Hirotugu Akaike

Origem: Wikipédia, a enciclopédia livre.
Ir para: navegação, pesquisa
Hirotugu Akaike
Nome nativo 赤池 弘次 Akaike Hirotsugu
Nascimento 5 de novembro de 1927
Fujinomiya
Morte 4 de agosto de 2009
Cidadania Japão
Alma mater Universidade de Tóquio
Ocupação matemático, estatístico
Prêmios Prêmio Kyoto em Ciências Básicas, Asahi Prize
Empregador Graduate University for Advanced Studies

Hirotsugu Akaike (赤池 弘次) (5 de novembro de 1927 - 4 de agosto de 2009) foi um especialista em estatística japonês.

Nos anos 1970 formulou um critério de informação para a identificação de modelo, conhecido como critério de informação de Akaike (AIC).

Em 2006, Akaike recebeu o Prémio Kyoto pelas suas contribuições para a ciência e modelagem estatística.

Em entrevista, explicou como estudou modelos de análise estatística para resolver problemas reais. Interessou-se sobretudo por modelos em que os dados pudessem ser manipulados. Este tipo de análise resultou da forma como eram analisadas sequências de preços; havia concluído que essas análises, feitas em termos temporais, eram praticamente inúteis. O modelo de análise que criou, e que tem o seu nome, foi aplicado ao estudo da fluidez de tráfico automóvel em grandes cidades. O mesmo modelo foi aplicado na indústria têxtil. Foi um sucesso.

Ao longo de 10 anos, Hirotugu Akaike foi contactando com pessoas influentes com quem desenvolveu a confiança para propor o uso do seu modelo estatístico, o que fez sempre com sucesso.

Hirotugu Akaike considerava que o seu modelo tinha sido fruto de um acaso afortunado e que era um modelo realmente simples. Na realidade, o seu percurso foi complexo, pois não havia nenhum ramo da engenharia ou da estatística em que o seu modelo se encaixasse. Assim sendo, esteve sempre nos limites de outras ciências e de outras atividades além do tráfego automóvel e indústria. O seu modelo estatístico foi alargando o seu âmbito até à análise de procedimentos industriais complexos, incluindo o aproveitamento da produção de energia, que era feito já com grande qualidade.

O seu modelo estatístico era também apropriado para o estudo e previsão de situações futuras com grande rigor.

Embora o seu modelo tivesse sido sujeito a críticas, continuou o seu trabalho, aplicando-o ao estudo do clima e sismologia.

Previsão e entropia foram também objeto de aplicação do modelo, assim como a formulação de hipóteses partindo de dados (informações não numéricas).

A sua obra publicada é extensa:

AKAIKE, H. (1956). On a zero-one process and some of its applications. Ann. Inst. Statist. Math. 8 87-94.

AKAIKE, H. (1959). On the statistical control of the gap process. Ann. Inst. Statist. Math. 10 233-259.

AKAIKE, H. (1967). Some problems in the application of the cross spectral method. In Spectral Analysis of Time Series (B. Harris, ed.) 81-107. Wiley, New York.

AKAIKE, H. (1968). On the use of a linear model for the identifi­cation of feedback systems. Ann. Inst. Statist. Math. 20 425-429.

AKAIKE, H. (1970). On a semi-automatic power spectrum estima­tion procedure. In Proceedings of the Third Hawaii Interna­tional Conference on System Sciences 974-977. Western Pe­riodicals Company, Honolulu.

AKAIKE, H. (1974a). A new look at the statistical model identification. IEEE Trans. Automat. Control AC-19 716-723.

AKAIKE, H. (1974b). Markovian representation of stochastic pro­cesses and its application to the analysis of autoregressive moving average processes. Ann. Inst. Statist. Math. 26 363-387.

AKAIKE, H. (1977a). An objective use of Bayesian models. Ann. Inst. Statist. Math. 29 9-20.

AKAIKE, H. (1977b). On entropy maximization principle. In Ap­plications of Statistics (P. R. Krishnaiah, ed.) 27-41. North-Holland, Amsterdam.

AKAIKE, H. (1977c). Canonical correlation analysis of time series and the use of an information criterion. In System Identification: Advances and Case Studies (R. K. Mehra and D. G. Laniotis, eds.) 29-76. Academic, New York.

AKAIKE, H. (1978). A Bayesian analysis of the minimum MC procedure. Ann. Inst. Statist. Math. 30 9-14.

AKAIKE, H. (1979). A Bayesian extension of the minimum AIC procedure of autoregressive model fitting. Biometrika 66 237-242.

AKAIKE, H. (1980). Likelihood and the Bayes procedure. In Bayesian Statistics (J. M. Bernardo, M. H. DeGroot, D. V. Lindley and A. F. M. Smith, eds.) 143-166. Univ. Press Valencia.

AKAIKE, H. (1994). Implications of informational point of view on the development of statistical science. In Proceedings of the First US /JAPAN Conference on The Frontiers of Statistical Modeling: An Informational Approach 3 (H. Bozdogan, ed.) 27-38. Kluwer, Dordrecht.

AKAIKE, H. and KANESHIGE, I. (1962). Some estimation of vehicle suspension system's frequency response by cross-spectral method. In Proceedings of the 12th Japan National Congress for Applied Mechanics 241-244. Univ. Tokyo Press.

AKAIKE, H. and NAKAGAWA, T. (1988). Statistical Analysis and Control of Dynamic Systems. Kluwer, Dordrecht.

AKAIKE, H. and YAMANOUCHI, Y. (1962). On the statistical esti­mation of frequency response function. Ann. Inst. Statist. Math. 14 23-56.

DAVISSON, L. D. (1966). The prediction error of stationary Gauss­ian time series of unknown covariance. IEEE Trans. In­form. Theory IT-11 527-532.

FISHER, R. A. (1935). The logic of inductive inference. J. Roy. Statist. Soc. Ser. A 98 39-54.

FUKUNISHI, K. (1977). Diagnostic analyses of a nuclear power plant using multivariate autoregressive processes. Nuclear Science and Engineering 62 215-225.

JOHNSON, N. L. and KOTZ, S., eds. (1991). Breakthroughs in Statistics. Volume I: Foundations and Basic Theory. Springer, New York.

JONES, R. H. (1975a). Probability estimation using a multinomial logistic function. J. Statist. Comput. Simulation 3 315-329.

JONES, R. H. (1975b). Estimation of spatial wave number spectra and falloff rate with unequally spaced observations. J. At­mospheric Sci. 32 260-268.

NAKAMURA, H. (1994). Statistical identification and optimal con­trol of thermal power plants. In Proceedings of the First US /Japan Conference on the Frontiers of Statistical Model­ing: An Informational Approach 3 (H. Bozdogan, ed.) 57-79. Kluwer, Dordrecht.

NAKAMURA, H. and AKAIKE, H. (1981). Statistical identification for optimal control of supercritical thermal power plants. Automatica 17 143-155.

PEIRCE, C. S. (1955). Abduction and induction. In Philosphical Writings of Peirce (J. Buchler, ed.), 150-156. Dover, New York.

THIS WEEK'S CITATION CLASSIC (1981). Current Contents 51 22 (December 21). [Also included in (1986) Contemporary Clas­sics in Engineering and Applied Science 42 (A. Thackary, ed.) ISI Press, Philadelphia.

TIKHNOV, A. N. (1965). Incorrect problems of linear algebra and a stable method for their solution Soviet Math. Dokl. 6 989-991.

WADA, T., AKAIKE, H., YAMADA, Y. and UDAGAWA, E. (1988). Application of multivariate autoregressive modelling for analysis of immunologic networks in man. Comput. Math. Appl. 15 713-722.

WADA, T., SATA, S. and MATSUO, N. (1993). Application of multi­variate autoregressive modeling for analyzing chloride/ potassium/bicarbonate relationship in the body. Medical and Biological Engineering and Computers 31 S99-S107.

A 5 de Novembro de 2017, através de um Doodle, a Google comemorou aquele que seria o 90º aniversário de Hirotsugu Akaike [1].

Referências

  1. «Hirotugu Akaike's 90th Birthday». Consultado em 5 de novembro de 2017 

Ligações externas[editar | editar código-fonte]

  • Findley, David F.; Emanuel Parzen (February 1995). "A conversation with Hirotugu Akaike". Statistical Science 10 (1): 104–117. doi:10.1214/ss/1177010133. Un'intervista ad Akaike (en)
Ícone de esboço Este artigo sobre uma pessoa é um esboço. Você pode ajudar a Wikipédia expandindo-o.