党群建设

学术实战

您当前的位置: 党群建设 >学术实战
“统计大讲堂”系列讲座第三十九讲
时间:2018-04-14

2018410日,我院举办的“统计大讲堂”系列学术报告会第三十九讲在明德主楼1016举行。本次报告邀请德克萨斯A&M大学公共卫生学院流行病学和生物统计学系生物统计学副教授韩刚向我院师生分享他的最新研究。我院许王莉教授主持了本次学术报告会,李扬副教授以及硕、博学生参加了本次学术报告会。

许王莉教授首先对报告人进行了介绍。韩刚博士是德克萨斯AM大学公共卫生学院流行病学和生物统计学系生物统计学副教授,毕业于俄亥俄州立大学获统计学博士学位与硕士学位,是美国统计协会、美国公共卫生协会和运筹学与管理科学研究所的成员。韩刚博士的研究领域主要涉及生物医学研究和生物信息学的统计理论与应用,包括临床试验、流行病学、生物标志物鉴定、疗效比较研究、有关新一代基因测序和SNP分析的基因组研究以及基于美国国家注册数据的统计推断,具体研究内容包括利用时间-事件数据建模研究针个性化癌症治疗问题、利用频率学派与贝叶斯学派相结合的贝叶斯混杂估计方法对艾滋病病毒量建模以及计算机实验的设计和分析等。韩刚博士曾就职于Moffitt癌症中心(2008-2012)和耶鲁大学医学肿瘤学系、生物统计学系和病理学系(2012-2015),从事过多个资助项目,目前正在参与耶鲁癌症中心、耶鲁医学院和Moffitt癌症中心的外部合作,以及与德克萨斯A&M大学多个部门的内部合作。


本次报告的题目是:Bayesian Hybrid Inference and Its Application in HIV Viral Load Modeling and Computer Experiments。报告人首先介绍了经典统计推断中常使用的频率学方法和贝叶斯方法。随后指出当参数数量非常多且数据量有限时,单纯使用这两种方法都具有局限性,比如频率学方法没有考虑到参数的先验信息,而当某些参数无法提供先验信息时,仅使用贝叶斯方法可能会产生估计偏差。于是,为了解决这一问题,报告人提出了一种贝叶斯混杂估计方法,认为具有先验信息和实际意义的参数可视为Bayesian,不具有先验信息的其他参数可视为Frequentist,再将两种参数合并到一个统计模型中,同时对所有参数进行推断。

在报告中,韩刚博士基于HIV病毒量建模和计算机实验参数估计两个应用场景,分别讲解了混杂贝叶斯估计方法的具体实现过程。在HIV病毒量建模中,韩刚博士指出在0-1损失下可以通过最大化混杂贝叶斯密度函数实现参数估计,进一步给出用于求解的MCEM算法及估计的置信区间,与频率学派估计结果相比,混杂贝叶斯方法估计效果更佳。在计算机实验参数估计问题中,韩刚博士提出了一种同时估计调节参数与校准参数的STACEM算法,并给出了估计参数的理论性质。

报告结束后,在场师生对混杂贝叶斯密度函数的具体形式、具体求解算法可能出现的问题等与韩刚博士进行了热烈的讨论。