（通讯员：刘晔）2026年3月4日下午19：00，我院特邀中国人民大学朱利平教授做学术报告。本次报告由数学与统计学院承办，会议由学院院长王纯杰教授主持，学院副院长杨凯教授和网数中心主任兼大数据科学研究院院长秦喜文教授等多位教师参加了本次学术报告会。

会议开始之际，王院长对朱教授的到来表示感谢，并对朱教授及其研究内容做了简单的介绍。

报告人简介：朱利平，中国人民大学教授、博士生导师，学校和理工学部学术委员会委员，统计与大数据研究院院长，人民教育出版社普通高中教科书《数学》联合主编，享受国务院政府特殊津贴专家，国家重大人才工程入选者，国家杰出青年科学基金获得者，国家重点研发计划首席科学家，兼任中国现场统计研究会生存分析分会理事长和高维数据统计分会副理事长等。

报告题目：面向高维异质数据的鲁棒关联分析

报告摘要：皮尔逊相关系数等经典关联分析方法通常直接基于观测值度量关联性，但在处理高维数据时，常面临随机变量取值范围差异显著（即异质性强）的挑战。在此情形下，聚合高维自变量与因变量的关联时，取值范围较大的自变量易主导聚合结果，致使取值范围较小的自变量之关联信息被掩盖。为此，本文提出一类基于排序的鲁棒关联分析方法，并从理论上严格分析了该方法在异质及同质情形下的统计检验功效，证明了其在应对高维数据异质性方面的优势。

报告伊始，朱老师首先系统介绍了数学与统计学领域的预备知识，帮助在场师生夯实基础。他明确指出，预测是统计学和统计学习的核心任务，而高维预测则是该领域当前研究的热点与难点。在此基础上，朱老师重点讲解了高维线性预测模型，详细阐述了如何构造检验统计量以及如何检验高维线性模型的预测能力。他指出，在这一过程中，主要面临的挑战包括高维度带来的计算复杂性、高偏差问题、非线性关系的存在以及样本异质性等。面对这些难题，如何处理高维数据的渐近相对功效成为关键问题，朱老师结合其团队的研究成果，分享了他们在这一方向上的重要进展与理论贡献。

随后，朱老师围绕第二部分内容，聚焦于分布层面的研究。他强调，相关分析作为统计学领域的基本问题，是因果推断与统计学习的基础与前提。朱老师以二元正态分布为切入点，逐步过渡到高维正态分布，详细讲解了皮尔逊相关系数、鲁棒相关系数及其检验统计量的计算方法，并探讨了如何在兼容异质性的情况下有效度量非线性关系。他还结合实际应用场景，分析了在不同条件下高维正态分布的渐近相对功效，展示了相关方法在复杂数据结构中的适用性与稳健性。

最后，朱老师对报告内容进行了全面而深入的总结。他指出，相关分析不仅是预测建模的逻辑前提，也是其统计基础，而预测分析则是相关分析的量化延伸与实践应用。与此同时，相关分析是建立因果机制的起点，为因果推断提供初始假设；因果推断则是在控制混杂因素、考虑时间顺序和因果方向的基础上，对相关分析进行深化与提升，从而建立或验证因果机制。朱老师进一步强调，相关分析的内涵十分丰富，不仅涵盖线性相依关系、单调相依关系和函数相依关系，还为更复杂的非线性相依研究提供了理论支撑。整场报告逻辑清晰、内容详实，令在场师生受益匪浅。

报告结束后，现场师生围绕高维数据分析、统计检验方法的选择及应用场景等问题踊跃提问。朱老师对每一个问题都给予了耐心细致的解答，并结合自身研究经验与大家分享了学术探索中的思考与感悟。现场讨论气氛热烈，学术交流氛围浓厚，思想的碰撞为在场师生带来了诸多启发。

聆听本次报告，师生们纷纷表示受益匪浅。朱老师深入浅出的讲解不仅帮助大家系统梳理了相关分析与预测建模的理论脉络，也加深了大家对高维统计方法前沿研究的理解。本次报告为学院师生拓宽学术视野、激发研究思路提供了宝贵机会，也为后续在统计学、数据科学及相关交叉领域开展深入研究奠定了坚实基础。

初审：关迪

复审：杨凯

终审：王丹、王纯杰

数学与统计学院

2026年3月5日