首页 » 新闻 » 密歇根大学Peter Song教...
密歇根大学Peter Song教授讲座成功举办
2017年11月28日 09:35


密歇根大学Peter Song教授讲座成功举办

11月27日,应北京大学统计科学中心邀请,密歇根大学公共卫生学院生物统计系Peter Song教授在理科一号楼1114教室举办了主题为“Renewable estimation and incremental inference in generalized linearmodels for streaming datasets”的学术讲座。Peter Song教授是Journal of the American Statistical AssociationCanadian Journal of StatisticsStatisticaSinica等世界著名统计学杂志的AssociateEditor,主要研究领域涵盖高维数据分析、纵向数据分析、缺失数据问题、时空数据分析等话题。

下午2时,讲座在姚方教授的主持下开始。Peter Song教授首先指出,在统计学中,数据流数据作为一种随时间推移数据量不断增大的数据类型,具有重要的研究意义。Peter教授针对于数据流数据的进行估计时需要大量存储空间和计算复杂度的问题,提出了基于广义线性模型参数估计与推断的更新方法。在传统广义线性模型的估计问题中,当前时刻参数的估计可以直接用零时刻到当前时刻的所有数据,但为了存储及计算方便,只需要存储前n-1时刻的某个统计量(比如Fisher信息阵)即可,这样进行更新可以达到节省空间、加快运算速度的目的。在应用方面,Peter教授提出了一种Rho结构的数据流,使之既可以容纳现有与历史数据,又可以加快序列学习的速度。最后,Peter教授给出了这一方法对极大似然估计的一致性与渐进正态性质的证明

在提问环节,潘教授就Cox模型可否进行这样的更新、非参数方法适用这种更新的困难、原有方法计算效率低的原因分析等话题与参加讲座的师生们进行了交流探讨,并一一回答了师生们的问题。