프로젝트 소개
본 과제는 여러 가설을 동시에 검정할 때, 가설들 사이의 연관성이 강한 고차원 자료에서 FDR을 효율적으로 조절하는 통계방법론을 연구하는 프로젝트임.
연구 목표는 hidden Markov random field (HMRF) 기반으로 Markov chain(1차원), 이차원 lattice(Ising model), 비정형 graph(tree 구조)로 다중검정을 확장하고, 분포의 정규성 가정을 비모수적으로 추정해 data-adaptive 절차를 구현하는 데 있음. 기대 효과는 모수적 강한 가정을 완화하면서 robust한 다중검정이 가능해 fMRI, 유전자, SNS network 등 다양한 자료 분석에 활용성 확대됨.