講座主題：從統(tǒng)計(jì)分析的角度審視觀念與現(xiàn)實(shí)之間的沖突和調(diào)節(jié)
專家姓名：陳剛
工作單位：美國(guó)國(guó)立精神衛(wèi)生研究所
講座時(shí)間：2018年12月9日15:00
講座地點(diǎn)：數(shù)學(xué)院大會(huì)議室
主辦單位：煙臺(tái)大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院
內(nèi)容摘要：
如果將統(tǒng)計(jì)模型當(dāng)作觀念的話，數(shù)據(jù)即是來自現(xiàn)實(shí)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(shí)）對(duì)模型（觀念）做出某種程度的評(píng)判就充滿一些不確定性，而統(tǒng)計(jì)分析就是一門處理不確定性的藝術(shù)和科學(xué)。傳統(tǒng)的推斷方法用數(shù)據(jù)對(duì)零假設(shè)（假裝沒有任何效應(yīng)）的拒絕來進(jìn)行統(tǒng)計(jì)決策，以控制第一類錯(cuò)誤（假陽(yáng)性）的方式減少不確定性的程度。但是，當(dāng)大量重復(fù)使用某個(gè)模型或者對(duì)同樣的數(shù)據(jù)從不同角度進(jìn)行“拷問”時(shí)，犯第一類錯(cuò)誤的可能將急劇飆升。如果忽略此類“多重比較”問題，將導(dǎo)引出一些荒謬的推斷；如果有意識(shí)地矯正，統(tǒng)計(jì)有效性則深受重創(chuàng)。我將分享對(duì)傳統(tǒng)的統(tǒng)計(jì)分析局限性的認(rèn)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(cuò)誤的做法，然后通過信息共享的途徑，實(shí)現(xiàn)更為有效的統(tǒng)計(jì)建模方式：Bayesian Multilevel (BML) modeling。我還將介紹自己在運(yùn)用BML建模的經(jīng)驗(yàn)，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(guó)國(guó)立精神衛(wèi)生研究所（National Institutes of Mental Health，USA）數(shù)理統(tǒng)計(jì)學(xué)家。北京理工大學(xué)學(xué)士、北京大學(xué)碩士、美國(guó)亞利桑那大學(xué)博士。曾在煙臺(tái)大學(xué)（1987-1993）和美國(guó)亞利桑那大學(xué)（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(guó)國(guó)立精神衛(wèi)生研究所工作。主要從事統(tǒng)計(jì)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。
