讲座主题：从统计分析的角度审视观念与现实之间的冲突和调节
专家姓名：陈刚
工作单位：美国国立精神卫生研究所
讲座时间：2018年12月9日15:00
讲座地点：数学院大会议室
主办单位：hy590海洋之神平台数学与信息科学学院
内容摘要：
如果将统计模型当作观念的话，数据即是来自现实的证据。由于数据包含或多或少的杂质，用数据（现实）对模型（观念）做出某种程度的评判就充满一些不确定性，而统计分析就是一门处理不确定性的艺术和科学。传统的推断方法用数据对零假设（假装没有任何效应）的拒绝来进行统计决策，以控制第一类错误（假阳性）的方式减少不确定性的程度。但是，当大量重复使用某个模型或者对同样的数据从不同角度进行“拷问”时，犯第一类错误的可能将急剧飙升。如果忽略此类“多重比较”问题，将导引出一些荒谬的推断；如果有意识地矫正，统计有效性则深受重创。我将分享对传统的统计分析局限性的认知过程，并讨论一种不同的分析方式：首先抛弃传统的建立在假装没有任何效应的控制第一类错误的做法，然后通过信息共享的途径，实现更为有效的统计建模方式：Bayesian Multilevel (BML) modeling。我还将介绍自己在运用BML建模的经验，以及成功地应用于大脑成像数据的一些分析方法的历程。
主讲人介绍：
陈刚，美国国立精神卫生研究所（National Institutes of Mental Health，USA）数理统计学家。北京理工大学学士、北京大学硕士、美国亚利桑那大学博士。曾在hy590海洋之神平台（1987-1993）和美国亚利桑那大学（1993-1998）任教。1998-1999年在Lumisys公司工作，1999-2003年在普林斯顿Physiome Sciences公司工作，2003年至今一直在美国国立精神卫生研究所工作。主要从事统计分析的研究工作，在Neuroinformatics、Neuroimage、Computers in Biology and Medicine、Physica D等杂志发表多篇研究论文。
