프로젝트 소개
본 과제는 유전자·영상·금융·네트워크처럼 데이터가 서로 연관된 상황에서 여러 가설을 동시에 검정해도 오류율을 적절히 조절하는 다중검정 통계 방법론을 개발하는 연구임.
연구목표는 강한 가설 간 연관성을 반영하면서 FDR 제어를 수행하고, 기존의 정규성 같은 분포 가정을 data-adaptive(비모수)로 추정하는 데 있음. 핵심 연구내용은 Markov chain, 2차원 lattice(Ising), 비정형 graph(tree 기반)에서 전이확률·분포추정과 다중검정 절차를 유기적으로 통합하거나 계산 알고리즘을 일반화하는 방법 제안임. 기대효과는 모수적 가정 완화와 1차원→2차원→비정형 구조 확장으로 robust하고 활용 범위가 넓은 다중검정 결과 도출임.