报告题目：用于假设检验和分类的一个两成分混合模型
(A two-component mixture model for hypothesis testing and classification)
报告人：吴静静教授 加拿大卡尔加里大学(Jingjing Wu, University of Calgary)
邀请人：赵强副教授
报告摘要：In this research, we studied a two-component nonparametric mixture model with stochastic dominance constraint, a model arises naturally from genetic studies. Our interest lies in both the estimation of mixing proportion and classification. For this model, we proposed and studies a nonparametric estimation based on cumulative distribution functions and a maximum likelihood estimation (MLE) through multinomial approximation. In order to incorporate nicely the stochastic dominance constraint, we introduced a semiparametric model for which we proposed and investigated both MLE and minimum Hellinger distance estimation (MHDE). We also proposed a hypothesis testing to test the validity of the semiparametric model. For the proposed methods, we investigated both their asymptotic properties such as consistency and asymptotic normality and their finite-sample performance through simulation studies and real data analysis.
报告人简介：吴静静，加拿大卡尔加里大学数学与统计系终身教授，副系主任（科研）。1999年本科毕业于中央民族大学应用数学与软件专业， 2002年硕士毕业于北京师范大学概率论与数理统计专业，2008年于加拿大艾伯塔大学获得统计学博士学位。博士论文被加拿大统计协会评为2007年度加拿大最佳概率统计博士论文奖。悉尼大学，新加坡国立大学访问教授，多个统计杂志的编委或/和审稿人，培养硕士生博士生20余名。主要研究方向包括半参数模型，基于最小距离的统计推断，大数据中的参数降维，及其在基因数据，生物统计，经济学等中的应用。发表学术论文20余篇，科研工作受加拿大自然科学与工程学委员会个人研究基金资助（2008-2013, 2013-2018, 2018-2023年）。
报告时间：2019年6月20日（周四）下午4点
报告地点：长清湖校区B434报告厅
欢迎各位老师和同学参加！
学院宣传片
