Вероника Рочкова (родилась в 1985 году) — байесовский статистик . Родилась в Чехословакии , получила образование в Чешской Республике, Бельгии и Нидерландах. Работает в США профессором эконометрики и статистики, а также стипендиатом факультета Джеймса С. Кемпера в Чикагском университете . [1] Ее исследования включают в себя выбор переменных , многомерный вывод , невыпуклую оптимизацию , вывод без правдоподобия и метод LASSO с пиками и плитами, а также приложения в биомедицинской статистике. [2] [1]
Рочкова родилась в 1985 году в Пардубице , Чехословакия, ныне в Чешской Республике. [3] Она изучала математику и статистику в Карловом университете в Праге, Университете Хасселта в Бельгии и Университете Эразма Роттердамского в Нидерландах. Она получила степень бакалавра по математике в Карловом университете в 2007 году, степень магистра по биостатистике в Университете Хасселта в 2009 году, вторую степень магистра по математической статистике в Карловом университете в 2010 году и степень доктора философии в Университете Эразма в 2013 году. [2] Ее докторская диссертация «Байесовский выбор переменных в многомерных приложениях » была написана под руководством Эммануэля Лесаффра. [3] [4]
После постдокторских исследований в Школе бизнеса Уортона Пенсильванского университета с 2013 по 2016 год она стала доцентом кафедры эконометрики и статистики, а также стипендиатом Фонда Джеймса С. Кемпера в Чикагском университете в 2016 году. В 2020 году она получила звание доцента, а в 2022 году — звание полного профессора. [2]
Рочкова была лектором имени Сьюзи Байарри в Международном обществе байесовского анализа в 2018 году . [5] В 2020 году она была награждена премией Национального научного фонда CAREER Award . [6] Она была удостоена премии Emerging Leader Award 2023 года [7] и премии COPSS Presidents Award 2024 года Комитета президентов статистических обществ , присуждаемой «за новаторский вклад в теорию и методологию на стыке байесовской и частотной статистики в областях выбора переменных, факторных моделей, непараметрического Байеса, методов на основе деревьев и глубокого обучения, многомерного вывода, генеративных методов для байесовских вычислений; за образцовое служение статистике и за щедрое наставничество студентов и исследователей, получивших докторскую степень». [8]