報(bào)告題目1： 一種基于樣條的半?yún)⒎椒ǖ姆菂?shù)測量誤差模型
主講人：馬彥源教授（賓夕法尼亞州立大學(xué)）
時(shí)間：2019年1月9日（周三）9:30 a.m.
地點(diǎn)：北院卓遠(yuǎn)樓305
主辦單位：統(tǒng)計(jì)與數(shù)學(xué)學(xué)院
摘要：帶有測量誤差的隨機(jī)變量的概率密度函數(shù)的半?yún)⒐烙?jì)被認(rèn)為是極其困難的，原因在于估計(jì)的收斂速率嚴(yán)重依賴于測量誤差的特性，可能慢到僅僅是樣本量的對數(shù)。基于相同的原因，帶有測量誤差的回歸方程的估計(jì)也可能只有相同的緩慢的收斂速率。傳統(tǒng)的基于卷積的方法的收斂速率緩慢，原因在于測量誤差密度函數(shù)的傅立葉變換會以非常快的速率收斂到零，而該項(xiàng)非常不走運(yùn)地出現(xiàn)在傳統(tǒng)方法表達(dá)式的分母上。依托一種完全不同的基于樣條的半?yún)⒎椒ǎ覀儤?gòu)造了一類同時(shí)估計(jì)密度函數(shù)和回歸方程均值的非參方法，可以達(dá)到與沒有測量誤差之場合相同的半?yún)⑹諗克俾省?br />
主講人簡介：
馬彥源，麻省理工博士，賓夕法尼亞州立大學(xué)統(tǒng)計(jì)系教授，主要研究方向是半?yún)?shù)方法，測量誤差模型，已經(jīng)在Journal of the Royal Statistical Society, Series B, Annals of Statistics, Journal of the American Statistical Association, Biometrika, Journal of Econometrics 等國際統(tǒng)計(jì)學(xué)、計(jì)量經(jīng)濟(jì)學(xué)頂級期刊發(fā)表論文四十余篇。是國際頂級統(tǒng)計(jì)系期刊Journal of the American Statistical Association和Biometrics的副主編。
報(bào)告題目2： 高維相關(guān)矩陣的檢驗(yàn)
主講人：鄭術(shù)蓉教授（東北師范大學(xué)）
時(shí)間：2019年1月9日（周三）10:10 a.m.
地點(diǎn)：北院卓遠(yuǎn)樓305
主辦單位：統(tǒng)計(jì)與數(shù)學(xué)學(xué)院
摘要：相關(guān)結(jié)構(gòu)的假設(shè)檢驗(yàn)由于其非常重要的實(shí)際用途和一系列理論挑戰(zhàn)吸引了非常多的研究的注意。本文聚焦于推導(dǎo)一類適用于高維場合下檢驗(yàn)單一樣本，兩樣本，多樣本相關(guān)結(jié)構(gòu)的一般框架。該框架適用于樣本量和變量維數(shù)同時(shí)趨于無窮的場合。我們的檢驗(yàn)統(tǒng)計(jì)量適用于備擇假設(shè)稠密和稀疏場合。我們系統(tǒng)性地考察了統(tǒng)計(jì)量在原假設(shè)下的漸近分布、功效函數(shù)和無偏性。經(jīng)歷了非常困難的理論推導(dǎo)，我們解決了非獨(dú)立場合下樣本相關(guān)矩陣的理論性質(zhì)等問題。模擬研究和實(shí)際數(shù)據(jù)分析表明我們的方法是非常有效的。
主講人簡介：
鄭術(shù)蓉，東北師范大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院教授，博導(dǎo)，主要從事高維數(shù)據(jù)分析、大維隨機(jī)矩陣、不對稱系數(shù)的研究。曾完成國家自然科學(xué)基金面上項(xiàng)目、青年項(xiàng)目各1項(xiàng)，現(xiàn)正主持國家自然科學(xué)基金優(yōu)秀青年基金1項(xiàng)。在Journal of the American Statistical Association、Annals of Statistics、Biometrika、Bioinformatics等頂級統(tǒng)計(jì)學(xué)期刊上發(fā)表論文數(shù)十篇。出版圖書章節(jié)兩章。在高等教育出版社以及Cambridge University Press合作出版中、英文著作各一部。博士論文《線性不等式約束下的EM算法》曾分別獲得“2006年吉林省優(yōu)秀博士論文”和“2006年全國優(yōu)秀博士論文提名”。
報(bào)告題目3： 帶有零膨脹結(jié)構(gòu)的非負(fù)值多重樣本的半?yún)⑼茢?/b>
主講人：王淳林教授（廈門大學(xué)）
時(shí)間：2019年1月9日（周三）10:50 a.m.
地點(diǎn)：北院卓遠(yuǎn)樓305
主辦單位：統(tǒng)計(jì)與數(shù)學(xué)學(xué)院
摘要：在非負(fù)多重樣本數(shù)據(jù)中，常常出現(xiàn)高比例的零觀測值的情況，而這種情況是非標(biāo)準(zhǔn)的。我們聚焦于針對這類數(shù)據(jù)結(jié)構(gòu)的非常重要且基礎(chǔ)性的統(tǒng)計(jì)推斷問題。本工作的一個(gè)獨(dú)特特點(diǎn)是目標(biāo)總體是由一個(gè)退化到零點(diǎn)的分布和一個(gè)有偏的取正值的成分的混合構(gòu)成。我們提出了針對這類多重樣本的半?yún)?shù)密度比例模型。在半?yún)?shù)框架下，我們可以在不設(shè)定潛在分布的情況下探查所有樣本中的信息。本報(bào)告的第一部分是檢驗(yàn)多重樣本的異質(zhì)性，提出了一種基于經(jīng)驗(yàn)似然比的異質(zhì)性檢驗(yàn)，并證明了該檢驗(yàn)統(tǒng)計(jì)量在原假設(shè)下依分布收斂到chi^2-分布。我們還提出了一種非參數(shù)bootstrap過程。該過程在原假設(shè)和備擇假設(shè)下的相合性也被建立起來。本報(bào)告的第二部分考察了對于這類多重分布的均值的推斷問題，我們建立了經(jīng)驗(yàn)似然比統(tǒng)計(jì)量。該統(tǒng)計(jì)量在一般的原假設(shè)下具有chi^2-型極限分布。上述結(jié)構(gòu)構(gòu)造了一種新的檢驗(yàn)，并且向下蘊(yùn)含均值的等價(jià)性檢驗(yàn)。最后將報(bào)告模擬研究和實(shí)際數(shù)據(jù)分析的一些結(jié)果。
主講人簡介：
王淳林，加拿大滑鐵盧大學(xué)統(tǒng)計(jì)學(xué)博士（2017），自2017年8月起任廈門大學(xué)經(jīng)濟(jì)學(xué)院統(tǒng)計(jì)系與王亞南經(jīng)濟(jì)研究院助理教授。他的主要研究方向包括經(jīng)驗(yàn)似然，bootstrap方法，帶約束的統(tǒng)計(jì)推斷，半?yún)?shù)與非參數(shù)統(tǒng)計(jì)推斷等。近年來研究成果發(fā)表于Computational Statistics and Data Analysis，Journal of Multivariate Analysis等統(tǒng)計(jì)學(xué)期刊。
報(bào)告題目4： 帶有零膨脹結(jié)構(gòu)的非負(fù)值多重樣本的半?yún)⑼茢?br />
主講人：蔣學(xué)軍博士（南方科技大學(xué)）
時(shí)間：2019年1月9日（周三）15:00 p.m.
地點(diǎn)：北院卓遠(yuǎn)樓305
主辦單位：統(tǒng)計(jì)與數(shù)學(xué)學(xué)院
摘要：在此項(xiàng)研究中，我們在非線性回歸模型中提出了一個(gè)異方差非參數(shù)檢驗(yàn)，該檢驗(yàn)基于樣本中數(shù)據(jù)點(diǎn)之間的成對距離。該檢驗(yàn)的檢驗(yàn)統(tǒng)計(jì)量為一個(gè)U統(tǒng)計(jì)量， 從而使得U統(tǒng)計(jì)量的相關(guān)理論可以適用于本問題。 檢驗(yàn)統(tǒng)計(jì)量的漸近零分布較為復(fù)雜， 但我們可以導(dǎo)出其計(jì)算上可行的bootstrap近似，并證明該bootstrap算法的正確性。該檢驗(yàn)方法可以幾乎最優(yōu)速率探測到任何異于原假設(shè)的局部備擇假設(shè)。檢驗(yàn)統(tǒng)計(jì)量得收斂速率不依賴于協(xié)變量的維數(shù)，這將大大削弱維數(shù)詛咒帶來的影響。我們提供三個(gè)模擬分析和一個(gè)真實(shí)數(shù)據(jù)示例，用于評估所提檢驗(yàn)方法的表現(xiàn)并驗(yàn)證其應(yīng)用價(jià)值。
主講人簡介：
蔣學(xué)軍博士，南方科技大學(xué)數(shù)學(xué)系助理教授，博士生導(dǎo)師，支部書記。2009年博士畢業(yè)于香港中文大學(xué)，10-13年任職中南財(cái)經(jīng)政法大學(xué)副教授，13年07月加入南方科技大學(xué)，入選深圳市海外高層次人才孔雀計(jì)劃，深圳市優(yōu)秀教師，南方科技大學(xué)杰出教學(xué)獎(jiǎng)（2018），主持有國家自然科學(xué)基金（青年，面上）、廣東省自然科學(xué)基金(2項(xiàng))、深圳市科創(chuàng)委項(xiàng)目、深圳市技術(shù)委托開發(fā)項(xiàng)目、廣東省教學(xué)改革項(xiàng)目等。蔣博士主要從事金融統(tǒng)計(jì)與計(jì)量、分位數(shù)回歸、變量選擇、高維數(shù)據(jù)降維，生存分析及貝葉斯應(yīng)用等研究工作。已在統(tǒng)計(jì)學(xué)主流期刊和相關(guān)金融、經(jīng)濟(jì)等交叉學(xué)科期刊上發(fā)表SCI&SSCI論文40余篇。
報(bào)告題目5： 帶有零膨脹結(jié)構(gòu)的非負(fù)值多重樣本的半?yún)⑼茢?br />
主講人：蔣建成教授（北卡羅萊納大學(xué)夏洛蒂分校）
時(shí)間：2019年1月9日（周三）16:00 p.m.
地點(diǎn)：北院卓遠(yuǎn)樓305
主辦單位：統(tǒng)計(jì)與數(shù)學(xué)學(xué)院
摘要：本文基于有限內(nèi)存約束下的懲罰似然方法，研究海量數(shù)據(jù)背景下高維回歸中的變量選擇問題，其中，有限內(nèi)存約束是指內(nèi)存僅能存儲數(shù)據(jù)的一個(gè)小規(guī)模子集。一個(gè)自然的策略是將數(shù)據(jù)分解為一組子集并分別以不同的機(jī)器（模型）加以擬合，然后將各個(gè)數(shù)據(jù)子集下所得估計(jì)量加以整合，得到選模型。然而，這個(gè)方法無法控制偽發(fā)現(xiàn)率。本文中，我們提出了一個(gè)計(jì)算上有效的方法來提純結(jié)果，該方法基于帶折疊凹懲罰函數(shù)的一般似然函數(shù)。在參數(shù)個(gè)數(shù)隨著樣本量增大的情景下，我們?yōu)樗玫降墓烙?jì)建立了一些漸近性質(zhì)。在一些正則條件下，我們獲得了神諭性質(zhì)和估計(jì)的漸近分布。我們通過模擬分析評估了所提出的方法。
主講人簡介：
蔣建成教授，北卡羅萊納大學(xué)夏洛蒂分校教授，統(tǒng)計(jì)學(xué)研究生事務(wù)處主任，南開大學(xué)講座教授，《Statistica Sinica》《Artificial intelligence-AI in finance》等期刊副主編。
滇公網(wǎng)安備53010202000350號滇ICP備17008047號 Copyright ? 2013 Yunnan University of Finance and Economics All Rights Reserved
