西南财经大学林华珍教授、广州大学李元教授、中国科技大学吴耀华教授来我校讲学
发布时间: 2017-12-11 浏览次数: 130

 124日上午,应统计科学与大数据研究院邀请,西南财经大学林华珍教授、广州大学李元教授、中国科技大学吴耀华教授来我校讲学。本次报告在竞慧东楼302报告厅举行,理学院研究生和部分教师参加并聆听了报告。报告会由理学院书记苍玉权教授主持,他代表我校统计学科团队热烈欢迎三位教授莅临指导。

李元教授的报告从单指标ARCH-M模型开始,介绍了这样模型下参数估计的困难和问题,提出了修正的Profile似然估计法进行参数和非参数估计,并且证明所得估计量的渐近正态性。最后利用广义似然比检验统计量检验ARCH效应及拟合度。仿真结果也表明参数估计的有效性。

吴耀华教授的报告从方差分析模型的起源开始,介绍了方差分析问题的发展过程以及存在的问题。详细介绍了one-way方差分析函数型模型,结合稳健的t-process,通过带惩罚的对数似然函数,构建了一个稳健的估计方法,并证明了估计的统计性质,最后吴教授介绍了该方法在加拿大气象数据中的应用。吴教授的由浅入深、将统计方法与具体的实际问题相结合,给听众作了一堂内容丰富的讲座。

西南财经大学统计研究中心主任、长江学者、国家杰青林华珍教授做了题为“纵向稀疏函数型数据的非参数均值方差函数的有效估计”的报告。报告围绕国际前沿问题,展开论述。以往的非参数估计研究中,主要有两类常用方法:样条方法和核方法。其中样条方法为了避免维数灾难,一般要通过边际拟似然方法,导致忽略数据的相关性,且样条方法渐近分布不清楚,无法做统计推断。而高维非参方法例如kernel方法,可以给出渐近分布,便于做统计推断,但是kernel方法用于高维数据常常只能用到局部数据,损失的信息更大。随后林教授给出了使用完全的似然函数,而非边际似然函数,能够利用到所有可能的信息的一种有效估计方法,并理论上证明这种方法的有效型。最后将此方法应用到空气污染数据的实际问题分析中,得到了一些有意义的结论。

通过聆听三位教授的讲座,拓宽了知识面,开拓了视野,学生兴趣较高,青年教师获益颇多,取得了良好的效果。

报告结束后,林华珍教授还以医保数据分析为例与我校青年教师进行了热烈交流和深入探讨。本次讲座不仅为我校统计学术交流提供了机遇和平台,更有利于促进统计专业师生开阔视野、转变观念、提升内涵。

最新留言