报告时间：2018年10月17日

15:30-16:40  北工大 理学院概率统计系 薛留根 教授

16:30-17:30  北师大 统计学院  童行伟 教授

报告地点：主楼1214

主持人：王学丽

1、薛留根教授

学校：北京工业大学

学院：应用数理学院

简介：薛留根，教授，博士生导师，北京工业大学统计学一级学科博士点负责人。主要学术兼职有：中国数学会概率统计学会常务理事，中国现场统计研究会理事及生存分析分会副理事长等。主持完成和在研的国家和省部级科研项目15项。出版著作8部（独著6部），其中3部专著。在《Journal of the American Statistical Association》、《Journal of the Royal Statistical Society，Series B》、《The Annals of Statistics》、《Biometrika》等国内外学术期刊上发表学术论文200余篇，其中10篇代表性论文被SCI他引200余次，2篇属高被引论文。获教育部自然科学二等奖1项，获全国统计科学研究优秀成果奖一等奖和二等奖各1项。已招收研究生65人，其中博士研究生20人，硕士研究生45人；指导的研究生中1人获北京市优秀博士学位论文及全国优秀博士学位论文提名奖，1人获全国统计科学研究优秀成果博士学位论文二等奖。

研究方向：非参数统计、数据分析

报告题目：Generalized empirical likelihood inference in partial linear regression model for longitudinal data

摘要：In this paper, empirical likelihood inference for longitudinal data within the framework of partial linear regression models are investigated. The proposed procedures take into consideration the correlation within groups without involving direct estimation of nuisance parameters in the correlation matrix. The empirical likelihood method is used to estimate the regression coefficients and the baseline function, and to construct confidence intervals. A nonparametric version of Wilk’s theorem for the limiting distribution of the empirical likelihood ratio is derived. Compared with methods based on normal approximations, the empirical likelihood does not require consistent estimators for the asymptotic variance and bias. The finite sample behaviour of the proposed method is evaluated with simulation and illustrated with an AIDS clinical trial data set.

2、 童行伟教授

学校：北京师范大学

学院：统计学院

简介：童行伟，北京师范大学统计学院教授、博士生导师。2003年毕业于北京大学概率统计系获统计学博士学位。2003-至今，在北京师范大学工作。2005-2006年在美国密苏里大学Columbia分校从事博士后研究。现为中国现场统计研究会高维数据统计分会秘书长、北京师范大学彩票研究中心研究员。主要从事生物统计、金融统计、稳健统计等领域的教学和研究工作，在《Biometrika》、《Biometrics》、《Statistica Sinica》等国内外知名期刊发表学术论文60余篇，其中SCI论文40余篇，出版教材《高等统计学》1部，译著两部。主持研究国家自然科学基金面上项目、国家自然科学基金重点项目子课题以及教育部科学技术研究重大项目等10余项。

研究方向：生物统计，金融统计

报告题目：Complex Likelihood Ratio Test for GLM

摘要：In this talk, we consider a special hypothesis test. First we use it to analyze the common linear model and proposed a decision rule with Type I error. Then we extend it to the GLM. To be compatible with GLM, we propose a new definition with complex likelihood function and Complete Likelihood Ratio test for GLM, which better fits the problem.