（通讯员：关迪）2024年9月18日下午13：00，暨南大学经济学院统计学系教授姜云卢为我院做线上学术报告，本次报告由数学与统计学院承办，由学院副院长杨凯副教授主持，学院部分老师、研究生参加了本次线上学术报告会。
报告人简介：姜云卢，暨南大学经济学院统计学系教授、博士生导师。博士毕业于中山大学。目前的主要研究包括：稳健统计、高维数据分析、变量选择。在JASA、Technometrics、Statistica Sinica等国际顶级学术期刊上发表SCI论文40余篇，其中1篇论文入选ESI高被引论文；先后访问了昆士兰大学、香港大学、澳门大学和南方科技大学等多所知名高校；2016年和2020年分别入选暨南双百英才计划暨南杰青第二层次和第一层次；2014年入选广东省高等学校“千百十工程”第八批培养对象；2010年获第八次广东省统计科研优秀成果奖一等奖（排第三）；并担任JASA、CSDA等国际权威统计期刊的审稿人；主持和参与十多项国家级和省部级等科研项目。
报告题目：Nonparametric two-sample tests of high dimensional mean vectors via random integration
摘要：Testing the equality of the means in two samples is a fundamental statistical inferential problem. Most of the existing methods are based on the sum-of-squares or supremum statistics. They are possibly powerful in some situations, but not in others, and they do not work in a unified way. Using random integration of the difference, we develop a framework that includes and extends many existing methods, especially in high-dimensional settings, without restricting the same covariance matrices or sparsity. Under a general multivariate model, we can derive the asymptotic properties of the proposed test statistic without specifying a relationship between the data dimension and sample size explicitly. Specifically, the new framework allows us to better understand the test's properties and select a powerful procedure accordingly. For example, we prove that our proposed test can achieve the power of 1 when nonzero signals in the true mean differences are weakly dense with nearly the same sign. In addition, we delineate the conditions under which the asymptotic relative Pitman efficiency of our proposed test to its competitor is greater than or equal to 1. Extensive numerical studies and a real data example demonstrate the potential of our proposed test.
姜云卢教授就检验两个样本的均值是否相等，开发了一个框架，该框架包括并扩展了许多现有的方法，特别是在高维设置中，而不限制相同的协方差矩阵或稀疏性。在一般的多元模型下，我们可以推导出所提出的检验统计量的渐近性质，而无需明确指定数据维数与样本量之间的关系。具体来说，新的框架允许我们更好地理解测试的属性，并相应地选择一个功能强大的过程。例如，我们证明了当真实均值差中的非零信号具有几乎相同的符号的弱密集时，我们提出的测试可以实现1的幂。
在会议的最后，各位老师和同学们就感兴趣的问题与姜教授进行了广泛的讨论和交流，教授们就提出的问题一一进行了详细的解答，使得在座的老师和同学收获颇丰。
本次学术交流会拓展了同学们的学术视野，也激发了同学们的学习热情，更加努力学习研究新的领域与方法，并使老师和同学们对随机积分的高维均值向量的非参数双样本检验有了更深的理解，聆听报告的师生均表示受益匪浅。
（审核人：王丹、王纯杰）
数学与统计学院
2024年9月18日
