例えば突出した能力、例えば災害級の現象、例えば観測機器の故障、例えば人的なミス…等々、現実のデータには様々な由来を持った「外れ値」、全体から外れた値を取るデータが付き物です。この外れ値には明確な定義や線引きを与えることが難しく、また発生を防ぐことも事実上不可能です。その為、外れ値が混ざっていてもその影響を小さく抑えられる「頑健(ロバスト)」な手法というのが、分析において重要な意味を持つと考えられます。
私は、モデル選択を中心に、頑健な分析手法について研究を行っています。確率分布間の遠さを測る尺度である統計的ダイバージェンスで、モデルと根底に在る「真の分布」との「近さ」を検証し、文理を問わない幅広い分野にて現象や行動を適切に表現出来るモデルを探ります。