11月24日下午，应统计日韩无码 邀请，香港中文大学助理研究员张莉莉博士在为统计日韩无码 师生带来一场题为“Topics on multivariate analysis”的线上讲座。本次讲座由统计日韩无码 副院长刘小惠主持，统计日韩无码 部分教师和研究生参加。

讲座中，张莉莉博士简要介绍了聚类分析以及混合模型在聚类分析中的应用。由于选择合适的混合分布模型十分重要，因此，张莉莉博士首先对几类经典的混合模型及其性质进行了介绍，包括高斯混合模型、多元斜正态分布的混合非椭圆等高线分布的混合、移位非对称拉普拉斯分布的混合、广义双曲分布的混合等。

 随后，张莉莉博士讲解用于如何基于Copula因子混合模型对高维数据进行聚类。考虑到在现实生活中，高维数据的聚类分析存在如下挑战：（1）各分量的边际分布可能并不遵循单一分布，且相互间的相关关系可能遵循不同模式，（2）数据维数过高，在具体聚类前需要先进行降维处理。针对问题(1)，Copula函数是用于刻画此类相关关系模式的重要统计工具，而对于（2），现有的因子分析模型可有效用于高维数据的降维处理。有鉴于此，张莉莉博士重点介绍如何结合使用Copula和因子分析模型来进行高维数据的聚类分析，并与混合因子分析仪（MFA）、简约模型的混合（Mclust）、共因子分析仪（MCFA）等混合模型进行对比。

讲座最后，张莉莉博士还介绍了空间数据变点检测的方法在青光眼分析中的应用，向量自回归模型及可用于确定该模型阶数的相关方法等。

此次张莉莉博士的精彩演讲，完整展示了混合模型研究的理论与实践分析，为统计日韩无码 师生从事相关研究工作提供了有益示例。

【延伸阅读】

​主讲人张莉莉博士，香港中文大学统计系助理研究员，曾获得韩国国立大学全球奖学金。发表《逻辑回归模型中的变量选择》于中国电子杂志，参加轨道交通控制与安全国家重点实验室研究。主要研究方向：时间序列，聚类分析。

（文/戴静怡 图/戴静怡 编辑/金佳慧 审核/林阳 陶春海）