时间：2016年5月17日（周二）19:00-21:00
汪敏，男，安徽无为人。2007年本科毕业于加拿大康考迪亚大学数学与统计学院；2013年博士毕业于美国克莱姆森大学，同年受聘于密西根理工大学数学学院。汪敏教授为博士生导师、美国数学会《数学评论》（Mathematical Reviews） 评论员。 主要从事统计理论，统计方法和应用、贝叶斯模型选择、统计计算及大数据统计分析的研究。以第一作者在国外学术期刊Bayesian Analysis, Bernoulli, Computational Statistics and Data Analysis, Journal of Statistical Planning and Inference 等发表（含录用）学术论文24篇，其中SCI论文20篇。除此以外， 研究成果获得同行的广泛认可，受邀在“ The 2015 ICSA China Statistics Conference”, “ The 24th International Workshop on Matrices and Statistics”, “ International Conference on Statistical Distributions and Applications” 等国际会议上报告。
随着信息技术的进步，在生物、经济金融心和理学等不同领域内，贝叶斯统计得到了广泛推广及应用。在这次报告中，汪教授会通过一些经典的统计问题阐述贝叶斯统计知识。首先，考虑怎么用贝叶斯方法解决双样本假设检验的问题并研究其方法与频率学派经典t检验统计量之间的联系，帮助人们用不同的方法做出更合理、全面、灵活的判断和决策。因为先验分布是贝叶斯模型不可或缺的一个重要因素，通过Gonen(2005)等的研究成果来强调先验分布的选择重要性以及可能产生的一些不可调和的悖论。然后，讨论如何解决这些悖论和推广研究成果到线性模型的假设检验.。接着，系统地讨论提供方法的优越性和相应的理论性质及包括与经典F统计量之间的关系。之后，通过一些数值模拟和相应的图表来说明所提出的贝叶斯估计方法的可靠性以及理论性质。最后，简单阐述贝叶斯估计在大数据研究中的地位和作用。
