• <tr id='8m3HRU'><strong id='8m3HRU'></strong><small id='8m3HRU'></small><button id='8m3HRU'></button><li id='8m3HRU'><noscript id='8m3HRU'><big id='8m3HRU'></big><dt id='8m3HRU'></dt></noscript></li></tr><ol id='8m3HRU'><option id='8m3HRU'><table id='8m3HRU'><blockquote id='8m3HRU'><tbody id='8m3HRU'></tbody></blockquote></table></option></ol><u id='8m3HRU'></u><kbd id='8m3HRU'><kbd id='8m3HRU'></kbd></kbd>

    <code id='8m3HRU'><strong id='8m3HRU'></strong></code>

    <fieldset id='8m3HRU'></fieldset>
          <span id='8m3HRU'></span>

              <ins id='8m3HRU'></ins>
              <acronym id='8m3HRU'><em id='8m3HRU'></em><td id='8m3HRU'><div id='8m3HRU'></div></td></acronym><address id='8m3HRU'><big id='8m3HRU'><big id='8m3HRU'></big><legend id='8m3HRU'></legend></big></address>

              <i id='8m3HRU'><div id='8m3HRU'><ins id='8m3HRU'></ins></div></i>
              <i id='8m3HRU'></i>
            1. <dl id='8m3HRU'></dl>
              1. <blockquote id='8m3HRU'><q id='8m3HRU'><noscript id='8m3HRU'></noscript><dt id='8m3HRU'></dt></q></blockquote><noframes id='8m3HRU'><i id='8m3HRU'></i>
                English邮件在线
                English 书记信箱 校长信箱 学院网站 部门网站 热门站点 图书馆 | 邮件在线
                学术报道

                【学术报道】“金融与统计”系列讲座--大数据分析中的分布式抽样技术

                 

                应我校♀数学科学学院的邀请,北京大学数学科学学院统计学教研室主任艾明要教授于2020年11月11日下午在腾讯会议在线做了题为“Optimal Distributed Subsampling for Quasi-likelihood Estimator with Massive Data”的学术报告。数科院统计与金融数学研究室刘国祥教授主持了此次报告会。数科院统计与金融数学研究室解锋昌教授、高启兵教@ 授、周秀轻教授、杜秀丽副教授、姚奕副教授、许晓明副教授,李启才副教授、米辉副教授、殷荣城副教授、孙源博士,概□ 率论与数理统计专业部分研究生参加△了此次报告会。

                艾明要教授是国内知名的统计专家,兼任中国数学会理事,中国概率统计学会秘书长▂,中国数学会均匀设计分会副主任,中国现场统计研究会试▲验设计分会理事长,高维数据统计分会副理事长等。国际重要统计期刊《Statistica Sinica》、《Journal of Statistical Planning and Inference》、《Statistics and Probability Letters》、《Stat》副主编,国内核心期刊《系统科◥学与数学》编委,科学出版社《统计与▓数据科学系列丛书》编委。主要从事◥试验设计与分析、大数据分析和应用概率统计的教学和研究工作≡,在Ann Statist、JASA、Biometrika、《中国科学》等国内外顶尖期刊发表学术论文六十余篇,主持完成国家自然科学基金项目6项,参与完成国家科技部重点研发计划项目2项。

                报告会上,艾明要教授首先介绍了非均匀子采样方法的意义;然后引入了泊松◢子抽样方法。首先在A-和L-最优性准则下,在拟似╳然估计的背景下,导出最优Poisson子抽样ξ概率。对于一个具有近似最优次抽样概率的实际可实现算法,建立了结果估计量的相合性和渐近正态性。为了解决完整数据存储在不同的块或多个位置的情∏况,开发了一个分布式子抽样框架,在这个框架中,统计信息是在完整数据的较小分区上同时计算的。最后,艾明要教授对相关问题进行了展望。

                报告结束后,与会师生就报告内容与艾明要教授进行了热烈的讨论。整场报告,艾明要教授语言幽默风趣,讲解清楚易懂,开●阔了大家的学术视野。最后,报告会在热烈的掌声中圆满结束。

                • 更新时间

                  2020年11月13日 17:50

                • 阅读量

                • 供稿

                  数科院

                • 打印

                南京市〖仙林大学城文苑路1号,
                中彩网,中彩网娱乐,中彩网开奖,中彩网下载地址,中彩网安卓版,中彩网官方网站,中彩网规则,中彩网客户端下载,中彩网官方版,中彩网平台
                sun@njnu.edu.cn

                Copyright ? 南京师范大学 2020. All rights reserved.
                苏ICP备05007121号-1
                苏公网安备 32011302320321号

                分享到