佛罗里达大学Peihua Qiu教授特邀报告

2018年12月17日，【统计学论坛·特邀报告】在清华大学伟清楼209室成功举办。本次报告邀请到美国佛罗里达大学的Peihua Qiu教授。报告由清华大学统计学研究中心的俞声教授主持。报告的主题是From Disease Surveillance to Image Monitoring Challenges in Modern SPC Researchand Applications.

Qiu教授

首先，Peihua Qiu教授给我们介绍了什么是SPC（statistical process control）。大数据时代下每天都会有大量新的数据产生，每一次新产生的数据构成了数据流（data stream）。我们非常关心数据流背后的数据产生机制，了解了这些机制，将有助于我们在各个领域进行推断。而SPC便是帮助我们了解数据流背后数据产生机理的一种重要的统计学方法。Peihua Qiu教授给我们举了SPC在实际应用中的一些例子，包括车间里面用来检测钢板产生的裂纹，公共卫生领域用来监控流行病的发生与传播等。

随后，Peihua Qiu教授介绍了SPC研究中一些基本的术语和方法。着重介绍了CUSUMChart 的计算和实现方法，讲解了其在理论上的一些好的性质。其他基本的SPC Chart还包括：Shewhart Chart，EWMA Chart和CPD Chart。

Peihua Qiu教授随之介绍了早期的SPC方法中的一些缺点和存在的问题。早期的SPC方法主要研究单变量的问题，主要用参数模型来刻画数据的分布，而且通常假设数据是服从独立同分布的。 Qiu教授在实际工作中发现多数问题其实是有多个变量的，而且这些多元变量的分布往往不是多元正态分布，这类多元非正态数据用当时的SPC方法不容易处理。正是基于此，Peihua Qiu教授也决定要处理这一实际中非常需要解决的问题，开始了SPC的研究。此外，Qiu教授还给我们介绍了他在SPC研究中的一些成果。他提出了SPC问题中的非参模型，使得实际应用中的SPC方法具有更好的鲁棒性。并研究了时间上存在相关性的数据，希望能够找到一个好的时间序列模型刻画它。同时，Qiu教授还与我们分享了自己现在研究的内容以及现存的一些问题。目前在SPC 领域有大量的有意义的问题值的我们去研究，这也极大鼓舞了许多在场的年轻同学。

最后，Qiu教授介绍了现阶段SPC 研究中尚待解决的一些问题和今后面临的挑战。大数据时代下数据流非常普遍，而SPC是处理数据流的重要方法。在大数据面前，如何降维，如何计算，如何处理时变问题，这些都需要新的SPC方法。相信SPC会在今后大数据时代发挥越来越重要的作用。

论坛现场

与会人员合影

会议整理：黄昆

编辑：侯禹珊