptotic expansion of the null distribution for Schott’s test statistic for complete independence of normal random variables Communications in Statistics-Theory and Methods (単著) 2022
全件表示(26件)
学会発表
2024/12
KOO approach for variable selection of correlations in high-dimension (IASC-ARS interim conference 2024)
2024/11
最大値統計量にKOO法を用いた多変量回帰モデルの変数選択 (日本計算機統計学会第38回シンポジウム)
2024/06
高次元データの相関構造の選択問題に対するKOO法の適用 (日本計算機統計学会第38回大会)
2023/12
Knock-one-out method for selecting nonzero partial correlations (The 12th conference of the Asian Regional Section of the International Association for Statistical Computing)
2023/11
KOO法による偏相関構造の選択について (日本計算機統計学会第37回シンポジウム)
全件表示(48件)
現在の専門分野
数学基礎・応用数学 キーワード(統計的推論、多変量統計解析)
学生及び受験生へのメッセージ
私の専門分野は多変量解析の統計的推測理論です. 多変量解析は, 主成分分析・判別分析・回帰分析・多変量分散分析などが知られています. 私は大標本漸近理論を用いた多変量解析に係わる統計的仮説検定法の構築・改善をテーマとして研究を進めています.
研究テーマ
2017/04/01
高次元データに対する統計的推論
委員会・協会等
2021/01/01 ~
日本計算機統計学会 和文誌編集委員会
2017/01/01 ~ 2020/12/31
日本計算機統計学会 広報委員会
プロフィール
私の専門分野は多変量解析の統計的推測理論です. 多変量解析は, 主成分分析・判別分析・回帰分析・多変量分散分析・多変量回帰分析法などが知られています. コンピュータ技術の進歩に伴い, 莫大な情報量を要するデータの解析・蓄積が可能となり, 多変量解析の実用化がこれを利用してなされ, 様々な分野で広く応用されるようになりました. 一方, 私の研究領域である多変量解析における統計学的推測理論は, 標本分布理論, 最適推測理論, 大標本漸近理論などの分野にわかれています 私は大標本漸近理論を用いた統計的仮説検定法の構築・改善をテーマとして研究を進めています.