5月13日下午1：30，我院数据科学系郝美玲副教授邀请南开大学统计与数据科学学院韩东啸讲师、首都师范大学数学科学学院周洁副教授、华中师范大学曲连强讲师与加拿大滑铁卢大学统计及精算系桑培俊助理教授到校分享研究成果。学院师生十余人参与了研讨会。

南开大学统计与数据科学学院韩东啸，作题为“Robust post-selection inference of high dimensional mean regression in the absence of symmetry and light tail assumptions”的报告，提出了一种基于Huber损失的稳健的后选择推理方法。他指出，重尾和不对称，在各个科学领域很常见。所得估计的渐近性质是在温和的条件下建立的。在适当的条件下，这个方法可以扩展到适应异方差的情况。

桑培俊作题为“Two-sample test and support recovery for neuroimaging data”的报告。他指出，函数数据固有的无限维特性，造成了传统分类器应用于函数设置的瓶颈。这些分类器通常要么无法推广到无限维，要么由于维数灾难而性能较差。为了解决这个问题，他建议建立一个通过将数据投射到一个特定方向而获得的分数的距离加权判别（DWD）分类器。这种分类器避免了过度拟合的问题，并享有DWD分类器的吸引力。

曲连强作题为“Two-sample test and support recovery for neuroimaging data”的报告，提出了一个多尺度自适应测试来检测两个神经影像数据样本之间的差异，这个测试通过聚集附近像素的数据显著提高了统计能力；并将该方法推广到多样本方差分析，模拟结果表明，所提出的测试方法优于未考虑成像数据空间特征的初等方法，并在阿尔茨海默症神经成像倡议研究的真实数据集上进行了说明。

周洁作主题为“Comparison of Two Frameworks for Analyzing Longitudinal Data”的报告。他从数据结构、模型假设和估计过程等方面，对集群数据与计数过程两种框架进行了比较；并发现，当观测时间与给定协变量的纵向响应无关时，在计数过程框架中对观测时间进行建模将不会获得任何效率。（通讯员 胡灏楠 姜之昊）