Алан Э. Гельфанд

Эта статья может чрезмерно полагаться на источники, слишком тесно связанные с темой , что потенциально делает статью непроверяемой и нейтральной . Пожалуйста , помогите улучшить ее, заменив их более подходящими ссылками на надежные, независимые, сторонние источники . ( Май 2018 ) ( Узнайте, как и когда удалять это сообщение )

Алан Энох Гельфанд (родился 17 апреля 1945 года) — американский статистик , в настоящее время профессор статистики и принятия решений имени Джеймса Б. Дьюка в Университете Дьюка . ^{[1] [2]} Исследования Гельфанда включают существенный вклад в области байесовской статистики, пространственной статистики и иерархического моделирования.

Гельфанд родился в Бронксе, Нью-Йорк . Окончив государственную школу в возрасте 16 лет, Гельфанд поступил в Городской колледж Нью-Йорка на бакалавриат, где преуспел в математике. Поступление Гельфанда в аспирантуру символизировало как физический, так и образовательный переход, поскольку он переехал через всю страну, чтобы поступить в Стэнфордский университет и получить докторскую степень по статистике. Он закончил свою диссертацию в 1969 году по методам сериализации (хронологической последовательности) под руководством Герберта Соломона . ^[3]

Гельфанд принял предложение от Университета Коннектикута , где он провел 33 года в качестве профессора. В 2002 году он перешел в Университет Дьюка в качестве профессора статистики и наук о принятии решений имени Джеймса Б. Дьюка. ^[3] В 2015 году его кафедра провела конференцию в честь дня рождения 19–22 апреля в Дареме, Северная Каролина, в которой приняли участие такие выдающиеся докладчики, как Адриан Ф. М. Смит . ^[4]

После посещения краткого курса, который вел Адриан Смит в Университете штата Боулинг-Грин , Гельфанд решил взять академический отпуск в Ноттингеме , Великобритания, с намерением поработать над использованием численных методов для решения эмпирических байесовских задач. После изучения Tanner and Wong (1987) и намека Дэвида Клейтона на его связь с Geman and Geman (1984) , Гельфанд смог осознать вычислительную ценность замены дорогостоящих численных методов на методы выборки Монте-Карло в байесовском выводе. Опубликованная как Gelfand and Smith (1990), Гельфанд описал, как сэмплер Гиббса может быть использован для байесовского вывода вычислительно эффективным способом. С момента публикации общие методы, описанные в Gelfand and Smith (1990), произвели революцию в анализе данных, позволив ранее неразрешимым проблемам стать разрешимыми. ^[5] На сегодняшний день статья была процитирована более 7500 раз. ^[6]

В 1994 году Гельфанду представили набор данных, с которым он ранее не сталкивался: уловы гребешков в Атлантическом океане. Заинтригованный проблемами, связанными с анализом данных со структурированной пространственной корреляцией, Гельфанд вместе с коллегами Судипто Банерджи и Брэдли П. Карлином создали инференциальную парадигму для анализа пространственных данных. Вклад Гельфанда в пространственную статистику включает модели пространственно-изменяющихся коэффициентов, ^[7] линейные модели корегионализации для многомерных пространственных процессов, ^[8] предиктивные процессы для анализа больших пространственных данных ^[9] и непараметрические подходы к анализу пространственных данных. ^[10] Исследования Гельфанда в области пространственной статистики охватывают прикладные области экологии, болезней и окружающей среды.

• Избран членом Американской статистической ассоциации, май 1978 г.
• Избранный член Международного статистического института, 1986 г.
• Избран членом Академии искусств и наук Коннектикута, апрель 1995 г.
• Избран членом Института математической статистики, август 1996 г.
• Премия «Статистик года» имени Мостеллера, февраль 2001 г. ^[11]
• Десятый самый цитируемый учёный-математик в мире в 1991–2001 гг.
• Президент Science Watch, Международное общество байесовского анализа, 2006 г.
• Лауреат премии Парзена , 2006 г. ^[12]
• Медаль за выдающиеся научные исследования, Секция Американской ассоциации статистики по вопросам окружающей среды, 2013 г. ^[13]
• Избранный член Международного общества байесовского анализа, ноябрь 2015 г. ^[14]
• Мемориальная премия Сэмюэля С. Уилкса, Американская статистическая ассоциация, 2019 ^[15]
• Премия Research.com «Математика в США» за лидерство, 2023 г. ^[16]

• Гельфанд, Алан Э.; Уокер, Крейтон К. (1984). Моделирование ансамбля: вывод из свойств малого масштаба к системам большого масштаба . CRC Press. ISBN 9780824771805.
• Кларк, Джеймс С.; Гельфанд, Алан Э., ред. (2006). Иерархическое моделирование для наук об окружающей среде: статистические методы и приложения . Oxford University Press. ISBN 0-198-56967-X.
• Гельфанд, А.Е., Диггл, П., Гутторп, П. и Фуэнтес, М. (редакторы). (2010). Справочник по пространственной статистике . CRC press.
• Банерджи, С., Карлин, Б. П. и Гельфанд, А. Е. (2014). Иерархическое моделирование и анализ пространственных данных . CRC Press.
• Гельфанд, Алан Э., ред. (2014). Вклад в теорию и применение статистики: том в честь Герберта Соломона . Academic Press. ISBN 978-1-483-23931-6.

• Гельфанд, А.Е.; Хиллс, С.Е.; Расин-Пун, А.Ф.; Смит, А.Ф. (1990). «Иллюстрация байесовского вывода в нормальных моделях данных с использованием выборки Гиббса». Журнал Американской статистической ассоциации . 85 (412): 972–985. doi :10.1080/01621459.1990.10474968.
• Гельфанд, А.Е.; Смит, А.Ф. (1990). «Подходы к расчету предельных плотностей на основе выборки». Журнал Американской статистической ассоциации . 85 (410): 398–409. doi :10.1080/01621459.1990.10476213.
• Гельфанд, А.Е.; Дей, Д.К. (1994). «Выбор байесовской модели: асимптотика и точные вычисления». Журнал Королевского статистического общества. Серия B (методологическая) . 56 (3): 501–514. doi :10.1111/j.2517-6161.1994.tb01996.x. ISSN  0035-9246. JSTOR  2346123.
• Уоллер, LA; Карлин, BP; Ся, H.; Гельфанд, AE (1997). «Иерархическое пространственно-временное картирование показателей заболеваемости». Журнал Американской статистической ассоциации . 92 (438): 607–617. doi :10.1080/01621459.1997.10474012.
• Гельфанд, AE; Ким, HJ; Сирманс, CF; Баннерджи, S. (2003). «Пространственное моделирование с пространственно изменяющимися коэффициентными процессами». Журнал Американской статистической ассоциации . 98 (462): 387–396. doi :10.1198/016214503000170. S2CID  122987154.
• Гельфанд, AE; Шмидт, AM; Банерджи, S.; Сирманс, CF (2004). «Моделирование нестационарных многомерных процессов с помощью пространственно-изменяющейся корегионализации». Тест . 13 (2): 263–312. doi :10.1007/bf02595775. S2CID  56244076.
• Гельфанд, А.Е.; Коттас, А.; МакИчерн, С.Н. (2005). «Байесовское непараметрическое пространственное моделирование с перемешиванием процессов Дирихле». Журнал Американской статистической ассоциации . 100 (471): 1021–1035. doi :10.1198/016214504000002078. S2CID  35557355.
• Баннерджи, С.; Гельфанд, А.Е.; Финли, А.О.; Санг, Х. (2008). «Модели гауссовских предсказательных процессов для больших пространственных наборов данных». Журнал Королевского статистического общества. Серия B (Статистическая методология) . 70 (4): 825–848. doi :10.1111/j.1467-9868.2008.00663.x. PMC  2741335. PMID  19750209 .
• Berrocal, VJ; Gelfand, AE; Holland, DM (2010). «Пространственно-временной даунскейлер для вывода из численных моделей». Журнал сельскохозяйственной, биологической и экологической статистики . 14 (2): 176–197. doi :10.1007/s13253-009-0004-z. PMC  2990198. PMID  21113385 .
• Гельфанд, А.Е. (2012). «Иерархическое моделирование для проблем пространственных данных». Пространственная статистика . 1 : 30–39. Bibcode :2012SpaSt...1...30G. doi :10.1016/j.spasta.2012.02.005. PMC  3760588 . PMID  24010050.