Обладателем международной премии в области статистики 2018 года стал Брэдли Эфрон, разработчик бутстрэпа — статистического метода, позволяющего эффективно работать с малыми выборками. Его идея заключается в переходе от анализа исходной выборки к анализу большого количества выборок того же размера, составленных из исходной методом Монте-Карло (случайным образом). 80-летний Эфрон заявил, что очень рад полученной премии, учитывая, что с момента рождения метода прошло более 40 лет.

Обладателем международной премии в области статистики стал американский статистик Бредли Эфрон из Стенфордского университета в Калифорнии за работу, открывших миру метод 'bootstrap' измеряющий надежность малых выборок.

Речь идет о его работе 1977 года, в которой был описан метод, который сейчас широко используется в различных научных дисциплинах.

Американская статистическая ассоциация (American Statistical Association), которая присуждает премию совместно с четврьем другими научными обществами, объявила победителя 12 ноября. Премия была учреждена два года назад, присуждается каждые два года и составляет 80.000 долларов США. Первая премия была присуждена британскому статистику Дэвиду Коксу.

Эфрон, которому сейчас 80 лет, говорит, что был чрезвычайно взволнован в связи с присуждением премии. "Ученые часто ждут многие годы, чтобы получить их "взрыв апплодисментов", - говорит Эфрон, - "По всей видимости, ожидания того стоят - чувства превосходные!"

Салли Мортон, статистик из Виргинского технологического в Блексбурге называет Эфрона "Статистической рок-звездой". “Он вдохновил поколения статистиков и исследователей в других науках", - говорит она.

Во многих отраслях науки исследователям часто приходится делать выводы из ограниченного количества данных. Получения должного доверительного уровня является весьма затруднительным, но абсолютно необходимым. В 1970х, Эфрон и другие поняли, что с распространением вычислительной техники, новые, вычислительно трудоемкие тесты становятся приемлемыми.

Бутстреп был первым таким методом. Он делает срезы выборки случайным образом и вычисляет насколько вывод вроде "насколько две величины сильно скоррелированы" остается устойчив. “Он позволяет исследователю данных использовать сложные, иногда очень сложные методы и все еще быть в состоянии оценить их точность", - говорит Эфрон.

Алгоритм Бутстреп сегодня используется в огромном количестве приложений, например в алгоритмах машинного обучения, - говорит Питер Бикель, статистик Калифорнийского университета в Беркли, - "Он также используется в ситуациях, когда p-значения и другие методы статистического вывода сложно правильно применитьитать, в частсности в медицине".