| 成果基本信息 | ||||||
| 关键词: | 生物医学;数据统计分析;统计推断方法;最优模型平均估计 | |||||
| 成果类别: | 技术成熟度: | |||||
| 体现形式(基础理论类): | 体现形式(应用技术类): | 无 | ||||
| 成果登记号: | 4912018J0183 | 资源采集日期: | 2019-04-15 | |||
| 研究情况 | |||||
| 单位名称: | 中国科学院数学与系统科学研究院 | 技术水平: | |||
| 评价证书号: | 评价单位: | ||||
| 评价日期: | 2018.10.31 | 评价证书号: | |||
| 转化情况 | |||||
| 转让范围: | 推广形式: | 无 | |||
| 已转让企业数(个): | 0 | ||||
| 联系方式 | |||||
| 联系人(平台): | 孵化基地 | 联系人(平台)电话: | 0771-3394012 | ||
| *成果单位详细联系方式请登录会员;还不是会员,马上注册! | |||||
| 成果简介 | |||||
| 本项目研究生物医学数据包含高维或超高维数据、函数型数据、纵向数据、缺失数据及随机删失数据统计分析的方法、理论与应用,开展统计学与生物医学交叉研究。具体地,我们探讨生物医学一些重要问题中因果路径上多变量之间的因果作用的可识别性与传递性以及主分层的因果作用的统计推断方法;研究复杂生物数据的模型选择和模型平均方法,建立最优模型平均估计的理论;研究复杂生物试验最优设计与数据质量监控技术;发展变量选择方法、模型选择方法及降维技术分析处理生物、医学研究中高维数据及复杂高维数据;发展模型探测技术,研究函数多项式模型,使用奇异分解方法研究函数型数据的分析方法,使用相对误差准则发展函数乘积模型的统计推断方法与模型选择方法;基于一些半参数模型研究随机删失下纵向数据统计分析的方法。 |