报告题目：从统计分析的角度审视观念与现实之间的冲突和调节
报告人：陈刚 博士
报告人单位：National Institutes of Health (NIH), US
时间：2019年11月15日13:45-
地点：仙林校区教2-314室
主办单位：bat365在线官网入口、数据科学与统计应用研究中心、科研院
报告内容： 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）做出某种程度的推断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。陈刚教授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。陈刚教授还将介绍自己在运用BML建模方面的经验，以及成功地应用于大脑成像数据的一些分析方法的历程。
报告人简介：陈刚，1985年北京理工大学本科毕业，1987年北京大学硕士毕业，1999年美国亚利桑那大学博士毕业，同年就职于生理科学股份有限公司（Physiome Sciences, Inc.），2003年转到美国国家健康研究所（National Institutes of Health (NIH)）工作。陈刚博士长期从事软件工程、生物建模、数学统计等方面的研究工作，发表论文近90篇，曾多次获得凯利政府杰出表现奖等奖励。https://afni.nimh.nih.gov/gangchen_homepage