2021年7月8日上午9点，我院博士刘新蕊为大家做线上学术报告，学院部全体研究生参加了本次线上学术报告会。

报告题目：Bayesian empirical likelihood for accelerated failure time models with right censored

报告摘要：By introducing a prior, we construct the Bayesian empirical likelihood function based on the Buckley-James estimator. By using the MH algorithm, we conduct some simulation studies to compare the performance of the Bayesian empirical likelihood and the Bayesian estimator and the B-J estimator and the empirical likelihood. The simulation results demonstrate that Bayesian empirical likelihood performs better than the Bayesian estimator and the B-J estimator and the empirical likelihood practically. Finally, we apply this proposed method to analyze a example, then obtaining a narrower confidence interval of model parameters

报告会中，刘新蕊博士首先回顾了各个方法的利弊。然后，通过引入先验，在Buckley-James估计的基础上构造了贝叶斯经验似然函数。随后，利用MH算法对贝叶斯经验似然和贝叶斯估计以及B-J估计和经验似然进行了仿真研究。仿真结果表明，贝叶斯经验似然估计比贝叶斯估计、B-J估计和经验似然估计具有更好的实用性能。最后，将该方法应用于实例分析，得到了较窄的模型参数置信区间。使大家对于B-J估计及贝叶斯估计有了更加深入的了解和兴趣。

与会人员积极参与讨论，对于刘新蕊博士讲解的右删失数据的贝叶斯经验似然进行了热烈的讨论和交流，刘新蕊博士就提出的问题进行了详细的解答。本次学术交流会使大家深入了解了贝叶斯经验似然及应用，开拓了同学们的视野，聆听报告的研究生均表示受益颇多。

数学与统计学院

2021年7月8日