时间：2018年3月15日（周四）下午2:00-3:00
地点：明德主楼1016会议室
题目: Bayesian Sufficient Dimension Reduction by Modeling Joint Distributions
摘要： Supervised dimension reduction is a classic but still active research topic in statistics, whose goal is to discover a few linear combinations of a large number of predictors (called index variables) that contain all predictive information of the predictors to a response variable. Although many efforts have been given to this classic problem, these methods suffer form either inaccurate estimate, or lack of probabilistic interpretation, or strong assumptions. In this paper, we propose a novel Bayesian framework to tackle this classic but still challenging problem. Fitting the joint distribution of the response variable and the index variables via a nonparametric Bayesian approach, we come up with a posterior distribution of the unknown central subspace. We show that the posterior distribution obtained converges to the truth when the sample size goes to infinity, and design efficient MCMC algorithms to sample the posterior distribution. Both simulation study and real data applications show that BSDR outperforms existing methods with a much better estimation precision for a larger range of models.
简介：邓柯博士2008年获得北京大学统计学博士学位，同年进入哈佛大学统计系从事研究工作，历任博士后、副研究员。2013年加入清华大学丘成桐数学科学中心任助理教授。2015年6月，清华大学成立统计学研究中心，统筹清华大学统计学学科的建设，邓柯博士作为创始成员加入统计学研究中心并担任副主任；2016年12月晋升副教授。
邓柯博士的研究兴趣包括统计建模、统计计算、生物信息、文本分析等领域，他的一系列论文发表在国际统计学顶级杂志以及其他领域的顶级杂志。他2008年获得中国概率统计学会颁发的“钟家庆优秀论文奖”，2014年当选中国数学会概率统计学会第十届理事会理事，2015年当选中国医疗保健国际交流促进会医学数据与医学计量分会常务委员，2017年当选中国现场统计研究会理事、计算统计分会理事长和环境与资源分会常务理事。他还获得了“科学中国人2016年度人物”的荣誉称号。