因果推断

报告题目： 因果推断

报告人：  耿直教授（北京大学数学科学学院）

时间地点：2019年4月18日(星期四)下午3:00-  

             紫金港校区管理学院行政楼14楼1417报告厅

摘要：探索事物之间的因果关系和因果作用是很多科学研究的重要目的. 因果推断的统计方法是利用试验性研究和观察性研究得到的数据, 评价变量之间的因果作用和挖掘多个变量之间的因果关系. 本文将介绍因果作用和因果关系的形式化定义, 以及因果推断的两个主要统计模型: 潜在结果模型和因果网络模型. 本文将探讨因果作用的可识别性和因果网络的结构学习, 综述有关因果推断的若干研究问题和动态.

   参考论文

1. Geng, Z., Liu, Y., Liu, C. C. and Miao, W. (2019) Evaluation of Causal Effects and Local Structure Learning of Causal Networks. Ann. Rev. Statist. & Appl. 6, 103-124.
2. 苗旺，刘春辰，耿直 (2018) 因果作用与因果网络. 中国科学-数学, 48, 1753-1778.

欢迎参加！

联系人: 张立新教授 stazlx@zju.edu.cn

       浙江大学数据科学研究中心、浙江大学数学科学学院统计学研究所 

报告人简介：

耿直, 北京大学数学科学学院，教授,博士生导师，国家杰出青年基金获得者。曾任中国现场统计研究会理事长，中国概率统计学会理事长，IMS-China的主席(President)，国家自然科学基金委员评审会专家组成员，国家统计局统计咨询委员会委员。 现在担任国务院学位委员会统计学学科评议组成员和国家社会科学基金学科评审组专家。研究领域为数理统计学、生物医学统计。研究方向为因果推断、不完全数据分析、生物医学和流行病学方法等。研究成果主要发表在统计学、机器学习和人工智能等领域的核心刊物。