• 统计研究中心
当前位置: 首页> 系列讲座> 正文

美国国家过敏及传染性疾病研究院(NIAID)研究员Qin Jing:

Some applications of pool adjacent violators algorithm in statistical inference

光华讲坛——社会名流与企业家论坛第 5584 期


主题:Some applications of pool adjacent violators algorithm in statistical inference

主讲人:美国国家过敏及传染性疾病研究院(NIAID)研究员Qin Jing

主持人:统计学院统计研究中心 林华珍教授

时间2019年11月07日(星期四)上午10:00-11:00

地点:西南财经大学柳林校区弘远楼408会议室

主办单位:统计研究中心 统计学院 科研处


主讲人简介:

Qin Jing, 现为美国国家过敏及传染性疾病研究院(NIAID)生物统计研究所数理统计研究员,1992年从滑铁卢大学获得统计学博士学位,然后分别在滑铁卢大学和斯坦福大学做博士后。他的研究兴趣广泛,包括:经验似然、长度偏差抽样、横断面抽样、生存分析、缺失数据、因果推理、基因混合模型、广义线性模型、微阵列数据分析、调查抽样、计量经济学、癌症研究、流行病学研究、传染病、遗传学等。1993-1995年获加拿大自然科学与工程研究理事会博士后奖学金;1993年6月获Pierre Robillard奖(最佳论文奖);2006年当选为美国统计学会fellow。2017年在Statistics in Medicine和Statistica Sinica担任客座副主编,2011-2012年担任Biostatistics联合主编,2006-2011年担任Statistica Sinica副主编。他是美国国家科学基金会(NSF)、国家安全局(NSA)、加拿大自然科学和工程研究理事会、香港研究资助局、美国-以色列国家科学基金会和法国Le Studium项目评审。已公开发表论文180余篇,其中在统计方法论方面发表论文120余篇(在统计学,生物统计学,计量经济学的国际顶级期刊JASA、JASSB、 Annals、Biometrika、 Biostatistics、Biometrics 、JOE上发表论文近70篇);在健康科学应用出版物上发表论文61篇(其中一篇2012年的 Information borrowing methods for covariate-adjusted ROC curve. Canadian Journal of Statistics, 40, 569-587被 Canadian Journal of Statistics 评为2012年最佳论文;还有一篇1994年的Empirical likelihood and general estimating equations. Ann. of Statist. 22, 300-325.在谷歌上的引用量高达1600次)。2017年著作一本,名为Biased sampling, over-identified parameter problems and beyond。

主要内容:

In dose findings in animal studies, it is expected that higher dose level should lead to higher probability of responses. The observed frequencies, however, may not be this case. The pool adjacent violators algorithm (PAVA) was developed long time ago to perform the order restricted inference. In this talk, I will give a brief introduction of this algorithm and availability of R packages. Then I will discuss how to use PAVA to conduct regression analysis with partially specified monotone regressor, with monotone index regressor, with current status data in survival researches etc. Finally, PAVA is used to casual inference, where one is interested in finding the optimal individualized treatment regimes.

If time permits, I will also discuss the connection between PAVA, linear programming and quadratic programming.

在动物研究中,人们的预期发现较高的剂量水平应导致较高的反应可能性。 但是,实际观察到的频率与之不符。PAVA算法是很久以前提出的,用于执行顺序限制推理。 本次报告将简要介绍该算法和R软件包的使用。 然后讨论如何使用PAVA算法与部分指定的单调回归,单调索引回归,生存研究中的当前状态数据等进行回归分析。最后,将PAVA算法用于因果推断,从而寻求最佳的个性化治疗方案。

如果时间允许,本次报告还将讨论PAVA算法,线性编程和二次编程之间的联系。


上一条:香港浸会大学彭衡副教授:BOLT-SSI: Fully Screening Interaction Effects for Ultra-High Dimensional Data

下一条:中国科学院计算技术研究所 兰艳艳研究员:Generative Models in Machine Learning