新葡京娱乐城门户网站

议程：5月28日，14：30—17：00，王兆军教授、石磊教授、林华珍教授报告及前沿问题研讨

地点：立德楼603

线上：腾讯会议：725-163-814

 报告一：

题目：我国统计学科及某些研究方向简介

主讲专家：王兆军，教授，南开大学统计与数据科学学院

摘要：介绍涉及统计的历年重点学科以及学科评估情况，涉及统计的几个组织及杂志，我国统计的基本规模，以及简单介绍几个研究方向。

报告人简介：王兆军，南开大学统计与数据科学学院执行院长/教授，教育部长江学者特聘教授，国务院学位委员会统计学科评议组成员，全国统计教材编审委员会委员; 中国工业与应用数学学会副理事长， 中国统计教育学会副会长，中国工业统计教学研究会副会长，中国概率统计学会副理事长。曾任国家统计专家咨询委员会委员、中国现场统计研究会副理事长、天津市现场统计研究会理事长，天津工业与应用数学学会理事长，曾获国务院政府特贴、全国百篇优博指导教师、教育部自然科学二等奖及天津市自然科学一等奖。

 报告二：

题目：Sparse local influence analysis

主讲专家：石磊，教授，云南财经大学统计与新葡京娱乐城门户网站

摘要: Cook's (1986) local influence method is useful for identifying influential observations in statistical diagnostics and sensitivity analysis. However, it is often criticized for lack of a rigorous criterion to judge the influence magnitude from the elements of the main diagnostic. In this paper, we propose a new method, namely sparse local influence analysis, to detect the influential observations. We use the connection of local influence analysis with sparse principal component analysis and produce the modified local diagnostic with sparse elements, i.e. diagnostic with very few nonzero elements. With this method, influential observations can be efficiently detected by the remaining nonzero elements of the modified diagnostic. Two real data sets are used for illustration and a simulation example is conducted to confirm the efficiency of the proposed methodology.

Keywords： Local influence analysis, Influential observations, Sparseness

报告人简介：石磊教授，博士生导师；教育部长江学者特聘教授，国家百千万人才工程人选，国务院特殊津贴获得者，国家有突出贡献中青年专家，云南省云岭学者。现任云南财经大学教授委员会主任、统计与新葡京娱乐城门户网站 院长。教育部统计学教学指导委员会委员，全国应用统计专业学位研究生教育指导委员会委员，国家社会科学基金学科规划评审组专家。中国数量经济学会副会长，中国统计学会、中国统计教育学会、中国工业与应用数学学会、中国现场统计研究会常务理事。在国内外学术期刊PNAS（美国科学院院刊），Nature Communication，Science Advances, Biometrika, IEEE系列期刊,《中国科学》等杂志发表论文100余篇；曾获第七届霍英东高校优秀青年教师一等奖，云南省自然科学一、二等奖，云南省科技进步一等奖，云南省教育功勋奖，中国数量经济学杰出学者奖等30余项奖励。

 报告三：

题目：空间-因子引导的函数型数据主成分分析---研究脑萎缩与认知功能之间的关系

主讲专家：林华珍， 教授，西南财经大学新基石实验室、统计研究中心、统计学院，

摘要：阿尔兹海默症（AD）是一种常见且不可逆转的脑部疾病。基于磁共振成像（MRI）技术得到的上百个感兴趣区域（ROI）的3D形状可以预测认知功能，用于早期发现和干预AD。 通过合适转化，我们将这些形状被表达为上百个曲线数据。分析该数据面临两个挑战。第一，大脑中ROI数量较多，不同ROI上的观测曲线往往具有相关性。如何提取有复杂内在及空间相关的函数型数据的特征目前还没有成熟的方案；第二，不同ROI分布在大脑的不同位置，相邻的ROI往往更相似，它们组成大脑的块。尽管同一块内的ROI较为相似，但是不同块间差别较大。如何识别针对认知功能的脑块结构？为了解决这些挑战，我们提出Space-Factor-Guided Functional Principal Component Analysis （SF-FPCA）方法来有效地捕捉具有空间相关的高维函数数据的内在和空间关系，并通过进一步识别空间上的块结构，提取低维特征。比较分析表明，与其他方法相比，SF-FPCA对ROI体积测量曲线的拟合精度最高。基于所提取特征建立的回归模型，我们确定了57个对AD影响重要的ROI，其中11个目前文献还没有关注到。我们还发现左右脑对AD的影响并不对称，小脑小叶的不同部位的萎缩对AD的影响差别很大。

报告人简介：西南财经大学首席教授，统计研究中心主任，首届新基石研究员，国际数理统计学会IMS-Fellow，国家杰出青年科学基金获得者，入选国家级重要人才计划，享受“国务院政府特殊津贴”专家，教育部“新世纪优秀人才支持计划”，首批四川省教书育人名师等。主要研究方向为深度学习理论、非参数方法、生存数据分析、函数型数据分析、因子模型、转换模型等。研究成果发表在包括国际统计学四大顶级期刊JASA、AoS、JRSSB及Biometrika上。目前是国际统计学顶刊JASA的Associate Editor，还先后担任生物统计顶刊《Biometrics》、计量经济顶刊《Journal of Business & Economic Statistics》、及国际统计重要综合类期刊《Scandinavian Journal of Statistics》、《Canadian Journal of Statistics》、《Statistics and Its Interface》、《Statistical Theory and Related Fields》的Associate Editor，国内权威或核心学术期刊《数学学报》（英文）、《应用概率统计》、《系统科学与数学》、《数理统计与管理》编委会编委。林华珍教授现任国际泛华统计学会ICSA董事会成员，国际数理统计学会 IMS FELLOW COMMITTEE ，中国现场统计研究会副理事长，中国现场统计研究会数据科学与人工智能分会理事长，全国工业统计学教学研究会副会长等。