信息来源：中国人民大学统计与大数据研究院 发布日期：2026年1月7日

    在小说阅读器中沉浸阅读2025年12月9日上午，佛罗里达州立大学曹宏媛教授受邀访问中国人民大学。曹宏媛教授开展了主题为“Testing composite null hypotheses with high-dimensional dependent data: a computationally scalable FDR-controlling procedure”的讲座，主要探讨高维非独立数据的复合原假设检验。本次讲座由统计与大数据研究院杨光宇助理教授主持。

曹宏媛首先介绍了识别可重复的空间变异基因问题，其难点在于复合原假设和两个数据集间的异质性。其次，针对多重检验中普遍存在的依赖结构被忽视、检验功效不足等问题，曹宏媛提出了一种融合隐马尔可夫模型与非参数估计的稳健推断框架，能同时刻画特征间的局部依赖与研究间异质性。该框架采用局部错误发现率来衡量两列p值的异质性，基于密度函数的单调约束，在显式表达中嵌入估计量即可估计局部错误发现率。为估计联合似然函数，借助EM算法，曹宏媛设计了单调约束下的非参数极大似然估计，并重点阐述其与加权保序回归的关系。在理论层面，曹宏媛证明了优化过程中密度函数的距离能够被控制，从而错误发现率也能够被有效控制，而针对多研究场景下计算复杂度指数增长的问题，曹宏媛创新引入e值框架，显著提升方法可扩展性。在模拟与实证分析中，该方法在相同错误发现率控制水平下，相比传统BH交叉法、MaxP等策略，显示出更高的检验功效。应用于空间转录组与全基因组关联研究，其成功识别出若干现有方法遗漏的显著基因与变异位点，并经外部数据库验证具有更高生物可解释性。该方法仅需p值作为输入，与平台无关、适应性强，为高维生物医学与遗传学中的可重复性分析提供了统一、稳健的计算工具，也为进一步整合缺失数据与复杂依赖结构的高维推断奠定了方法基础。

       讲座结束后，师生们反映受益良多，不仅拓宽了学术视野，也为他们提供了全新的研究思路和方法，进一步激发了大家的学术热情。研究院今后会继续邀请国内外专家学者开展系列讲座，不断拓宽师生的学术视野，持续打造研究院在学术领域的品牌影响力，为统计与大数据领域的发展贡献更多力量。

讲座结束后，与会师生纷纷表示受益良多。本次讲座拓展了师生们在高维数据的假设检验领域的研究视野，进一步激发了同学们研究统计学理论的热情。未来研究院将持续邀请海内外专家学者开展高水平学术讲座，持续打造研究院在统计与大数据领域的学术品牌影响力，为推动统计学科发展贡献更多力量。