前沿论坛与短期课程

日 程 表

会议专家报告题目、个人简介和内容摘要

报告一：Bayesian influence measures for joint models for longitudinal and survival data

个人简介：唐年胜，云南大学数学与统计学院教授，博士生导师。在生物等价性评价、小样本统计推断、经验似然统计推断、Bayes局部影响分析、缺失数据模型的变量选择、非正态非线性模型等方面取得了许多富有价值的研究成果。2007年入选教育部“新世纪优秀人才支持计划”；2008年入选“云南省中青年学术技术带头人后备人才”；2012年获得国家杰出青年科学基金。担任Member of IMS-China Committee；中国统计学会理事；中国概率统计学会理事；中国现场统计学会常务理事；中国教育统计学会常务理事；教育部高等学校数学与统计学教学指导委员会统计学专业教学指导分委员会委员；云南省统计学会副会长。主持国家自然科学基金3项、国家社科基金1项、高等学校博士学科点专项基金1项、云南省自然科学基金1项，教育部新世纪优秀人才支持计划项目1项；高等学校博士学科点专项基金1项、云南省中青年学术技术带头人后备人才项目1项。在《JASA》、《Biometrics》、《Biostatistics》、《Statistics in Medicine》及《中国科学》等国内外学术期刊上发表论文81篇， SCI检索53篇；出版专著1部、译著1部。曾多次在国际国内统计学术会议上做大会或分组邀请报告。

Abstract: This paper develops a variety of influence measures for carrying out perturbation (or sensitivity) analysis to joint models of longitudinal and survival data (JMLS) in Bayesian analysis. A perturbation model is introduced to characterize individual and global perturbations to the three components of a Bayesian model, including the data points, the prior distribution, and the sampling distribution. Local influence measures are proposed to quantify the degree of these perturbations to the JMLS. The proposed methods allow the detection of outliers or influential observations and the assessment of the sensitivity of inferences to various unverifiable assumptions on the Bayesian analysis of JMLS. Simulation studies and a real data set are used to highlight the broad spectrum of applications for our Bayesian influence methods

报告二：Data Assimilation Method Based on the Constraints of Confidence Region

个人简介：李勇，北京师范大学教授，博士生导师，先后兼任中国统计教育学会副会长、教育部高等学校统计学类专业教学指导委员会委员等职。先后主持并完成多项自然科学基金面上项目、国家重点基础研究发展计划（973计划）课题研究工作，研究领域涉及反应扩散过程、林业统计模型、统计地震学，全球碳循环、计量经济学和中国古籍数据分析等。先后主持国家精品课程、国家精品资源共享课程国家精品视频公开课程建设工作。曾获中国地震局防震减灾优秀成果奖，北京市高中教育教学成果奖，北京市高等学校教学名师奖，宝钢优秀教师奖等。

Abstract: The ensemble Kalman filter (EnKF) is a distinguished data assimilation method that is widely used and studied in various fields including methodology and oceanography. However, due to the limited sample size or imprecise dynamics model, it is usually easy for the forecast error variance to be underestimated, which further leads to the phenomenon of filter divergence. Additionally, the assimilation results of the initial stage are poor if the initial condition settings differ greatly from the true initial state. To address these problems, the variance inflation procedure is usually adopted. In this paper, we propose a new method based on the constraints of a confidence region constructed by the observations, called EnCR, to estimate the inflation parameter of the forecast error variance of the EnKF method. In the new method, the state estimate is more robust to both the inaccurate forecast models and initial condition settings. The new method is compared with other adaptive data assimilation methods in the Lorenz-63 and Lorenz-96 models under various model parameter settings. The simulation results show that the new method performs better than the competing methods.

报告三：贝叶斯统计在临床医学中的应用

个人简介：刘沛，东南大学公共卫生学院卫生统计学教授、博士生导师，东南大学卫生统计与信息研究所所长。刘沛教授长期从事卫生统计学的教学与研究工作。主要研究方向包括：贝叶斯统计在医学上的应用、群随机试验设计与统计分析方法、食品安全膳食暴露定量评估技术、重大传染病现场流行病学干预研究等。刘沛教授现为中华预防医学会生物统计分会副会长，江苏省卫生信息学会卫生统计专业委员会主任委员。国家自然科学基金委员会专家评审组成员、国家食品安全风险评估专家委员会委员、国家食品药品监督管理局药品评审专家；中华预防医学杂志、中华疾病控制杂志、中国卫生统计杂志、卫生研究等杂志编委，江苏预防医学杂志副主编。承担有国家自然科学基金、国家科技重大专项（子项目）等多项研究课题。

报告摘要：贝叶斯统计作为当今世界两大主要统计学派之一，与经典统计在统计推断理论和方法上存在重大差异。本文在阐述贝叶斯统计和经典统计区别和联系的基础上，探讨了两种统计方法在解决医学实际问题中的优势和劣势。以经典统计难以处理的无金标准条件下的诊断试验评价为例，说明了贝叶斯统计条件相关和独立模型的构建方法。以美国M.D.Anderson癌症研究中心的一项乳腺癌II期临床试验为例介绍了贝叶斯统计在减少样本量、缩短试验周期方面的优势。

报告四：Bayesian Analysis of Semi-parametric Cox Models with Latent Variables

个人简介：蔡敬衡，副教授，中山大学数学学院统计科学系主任。毕业于香港中文大学，研究方向为贝叶斯分析、潜变量模型、统计计算。

Abstract：Respiratory cancer is one of the most commonly diagnosed cancers as well as the leading cause of cancer death. Numerous efforts have been devoted to reducing the death rate of respiratory cancer. In this article, we propose a semi-parametric Cox model with latent variables to assess the effects of observed and latent risk factors on survival time of respiratory cancer. The characteristics of latent risk factors are characterized via multiple observed indicators by a confirmatory factor analysis model. We develop a Bayesian estimation procedure to obtain the estimates of parameters. Simulation shows that the performance of the proposed methodology is satisfactory. The proposed method is applied to analyze the Surveillance, Epidemiology, and End Results (SEER) Program data set.

报告五：Bayesian approach for clustered interval-censored data with time-varying covariate effects

个人简介：张岳，博士，上海交通大学生物信息与生物统计系助理研究员。2008年毕业于南开大学，获应用心理学学士学位；2011年毕业于美国德保罗大学，获应用统计学硕士学位；2016年毕业于美国辛辛那提大学，获统计学博士学位。主要研究方向为贝叶斯统计、生存分析和缺失数据，曾在《Statistica Sinica》、《Computational Statistics and Data Analysis》、《Statistics and Its Interface》等期刊发表文章10余篇。

Abstract：Interval-censored data arise when the failure time cannot be observed exactly but can only be determined to lie within an interval. Interval-censored data are very common in clinical trials and epidemiological studies. In this study, we consider a Bayesian approach for clustered interval-censored data under a dynamic Cox regression model. Some methods that incorporate right censoring have been developed for clustered data with temporal covariate effects. However, interval-censored data analysis under the same circumstance is much less developed. In this paper, we estimate piecewise constant coefficients based on a dynamic Cox regression model under the Bayesian framework. The dimensions of coefficients are automatically determined by the reversible jump Markov chain Monte Carlo algorithm. Meanwhile, we use a shared frailty factor for unobserved heterogeneity or for statistical dependence between observations. Simulation studies are conducted to evaluate the performance of the proposed method. The methodology is exemplified with a pediatric study on children’s dental health data.

报告六：带约束条件的非参数贝叶斯方法及其在纵向数据分析中的应用

个人简介：俞翰君，首都经济贸易大学统计学院教师。2017年博士毕业于北京大学数学科学学院，研究兴趣为贝叶斯方法和非参数贝叶斯方法，及其在纵向数据分析、生存分析和高维统计推断中的应用。

报告摘要：近些年来，非参数贝叶斯方法的理论与应用研究已成为贝叶斯统计学的热点话题。非参数贝叶斯方法对模型误差的分布或模型中部分参数及结构使用非参数贝叶斯先验进行估计，放宽了参数模型的一些假定，如误差分布为正态分布的假定等，具有灵活性的特点。Dirichlet过程是常用的非参数贝叶斯方法，可以作为分布函数的非参数先验。在统计推断中，有时希望分布函数能满足一定的约束条件，比如均值和方差的约束等等，由于以狄利克雷过程作为先验的分布不能保证满足一定的约束条件，因此需要对其进行调整。受经验似然方法在处理约束条件方面的优势的启发，我们针对Dirichlet过程的Polya表达式，提出了一个便于后验计算的方法，即通过将Polya表达式中质点概率的权重用经验似然权重代替来得到满足约束条件的分布，从而对狄利克雷过程进行了改进。进一步，将提出的方法应用于研究纵向数据分析中的两个常用模型，首先，对于带有AR(1)误差的混合效应模型，在误差零均值的约束条件下给出了半参数贝叶斯推断方法及后验抽样算法；其次，对于带有已知协方差结构的均值-协方差回归模型，在变换后回归误差的分布均值为零和方差为一的约束条件下，给出了半参数贝叶斯推断方法及后验抽样算法。通过随机模拟和其他方法进行比较，表明提出的方法在一些非正态情形下具有优势。最后，将提出的方法用于两个医学数据集的分析中。

报告七：遥感数据贝叶斯时空分析

个人简介：李俊明，同济大学本科、硕士，中科院博士，国家注册城市规划师。曾在山西省住房和城乡建设厅、山西省测绘地理信息局工作，现在山西财经大学统计学院工作，主要研究方向：贝叶斯时空统计、环境健康统计。任中国地理学会地理模型与地理信息分析专业委员会委员、清华同衡规划研究院专家库成员。现主持教育部人文社科哲学项目一项，参与国家自然科学基金和山西省卫健委重点项目各一项；曾参与国家973课题、国家自然科学基金项目等三项；独立编写普通高等教育“十一五”国家级规划教材《空间数据分析教程》（第二版）中的两章：第11章和18章：贝叶斯层次模型和深度学习。截至目前，共发表论文16篇，其中以第一作者或通讯作者分别在SCI-Top期刊《Environment International》(IF:7.297)和《Environmental Pollution》(IF:4.538)各发表1篇，中科院 SCI二区2篇，SCI三区5篇）；在中文期刊《统计研究》、《统计与信息论坛》、《数理统计与管理》等发表论文3篇，获得国家发明专利“一种多尺度嵌套的空间统计单元构建方法（ZL20171 0493603.3）”一项。另外，任《Stochastic Environmental Research and Risk Assessment》、《BMC Public Health》、《Scientific Reports》等SCI期刊审稿人。

报告摘要：随着遥感对地观测技术的快速发展，积累了大量的遥感时空数据，亟待扩充和丰富遥感数据的时空分析理论方法体系，深度挖掘遥感时空数据价值。贝叶斯时空模型由贝叶斯统计模型和时空交互模型整合而成，在时空分析方面比经典统计时空模型更具优势，可考虑并测度更多的不确定性，也能克服时空相关性导致的非独立同分布问题。贝叶斯时空模型虽然在公共健康领域已得到较广泛应用，但在遥感数据分析领域还不多见。将介绍一种基于多尺度均质剖分算法的贝叶斯时空统计模型，该模型可高效实现对遥感数据的贝叶斯统计框架下的时空统计分析，以此为基础，再介绍一种贝叶斯时空层次分段回归模型，该模型在考虑时空相关性的基础上实现了自适应探测局部变化趋势转折点，可精细分析时空演化过程中的局部非线性变化趋势。最后，介绍贝叶斯时空层次分段回归模型的实证分析成果：1998-2016年全球PM2.5污染及对应人口暴露风险的时空变化趋势。

报告八：贝叶斯统计在图像匹配中的应用

个人简介：杨丽娟，西北工业大学本科、硕士、博士，长安大学数学与信息科学系教师，主要研究方向是模式识别与图像处理，先后在期刊《International Journal of Remote Sensing》，《Journal of Applied Remote Sensing》等刊物上发表多篇学术论文，SCI、EI收录四篇。

报告摘要：非刚性点集匹配是图像处理领域一个基本问题，由于点集中通常存在形变及异常值等问题，稳健的点集匹配模型一直是图像处理领域的重要研究内容。基于混合分布模型的点集匹配方法是研究热点之一，其本质是巧妙地将点集匹配问题转换为混合模型对应的概率密度估计问题。对于混合模型对应的概率密度估计问题，贝叶斯估计方法不仅给出模型参数的后验分布估计，而且可直接量化其不确定性。针对基于混合t分布模型的点集匹配方法，本报告主要介绍利用贝叶斯统计推断对点集匹配模型参数进行估计的原理及其算法，以及一些应用实例。