报告题目：相关数据的最优数据适应p值联合检验
主讲人：吴喆阳博士
时间：2018年7月10日（周二）11:00a.m. - 12:00a.m.
地点：北院卓远楼305
主办单位：统计与数学学院

摘要：p值联合是一个重要的统计手段，用于信息集聚决策。它是许多应用的基础，例如：meta分析、信号探测等。我们提出两族具有普适性的用于联合p值的统计量：一个是gGOF，这是一个一般性的拟合优度型统计量族；另一个是TFisher，是一个普适的加权-截尾框架下的Fisher型p值联合。这两个族涵盖了一个广谱信号模式下的许多最优统计量。在这两个统计量族中，我们设计了数据适应综合检验，以使其保族优势适用于未知信号模式。对于相关数据的分析，我们给出了p值分析计算的有效解。 我们揭示了在正态均值模型和广义线性模型下，数据变换对信噪比和统计功效的影响。我们使用一个基因方面的实例说明了上述方法的应用。

吴喆阳博士是美国伍斯特理工学院数学科学、生物信息和计算生物学、及数据科学副教授（终身职位）。他于2009年获得耶鲁大学生物信息学博士学位，并于同年入职伍斯特理工学院。他的研究方向包括统计学习和预测、统计决策论、统计遗传学和基因组学等。研究项目多次得到美国自然科学基金及美国国家卫生研究院的资助。他的研究成果对生物学大数据的统计分析及公共健康有广泛影响。研究兴趣包括统计学习和预测、统计决策论、组学大数据的统计分析方法等。发表了四十多篇论文在同行审议的学术杂志上，如PLoS Genetics, Annals of Applied Statistics, Probability and Related Field 等。