【5月10日】统计学学术讲座（共2场）
报告题目一： 基于混合正态分布的一种新的多元拉普拉斯分布
主讲人：田国梁教授（南方科技大学）
时间：2019年5月10日（周五）15:00 p.m.
地点：北院卓远楼305
主办单位：统计与数学学院
摘要：本次报告的文章中，我们从正态方差混合模型中提出一种新的多元拉普拉斯分布，也称为II型多元拉普拉斯分布。与2006年Eltoft提出的多元拉普拉斯分布不同（所有混合变量的取值必须相同），我们新分布中的混合变量的随机成分取值可以不同，并且通过正态随机向量的结构彼此相关。因此，当正态协方差阵是对角阵时，一元拉普拉斯分布成为了它的一个特例。一个容易处理的随机代表被用来推导概率密度函数和其他统计性质，同时推导的还有通过ECM算法和贝叶斯方法得到的最大似然估计。我们做了一些模拟研究来评估上述方法的性能。两个实际数据分析结果指出：与之前的方法相比，我们的II型多元拉普拉斯分布的性质更好。
主讲人简介：
田国梁，现任南方科技大学数学系统计学正教授、博士生导师。田教授于1988年获得武汉大学统计学硕士学位、于1998年获得中国科学院应用数学研究所的统计学博士学位。从1998至2002年, 他分别在北京大学概率统计系和美国田纳西州孟斐斯市的 St. Jude 儿童研究医院生物统计系从事博士后研究, 2002年至2008年他在美国马里兰大学Greenbaum 癌症中心任 Senior Bio-statistician。2008年至2016年他在香港大学统计及精算学系任副教授、博士生导师。田教授是国际统计学会 (ISI) 当选会员, 他担任 Computational Statistics & Data Analysis, Statistics and Its Interface 等四个国际统计学杂志的副主编。他主要的研究领域是生物统计, 计算统计和社会统计。目前的研究方向包括多元零膨胀计数数据分析、(0, 1) 区间上连续数据(以及其推广, 即成份数据)的统计分析, 不完全分类数据分析, 和大维随机矩阵的理论方法及应用。他首次提出的分组Dirichlet分布、套Dirichlet分布和G分布在统计分布领域属于创造性的工作, 在生物统计中具有广泛而重要的应用; 他将非随机化的概念引入到敏感性问题的随机化应答技术中, 发展了一个称之为非随机化应答技术的新研究方向。他首次提出了一个新的组装分解(assembly-decomposition)方法用以构造MM算法中的替代函数, 为MM算法在统计学中的广泛应用开辟了通道。到目前为止，他在国际顶尖生物统计学期刊 Statistical Methods in Medical Research, Statistics in Medicine, Biometrics 发表论文14篇, 在其他统计学期刊发表论文90余篇, 且在美国著名出版社 John Wiley & Sons 和 Chapman & Hall/CRC 出版英文专著3部, 且在科学出版社出版英文教科书1本。2017年他的研究课题<<MM算法中的几类问题之研究及其应用>>获得国家自然科学基金面上项目的资助。2018年他(排名第二)与南方科技大学环境科学与工程学院郑焰教授的联合研究课题<<中国北方地下水砷不同尺度空间非均质性驱动机制>> 获得国家自然科学基金重点项目的资助。
报告题目二： 变系数部分非线性模型的稳健估计
主讲人：姜云卢博士（暨南大学）
时间：2019年5月10日（周五）16:20 p.m.
地点：北院卓远楼305
主办单位：统计与数学学院
摘要：本次报告中，针对变系数部分非线性模型，我们提出一种基于指数平方损失函数的稳健估计。某些条件下，该估计的渐进性质得到建立。而且，我们发展了一种新的最小-最大（MM）算法来计算非参数和参数部分的估计，并引入了一种数据驱动的程序来选择正则化参数。模拟结果表明：当数据有异常值时，我们的方法比传统的最小平方技术更稳健和有效。最后，我们用上述方法分析一个实际数据，结果表明该方法的预测效果更好。
主讲人简介：
姜云卢，暨南大学经济学院统计学系副教授、博士生导师。博士毕业于中山大学数学学院。目前的主要研究包括：稳健统计、高维数据分析、变量选择、深度函数和混合模型。在JASA、Technometrics等国际顶级学术期刊上发表SCI论文10余篇；先后访问了昆士兰大学、香港大学、澳门大学和南方科技大学等多所知名高校；2016年入选暨南双百英才计划第二层次；2014年入选广东省高等学校“千百十工程”第八批校级培养对象；2010年获第八次广东省统计科研优秀成果奖一等奖（排第三）；并担任SII、CSDA、JNS、JAS等国际权威统计期刊的审稿人；主持和参与十多项国家级和省部级等科研项目。
主讲人：田国梁教授（南方科技大学）
时间：2019年5月10日（周五）15:00 p.m.
地点：北院卓远楼305
主办单位：统计与数学学院
摘要：本次报告的文章中，我们从正态方差混合模型中提出一种新的多元拉普拉斯分布，也称为II型多元拉普拉斯分布。与2006年Eltoft提出的多元拉普拉斯分布不同（所有混合变量的取值必须相同），我们新分布中的混合变量的随机成分取值可以不同，并且通过正态随机向量的结构彼此相关。因此，当正态协方差阵是对角阵时，一元拉普拉斯分布成为了它的一个特例。一个容易处理的随机代表被用来推导概率密度函数和其他统计性质，同时推导的还有通过ECM算法和贝叶斯方法得到的最大似然估计。我们做了一些模拟研究来评估上述方法的性能。两个实际数据分析结果指出：与之前的方法相比，我们的II型多元拉普拉斯分布的性质更好。
主讲人简介：
田国梁，现任南方科技大学数学系统计学正教授、博士生导师。田教授于1988年获得武汉大学统计学硕士学位、于1998年获得中国科学院应用数学研究所的统计学博士学位。从1998至2002年, 他分别在北京大学概率统计系和美国田纳西州孟斐斯市的 St. Jude 儿童研究医院生物统计系从事博士后研究, 2002年至2008年他在美国马里兰大学Greenbaum 癌症中心任 Senior Bio-statistician。2008年至2016年他在香港大学统计及精算学系任副教授、博士生导师。田教授是国际统计学会 (ISI) 当选会员, 他担任 Computational Statistics & Data Analysis, Statistics and Its Interface 等四个国际统计学杂志的副主编。他主要的研究领域是生物统计, 计算统计和社会统计。目前的研究方向包括多元零膨胀计数数据分析、(0, 1) 区间上连续数据(以及其推广, 即成份数据)的统计分析, 不完全分类数据分析, 和大维随机矩阵的理论方法及应用。他首次提出的分组Dirichlet分布、套Dirichlet分布和G分布在统计分布领域属于创造性的工作, 在生物统计中具有广泛而重要的应用; 他将非随机化的概念引入到敏感性问题的随机化应答技术中, 发展了一个称之为非随机化应答技术的新研究方向。他首次提出了一个新的组装分解(assembly-decomposition)方法用以构造MM算法中的替代函数, 为MM算法在统计学中的广泛应用开辟了通道。到目前为止，他在国际顶尖生物统计学期刊 Statistical Methods in Medical Research, Statistics in Medicine, Biometrics 发表论文14篇, 在其他统计学期刊发表论文90余篇, 且在美国著名出版社 John Wiley & Sons 和 Chapman & Hall/CRC 出版英文专著3部, 且在科学出版社出版英文教科书1本。2017年他的研究课题<<MM算法中的几类问题之研究及其应用>>获得国家自然科学基金面上项目的资助。2018年他(排名第二)与南方科技大学环境科学与工程学院郑焰教授的联合研究课题<<中国北方地下水砷不同尺度空间非均质性驱动机制>> 获得国家自然科学基金重点项目的资助。
报告题目二： 变系数部分非线性模型的稳健估计
主讲人：姜云卢博士（暨南大学）
时间：2019年5月10日（周五）16:20 p.m.
地点：北院卓远楼305
主办单位：统计与数学学院
摘要：本次报告中，针对变系数部分非线性模型，我们提出一种基于指数平方损失函数的稳健估计。某些条件下，该估计的渐进性质得到建立。而且，我们发展了一种新的最小-最大（MM）算法来计算非参数和参数部分的估计，并引入了一种数据驱动的程序来选择正则化参数。模拟结果表明：当数据有异常值时，我们的方法比传统的最小平方技术更稳健和有效。最后，我们用上述方法分析一个实际数据，结果表明该方法的预测效果更好。
主讲人简介：
姜云卢，暨南大学经济学院统计学系副教授、博士生导师。博士毕业于中山大学数学学院。目前的主要研究包括：稳健统计、高维数据分析、变量选择、深度函数和混合模型。在JASA、Technometrics等国际顶级学术期刊上发表SCI论文10余篇；先后访问了昆士兰大学、香港大学、澳门大学和南方科技大学等多所知名高校；2016年入选暨南双百英才计划第二层次；2014年入选广东省高等学校“千百十工程”第八批校级培养对象；2010年获第八次广东省统计科研优秀成果奖一等奖（排第三）；并担任SII、CSDA、JNS、JAS等国际权威统计期刊的审稿人；主持和参与十多项国家级和省部级等科研项目。
