講座主題：從統(tǒng)計分析的角度審視觀念與現(xiàn)實之間的沖突和調(diào)節(jié)
專家姓名：陳剛
工作單位：美國國立精神衛(wèi)生研究所
講座時間：2018年12月9日15:00
講座地點：數(shù)學院大會議室
主辦單位：煙臺大學數(shù)學與信息科學學院
內(nèi)容摘要：
如果將統(tǒng)計模型當作觀念的話,，數(shù)據(jù)即是來自現(xiàn)實的證據(jù)。由于數(shù)據(jù)包含或多或少的雜質(zhì),，用數(shù)據(jù)（現(xiàn)實）對模型（觀念）做出某種程度的評判就充滿一些不確定性,，而統(tǒng)計分析就是一門處理不確定性的藝術(shù)和科學。傳統(tǒng)的推斷方法用數(shù)據(jù)對零假設(shè)（假裝沒有任何效應(yīng)）的拒絕來進行統(tǒng)計決策,，以控制第一類錯誤（假陽性）的方式減少不確定性的程度,。但是，當大量重復(fù)使用某個模型或者對同樣的數(shù)據(jù)從不同角度進行“拷問”時,，犯第一類錯誤的可能將急劇飆升,。如果忽略此類“多重比較”問題，將導引出一些荒謬的推斷,；如果有意識地矯正,，統(tǒng)計有效性則深受重創(chuàng)。我將分享對傳統(tǒng)的統(tǒng)計分析局限性的認知過程,，并討論一種不同的分析方式：首先拋棄傳統(tǒng)的建立在假裝沒有任何效應(yīng)的控制第一類錯誤的做法,，然后通過信息共享的途徑，實現(xiàn)更為有效的統(tǒng)計建模方式：Bayesian Multilevel (BML) modeling,。我還將介紹自己在運用BML建模的經(jīng)驗,，以及成功地應(yīng)用于大腦成像數(shù)據(jù)的一些分析方法的歷程。
主講人介紹：
陳剛,，美國國立精神衛(wèi)生研究所（National Institutes of Mental Health,，USA）數(shù)理統(tǒng)計學家。北京理工大學學士,、北京大學碩士,、美國亞利桑那大學博士。曾在煙臺大學（1987-1993）和美國亞利桑那大學（1993-1998）任教,。1998-1999年在Lumisys公司工作,，1999-2003年在普林斯頓Physiome Sciences公司工作，2003年至今一直在美國國立精神衛(wèi)生研究所工作,。主要從事統(tǒng)計分析的研究工作,，在Neuroinformatics、Neuroimage,、Computers in Biology and Medicine,、Physica D等雜志發(fā)表多篇研究論文,。
