（通讯员：刘文姝）2025年5月8日上午9：00，美国哈佛大学刘军教授莅临我院做学术报告。本次报告由澳门博彩在线 承办，在南湖校区老图书馆四楼会议室进行，会议由数学与统计澳门博彩在线 副院长杨凯副教授主持，澳门博彩在线 部分老师及研究生参加了本次学术报告会。

会议开始之际，由杨凯副院长作为代表对刘教授的到来表示感谢，并对刘教授及其研究内容做了简单的介绍。

报告人简介：刘军，美国哈佛大学统计系终身教授，兼任哈佛生物统计系教授，斯坦福大学统计系终身教授，北京大学数学澳门博彩在线 长江讲座教授，清华大学数学系访问教授。美国数理统计学会和美国统计学会会士、国际计算生物学会会士、美国国家科澳门博彩在线 院士。创建清华大学统计学研究中心并任名誉主任至2024年,以筹建发展委员会主任身份在清华大学创建统计与数据科学系。主要从事于贝叶斯统计理论、蒙特卡洛方法、统计机器学习、状态空间模型和时间序列、生物信息学、计算生物学等方向的研究。曾获考普斯会长奖、晨兴应用数学金奖、泛华统计协会许宝騄奖。在各类国际顶尖学术杂志（Science，Nature，Cell，JASA，JMLR等）发表论文300余篇和专著，被引用9万余次。指导40多位博士生、30多位博士后。

报告题目：PADS: Prior-Assisted Data Splitting for False Discovery Rate Control

报告摘要：Mirror statistic (or knockoff statistic) is a key component for most p-value-free feature selection methods. However, it is unclear how to choose the best statistic when additional prior information or covariate information is available. In this paper, we first describe a large class of possible choices of mirror statistics and derive an optimal form of mirror statistic inspired by the two-stage formula proposed in Li and Fithian (2021). Theoretically, we demonstrate the power advantage of this optimal form by considering the Rare/Weak signal model. With prior information, evenly splitting the data into two halves is no longer the most efficient way.  Building upon the optimal form of the mirror statistic, we investigate how the splitting ratio affects the power of a feature selection procedure and introduce the Adaptive-Data-Splitting (ADS) approach. Both simulations and real data examples show that ADS performs significantly better than the original equal-splitting.

报告伊始，刘军教授简要介绍了本次报告的核心内容。

在高维数据分析中，如何控制错误发现率（FDR）一直是统计学的核心挑战。传统方法如Benjamini-Hochberg（BH）程序依赖p值计算，但其局限性在复杂模型中日益凸显。本次报告提出一系列创新的无需p值的错误发现率（FDR）控制方法，为高维统计推断提供了新的解决方案。该研究突破了传统Benjamini-Hochberg（BH）程序依赖p值的局限，创新出了基于自我参照原则的数据分割方法（DS/MDS）和高斯镜像技术（GM）。

在报告中，刘教授为同学们系统阐述了无p值特征选择领域的最新研究成果，重点探讨了如何利用先验信息或协变量选择最优镜像统计量这一关键问题，并提出了创新性的解决方案。本研究构建了新型镜像统计量并推导出最优形式，理论证明其在弱信号场景下的优势。针对传统均等分割的不足，创新性提出了基于自我参照原则的数据分割（ADS）方法，通过优化分割比例显著提升特征选择效果。理论和实验均证实ADS的优越性，为高维数据分析和先验信息整合提供了新思路。

接下来，刘教授详细讲述了基于自我参照原则的数据分割方法（DS/MDS）和高斯镜像技术（GM）。这些方法通过数据分割与扰动策略实现内部校准，在保持FDR控制的同时显著提高了统计功效。

随之，刘教授进一步从理论上论证了该方法的统计最优性，并通过实证研究证实了其在实际应用场景中的显著优势。报告中所提出的方法为高维数据分析提供了更灵活、更高效的工具，同时也为先验信息在统计建模中的整合应用开辟了新途径。

报告结束后，参会人员踊跃提问，就感兴趣的问题与刘军教授进行了深入的讨论和交流。刘军教授对提出的问题进行了详细解答，并分享了自己的研究心得。本次学术交流会不仅拓展了同学们的学术视野，也激发了大家的学习热情。聆听报告的师生纷纷表示受益匪浅，将更加努力地学习和研究新的领域与方法。

初审：关迪

复审：杨凯

终审：王丹、王纯杰

澳门博彩在线

2025年5月8日