学术报告:方差不等情形下的高维均值比较问题及其在医学研究中的应用

 

讲座题目:方差不等情形下的高维均值比较问题及其在医学研究中的应用
     High-Dimensional Mean Comparison with Unequal Variances and Its Applications in Medical Research
      讲者:梁家卷 博士 美国康州纽海文大学 (University of New Haven)
      地点:公共卫生学院218会议室
      时间:2018年6月26日 上午10:00
      讲者简介:梁家卷博士1984年毕业于南开大学数学系,1987年获南开大学数学系硕士学位,1998年获中国科学院应用数学研究所应用数学博士学位和香港浸会大学数学系数理统计博士,同年进入美国加州大学洛杉矶分校统计系和心理系进行博士后研究,2001年9月在美国康州纽海文大学任教至今,并于2007年9月获得纽海文大学终身教授资格。主要研究方向是高维数据分析、商业数据分析等。
      内容概要:

Abstract

The mean comparison is a classical and popular statistical problem. There is never a challenge if the dimension of data is low and assuming equal variances. Mean comparison with unequal variances belongs to the classical Behrens-Fisher problem. Existing solutions to solving the Behrens-Fisher problem are based on the large sample theory. However, modern medical research is often facing with the problem of high dimension with a small sample size due to limited number of experimental subjects and a large number of measurable variables. Traditional statistical methods based on the large sample theory are no longer applicable to the case of high dimension with a small sample size. In this talk, Dr. Liang will review his cooperative (unpublished) research outcome with colleagues in School of Public Health of Tianjin Medical University since the past years and introduce their new cooperative research development in the same direction. This talk aims to attract medical research problems facing with mean comparisons with possible unequal variances in the case of high dimension with a small sample size.

摘要

均值比较是一个古典而流行的统计问题。在低维数据和等方差假设下当然不具有任何挑战性。方差不等情形的均值比较属于古典的Behrens-Fisher问题。Behrens-Fisher问题现有的解决办法是建立在大样本理论基础上。然而现代医学研究通常面临着高维数据小样本情况,这是由于实验对象的数目有限和大量可测变量。建立在大样本理论的传统统计方法对于高维小样本的情况不再可用。本讲座中,梁博士将回顾他与天津医科大学公共卫生学院的同事在过去几年所做的研究工作(尚未发表)并介绍他们在同一研究方向的合作研究发展。本讲座目的在于吸引面临高维小样本及可能方差不等情况下有关均值比较的医学研究问题。

 

天津医科大学公共卫生学院
天津医科大学研究生院
二〇一八年六月二十日