Art Owen est né à Montréal en 1958.  Quelques mois plus tard, sa famille a déménagé dans la région d'Ottawa où il a grandi.  C'est tout naturellement qu'il a passé beaucoup de temps à faire du ski et du canoë.  La sensibilisation des élèves des écoles secondaires canadiennes par la University of Waterloo est probablement ce qui a fait basculer ses intérêts de la biologie ou de la foresterie vers les mathématiques, qui sont en grande partie pratiquées en intérieur.
Le dévouement de ses professeurs de statistique, de mathématiques et d'informatique à Waterloo lui a donné un avantage à vie injuste en tant que chercheur en statistique, avantage qui perdure des décennies plus tard. 

Art a obtenu un baccalauréat de mathématiques à la University of Waterloo en 1981, et un doctorat en statistique à Stanford en 1985. Il a été engagé l'année suivante comme professeur adjoint à Stanford.  C'était la preuve de son grand potentiel, car ce département n'engage généralement pas ses propres diplômés, attendant généralement 5 à 10 ans avant de les considérer.

Pendant ses études de doctorat, Art a développé un intérêt pour la non-paramétrie, et peu après (1988) a inventé le domaine de la vraisemblance empirique. Dans sa lettre de nomination, Christian Robert a écrit que « Cette notion a ouvert un nouveau domaine d'estimateurs non paramétriques, tout à fait distincts des méthodes à noyau telles celles de Parzen et Rosenblatt, avec un degré de robustesse beaucoup plus élevé et donc une applicabilité plus large aux modèles mal ou partiellement spécifiés. » Ce domaine s'est épanoui depuis lors, le point culminant en étant sa monographie de 2002 sur le sujet.

L'autre grand domaine d'intérêt d'Art est celui des méthodes Monte Carlo et Quasi-Monte Carlo. Comme pour toutes ses recherches, ses travaux dans ce domaine sont fondés sur les mathématiques, mais mettent l'accent sur les applications. Dans sa lettre, Alexander Keller parle des travaux précurseurs d'Art Owen sur le Quasi-Monte Carlo en utilisant des réseaux et des séquences brouillés de manière aléatoire, et affirme que « des évolutions des travaux d'Art Owen sont au cœur de nombreux algorithmes graphiques qui simulent le transport de la lumière ». 

Dans sa lettre, Jeff Rosenthal s'est extasié sur les contributions d'Art aux MC et QMC, en déclarant : « Il est juste de dire que le travail d'Art sur le quasi-Monte Carlo a fondamentalement changé la façon dont ces algorithmes sont perçus, compris et utilisés par les principaux chercheurs Monte Carlo partout dans le monde ».

Ian Sloan, de l'Université de South Wales en Australie, ne se décrit pas comme un statisticien mais comme « un mathématicien qui s'intéresse aux mathématiques computationnelles, à l'approximation constructive et à la physique ». Dans sa lettre, il a parlé de l'invention par Art de ce qu'on appelle aujourd'hui le « brouillage d'Owen » pour le QMC, comme d'une « contribution majeure au domaine, d'une importance permanente ». Il est donc clair que Art a eu un impact bien au-delà de la statistique, en mathématiques appliquées et au-delà.

À Stanford, Art a diplômé 23 étudiants en doctorat, dont beaucoup ont poursuivi des carrières importantes dans le monde universitaire et l'industrie.
On peut citer Ya Xu (2010), qui supervise un groupe florissant de 250 scientifiques spécialisés dans les données chez LinkedIn. Il a également travaillé sans relâche pour le Département de statistique, dont il est actuellement le président. Sur le plan professionnel, il a apporté de nombreuses contributions à la communauté Monte Carlo, notamment en organisant des conférences et des symposiums.

Les travaux d'Art ont déjà été récompensés par la First David Sprott Distinguished Lecture (2014) et le Gottfried Noether Senior Scholar Award (2020) de l'ASA. Il est membre de l'ASA et de l'IMS.

Il a une profonde gratitude pour le soutien de sa femme, Patrizia, et de ses fils Greg et Elliot.