Detailseite
Projekt
Sublineare Methoden mit statistischen Garantien
Antragsteller
Professor Dr. Holger Dette; Professor Dr. Axel Munk
Fachliche Zuordnung
Mathematik
Förderung
Förderung seit 2021
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 460867398
Im Big Data Zeitalter hat sich das zentrale Thema der statistischen Effizienz in der mathematischen Statistik in Richtung recheneffizienter Methoden für komplexe Modelle bewegt. Bekannte statistische Verfahren (wie Likelihood-Methoden) können oft nicht verwendet werden, da sie zu viel Rechenzeit benötigen. In diesem Projekt werden wir neue statistische (rechenbare) Methoden entwickeln, die mit großen Datenmengen skalieren und gleichzeitig statistische Garantien erfüllen. Im linearen Modell betrachten wir zwei Prototyp-Probleme: Datenreduktion mit Hilfe von Subsampling und Strukturbruchanalyse in sublinearer Rechenzeit. Für die erste Aufgabe werden wir Prinzipien der optimalen Versuchsplanung verwenden, um Subsampling-Strategien zu entwickeln, die sublineare Schätzer liefern. Für die zweite Aufgabe entwickeln wir neue Varianten von „binary segmentation“, um "change points" in sublinearer Zeit zu finden.
DFG-Verfahren
Forschungsgruppen
