短期课程：University of California - Davis蒋继明教授到访我院并讲授短期课程

2018年12月14日至20日，来自Department of Statistics，University of California - Davis的蒋继明教授在我校为我院及相关院系的师生们讲授了以“Large Sample Techniques for Data Science”为主题的系列课程。

首先，蒋老师在公共教学二楼2114教室为大家简要介绍了大样本统计中“鞅过程”（Martingales）的概况和应用。“鞅过程”是一类特殊的随机过程，在已知过程在时刻s之前的变化规律的条件下，可以得到该过程在将来某一时刻t的期望值等于过程在时刻s的值。目前“鞅过程”被广泛地应用于资产定价中。

接着，蒋老师又在明德楼主楼0417教室为大家讲授了时间序列和空间序列（Time/Spatial Series）的相关内容。时间序列是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列，旨在利用已有的历史数据对未来进行预测。而空间计量经济学研究的是如何在横截面数据和面板数据的回归模型中处理空间相互作用（空间自相关）和空间结构（空间不均匀性）结构分析，被广泛地应用于经济政策分析中。

随后，蒋老师在公共教学二楼2416教室为我们讲解了非参数统计（Nonparametric Statistics）课程。非参数问题是指统计总体分布形式未知或虽已知却不能用有限个参数刻画的统计问题，非参数方法的性能对分布的实际形式如何并不敏感，即非参数方法常具较好的稳健性。目前，非参数统计的各种方法被广泛地应用在大样本统计和推断中。

最后，蒋老师在国学馆110教室为大家介绍了大样本统计中的两个常用方法——刀切法（Jackknife）和Bootstrap法。刀切法最早由Maurice Quenouille（1949）提出，John W. Tukey （1958）对这一再抽样方法进行了命名，能用于估计抽样调查中的复杂统计量，可以减少估计偏差。拔靴法是指通过具有估计值特性的样本数据来描述该特性，不断地从真实数据中进行抽样，以替代先前生成的样本。该方法无需对分布特性做严格的假定就能进行推断分析，并且样本越大，估计结果越准确。

参与此次课程的各位老师同学也和蒋老师就课程的内容、问题以及在现实中的应用等方面展开了热烈的讨论，课程取得了圆满成功。

附：蒋继明教授简介

Jiming Jiang is Professor in the Department of Statistics at the University of California - Davis. Jiang received his B.S. in Mathematics and his M.S. in Probability and Statistics, Peking University in 1985 and 1988 respectively. He earned his Ph.D. in Statistics from the University of California at Berkeley in 1995. He is a Fellow, Institute of Mathematical Statistics, since 2008 and a Fellow, American Statistical Association, since 2007. Jiang, along with A. Gelman and F. Bois, won the Outstanding Statistical Application Award, American Statistical Association in 1998.

Research Interests：

l Mixed effects models

l Generalized linear models

l Model selection

l Small area estimation

l Big Data intelligence

E-mail：

jimjiang@ucdavis.edu

Homepage：

https://statistics.ucdavis.edu/people/jiming-jiang