报告指出,协方差矩阵的估计在许多应用中都有出现,适当的协方差结构可以提高统计模型中协方差估计的精度,提高平均参数估计的效率。例如,对协方差结构的良好估计可导致对纵向数据和时间序列数据的精确轨迹预测。潘建新教授介绍了一种新的统计方法,该方法能够同时选择最优的Toeplitz结构和估计高维协方差矩阵,即采用具有非凸惩罚的熵损失函数作为矩阵离散度测度,在该测度下同时进行最优协方差结构和相关Toeplitz结构的选择。得到的Toeplitz结构协方差估计是正定的、无偏的、选择一致的。模拟和实际数据表明其良好的协方差估计性能。

报告结束后,潘建新教授与理学院老师、学生进行了交流,就大家感兴趣的问题进行了探讨,并就一些前沿学术问题与师生进行深入交流。

潘建新教授,现任英国曼彻斯特大学数学学院终身教授、博士生导师。英国伦敦图灵数据科学研究院研究员,英国皇家统计学会会士,国际统计学会当选会员和美国数理统计学会会员。统计学杂志Biometrics、BiometricalJournal及JournalofMultivariateAnalysis编委。主要研究领域为统计学领域内复杂数据模型的理论研究及其在医学、金融及工业上的应用等。(昆明理工大学党委宣传部供稿)

更多精彩尽在这里,详情点击:http://smrzyz.com/,曼城