• <tr id='hk3aWB'><strong id='hk3aWB'></strong><small id='hk3aWB'></small><button id='hk3aWB'></button><li id='hk3aWB'><noscript id='hk3aWB'><big id='hk3aWB'></big><dt id='hk3aWB'></dt></noscript></li></tr><ol id='hk3aWB'><option id='hk3aWB'><table id='hk3aWB'><blockquote id='hk3aWB'><tbody id='hk3aWB'></tbody></blockquote></table></option></ol><u id='hk3aWB'></u><kbd id='hk3aWB'><kbd id='hk3aWB'></kbd></kbd>

    <code id='hk3aWB'><strong id='hk3aWB'></strong></code>

    <fieldset id='hk3aWB'></fieldset>
          <span id='hk3aWB'></span>

              <ins id='hk3aWB'></ins>
              <acronym id='hk3aWB'><em id='hk3aWB'></em><td id='hk3aWB'><div id='hk3aWB'></div></td></acronym><address id='hk3aWB'><big id='hk3aWB'><big id='hk3aWB'></big><legend id='hk3aWB'></legend></big></address>

              <i id='hk3aWB'><div id='hk3aWB'><ins id='hk3aWB'></ins></div></i>
              <i id='hk3aWB'></i>
            1. <dl id='hk3aWB'></dl>
              1. <blockquote id='hk3aWB'><q id='hk3aWB'><noscript id='hk3aWB'></noscript><dt id='hk3aWB'></dt></q></blockquote><noframes id='hk3aWB'><i id='hk3aWB'></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ㄨ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,
                壹号彩票,壹号彩票官网,壹号彩票app下载,壹号彩票app,壹号彩票注册,壹号彩票登录,壹号彩票投注,壹号彩票平台,壹号彩票网址,壹号彩票计划
                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