11月7日上午，应统计学院邀请，新泽西州立罗格斯大学谢敏革教授为统计学院师生带来一场题为“Repro samples method - A general statistical inference framework for data science”的线上讲座，本次讲座由统计学院副院长刘小惠主持，统计学院部分教师和研究生参加。

 讲座中，谢敏革教授首先介绍了统计学中的一个公开问题，即不规则推断，谢教授指出，此类推断问题无法通过中心极限定理，似然函数等频率学方法解决。同时，传统的统计推断方法中，点估计无法给出此类问题的不确定性评价；另外由于中心极限定理的局限性，Bootstrap等重抽样方法的大样本性质无法得到；虽然贝叶斯方法较为灵活，但是得到的推断结果对先验分布的设置较为敏感，结果稳健性差。因此，如何对此类不规则参数进行统计推断一直以来都是统计学界的难题之一。

​

 随后，谢敏革教授介绍了一种对于此类不规则参数进行统计推断的一种名为“Repro samples”原创方法，并指出所提方法能够同时适用于大样本与小样本，几乎任何的参数类型与数据类型，除此之外，该方法可以认为是传统N-P检验的一个特例。在介绍方法细节之前，谢敏革教授首先展示了所提方法在小样本高斯混合模型和高维稀疏线性模型中结果的优越性，针对高维稀疏线性模型，“Repro samples”方法能够得到比“Debiased Lasso”更为合理的结果，尤其是在非零系数的推断上。

 接着，谢敏革教授详细介绍了所提方法的一般步骤，具体来说，“Repro samples”方法需要指定算法模型，算法模型包括目标参数theta、不确定性效应U以及连接函数G构成，所提方法通过模仿数据的生成机制，判断theta参数空间中的参数在给定alpha水平下是否能够与原始数据相匹配，将能够匹配数据的对应参数集作为theta的置信集。最后，在讨论互动环节，统计学院师生就方法的适用范围，算法细节等展开了积极讨论。

 此次谢敏革教授的精彩演讲，详细阐述了统计推断领域中不规则参数推断的一类公开问题，系统展示了解决此类推断问题的一种原创方法，为统计学院师生从事相关研究工作提供了有益示例。

（文/肖沛文 刘芸 图/王栋 肖芳  编辑/罗文琳 审核/林阳 陶春海）