過去15年間の統計のブレークスルーは何ですか？

Friedman-Hastie-TibshiraniによるBoostingに関する統計の論文と、他の著者（フロイントとシャピレを含む）による同じ問題に関するコメントを今でも覚えています。当時、明らかにBoostingは多くの点でブレークスルーと見なされていました。計算的に実行可能なアンサンブルメソッドであり、優れた、しかし神秘的なパフォーマンスを備えています。ほぼ同時期に、SVMは成熟し、堅固な理論に裏打ちされたフレームワークを提供し、多くのバリアントとアプリケーションを備えています。

それは素晴らしい90年代でした。過去15年間に、多くの統計はクリーンで詳細な操作でしたが、本当に新しい見解はほとんどありませんでした。

そこで、2つの質問をします。

1. 革命的/最終的な論文を見逃していませんか？
2. そうでない場合、統計的推論の視点を変える可能性があると思われる新しいアプローチはありますか？

ルール：

1. 投稿ごとに1つの回答。
2. 参照またはリンクを歓迎します。

PS：有望なブレークスルーの候補がいくつかあります。後で投稿します。

答えは非常に単純なので、CVに投稿させるために、このような意味のない文章をすべて書かなければなりません：R

あなたがそれをそれ自体「ブレークスルー」と呼ぶかどうかはわかりませんが、エドウィン・ジェインズとラリー・ブレットソーストによる確率論の出版：科学の論理は注目に値するかもしれません。彼らがここで行うことのいくつかは次のとおりです。

1）いくつかの反復「季節調整」スキームとベイジアン「迷惑パラメータ」統合の等価性を示します。

2）いわゆる「周辺化パラドックス」を解決-一部の人は「ベイジアン主義の死」、他の人は「不適切な優先権の死」と考えられていた。

3）世界の物理的性質を記述するのではなく、確率が命題が真か偽かについての知識の状態を記述するという考え。

この本の最初の3つの章は、ここから無料で入手できます。

適用された統計学者であり、時折マイナーなソフトウェア作成者として、私は言うだろう：

WinBUGS（1997年にリリース）

15年以上前（1989年）にリリースされたBUGSに基づいていますが、現実的に複雑なモデルのベイジアン分析をより広範なユーザーベースで利用できるようにしたのはWinBUGSです。たとえば、Lunn、Spiegelhalter、Thomas＆Best（2009）（およびStatistics in Medicine vol。28 issue 25での議論）を参照してください。

$k$$i$$i$

「固有の不一致」損失関数と他の「パラメーター化されていない」損失関数の決定理論への導入。他にも多くの「素敵な」プロパティがありますが、最良のプロパティは次のとおりです。

$\theta$$\theta^{e}$$\theta$$g(\theta)$$g(\theta^{e})$

これはとてもクールだと思います！（たとえば、log-oddsの最適な推定値はlog（p /（1-p））、分散の最適な推定値は標準偏差の2乗などです。）

キャッチ？本質的な矛盾を解決するのは非常に困難です。（min（）関数、尤度比、および積分が含まれます！）

「カウンターキャッチ」？問題を「再配置」して、計算しやすくすることができます！

「カウンターカウンターキャッチ」？問題を「再配置」する方法を理解することは困難です。

この損失関数を使用する私が知っているいくつかの参照があります。私はこれらの論文/スライドの「本質的な推定」部分が非常に好きですが、「参照先」アプローチについてもいくつかの留保があります。

ベイズ仮説検定：参照アプローチ

固有の推定

通常の平均の比較：古い問題の新しい方法

統合された客観的ベイズ推定と仮説検定

誤検出率を制御するためのアルゴリズムは、15年の期間内に収まると思います。「q-value」アプローチが好きです。

私自身の5セントを加えると、過去15年間で最も重要なブレークスルーはCompressed Sensingだったと思います。LARS、LASSO、および他の多くのアルゴリズムがこのドメインに該当します。圧縮センシングが機能する理由を説明し、それらを他のドメインに拡張するからです。

統計自体とはほとんど関係ないものの、非常に有益なもの。コンピューターの火力の増大、より大きなデータセットとより複雑な統計分析、特に応用分野でのアクセスのしやすさ。

特に通常のラプラス近似とは異なり、計算コストの高いサンプリングベースのアプローチとほぼ同様に機能する効率的な分析近似法を提供するため、特にガウス過程分類におけるベイジアン推論の期待値伝播アルゴリズムは、おそらく大きなブレークスルーでした。EPロードマップでThomas Minkaなどの作品をご覧ください

私はと考えて「ネスト型ラプラス近似を使用して潜在ガウスモデルの近似ベイズ推論」 H.ルーらの。al（2009）は潜在的な候補です。

私の意見では、大規模に新しいモデルを実行できるようにすることはすべてブレークスルーです。スケーラブルな構造化ガウスプロセス（KISS-GP）のカーネル補間が候補になる可能性があります（ただし、アイデアは新しく、提示されたアイデアの実装は多くありません）。

統計よりも少し一般的ですが、再生産可能な研究（RR）の方法には重要な進歩があったと思います。たとえば、Rの開発knittrとSweaveパッケージおよび「R Markdown」ノートブック、LyXおよびLaTeXの改善は、データ共有、コラボレーション、検証/検証、さらには統計のさらなる向上に大きく貢献しています。統計、医学、疫学雑誌の査読付き論文では、これらの再現可能な研究方法/技術が出現する前に、結果を簡単に再現することはほとんど許可されていませんでした。現在、いくつかのジャーナルは再現可能な研究を必要としており、多くの統計学者はRRを使用し、コード、結果、およびWeb上のデータソースを投稿しています。これはまた、データサイエンスの分野の育成に役立ち、統計学習をより利用しやすくしました。

私の意見では、2011年にScience誌に発表された論文です。著者は、同様の測定が失敗する多くの状況（ピアソン、スピアマン、ケンドール）でうまく機能するランダム変数のペア間の関連の非常に興味深い測定を提案します。本当にいい紙。ここにあります。