2019年11月4日，清华大学统计学论坛在伟清楼209成功举办，本次论坛邀请到了中科院系统所的张新雨研究员。报告由统计学研究中心助理教授吴未迟博士主持，报告的题目为Prediction using many samples with models containing partially shared parameters.
2019年11月1日，清华大学统计学论坛在伟清楼209成功举办，本次论坛邀请到了南京审计大学的孔新兵教授。报告由统计学研究中心助理教授吴未迟博士主持，报告的题目为 Large-dimensional Factor Analysis without Moment Constraints.
2019年10月28日，清华大学统计学论坛在伟清楼209成功举办，本次论坛邀请到了Partnership on AI 的研究科学家、Yale法律博士Alice Xiang. 本次报告由中心助理教授吴未迟主持，报告的主题是『算法公平性介绍』。
近日，杨振宁先生受我中心杰出访问教授汤家豪院士之邀访问清华大学统计学研究中心。
杨振宁先生的到访受到统计学研究中心师生的热烈欢迎。同学们都很珍惜这个同“国宝级科学家”见面交流的机会，并称呼此次活动为“硬核追星”。
杨先生首先在中心副主任邓柯副教授的介绍下，参观统计学研究中心，对清华大学统计学科的建设以及人才培养等情况进行了了解。提及与统计学科的渊源，杨先生说，当时他在西南联大读书时，统计学课程的教师是著名的数学家、统计学家许宝騄先生。提及当年的种种趣事，杨先生仍记忆犹新，把他记忆中许先生的往事同当今的统计学者分享。
与中心博士研究生的座谈环节原本计划半小时，但最后活动持续了近一个半小时。杨先生精神矍铄、思路清晰、声音洪亮，无不令在场学生印象深刻，现场完全感受不到这是一个97岁高龄的老人。杨先生跟中心博士研究生分享，如果当下对于学术方向的选择感到焦虑是很正常的，因为大多数学者在此时期都有相同感受。做学术研究还是要从自身的兴趣点出发，作为统计这一大学科方向，下设的如数理统计、文本分析、金融统计、生物医学统计等不同的学科分支，要选择自己最感兴趣的方向深入思考，才能挖掘出新的问题，新的发现。
汤家豪教授提及他近日为中心学生们开设的英文论文写作指导短期课程，指出英文学术论文的撰写也是当下学生们普遍遇到的难题。杨先生随即分享了他年轻时提高英文水平的办法——阅读。并推荐了用不查生词的方法阅读海明威等作家的原版小说，是当时他亲测有效的提升英语水平的方法。
同学们纷纷表示，与杨先生这一世界顶尖的科学家现场座谈的经历令他们印象深刻，深受鼓舞和触动。
近日，美国国家科学院院士、美国艺术与科学学院院士及爱尔兰皇家科学院院士，美国华盛顿大学统计和社会学教授阿德里·拉夫里（Adrian E.Raftery）院士访问清华大学统计学研究中心。
拉夫里教授受邀出席10月14日在紫光国际会议中心举办的“汤家豪院士清华大学杰出访问教授聘任仪式”，并在仪式上对汤家豪教授的受聘表示热烈的祝贺，对清华大学统计学研究中心——这支年轻又充满活力的团队表示高度的肯定。
随后，拉夫里教授到访清华大学统计学研究中心，同中心教员代表亲切座谈，从学科建设、人才培养、学术研究等多方面了解中心情况。
2019年10月14日下午，由清华大学统计学研究中心主办的“汤家豪院士清华大学杰出访问教授聘任仪式”在紫光国际会议中心举行。
汤家豪教授是香港中文大学统计系创始人，曾任英国肯特大学数学学院主任、伦敦政治经济学院统计学系讲座教授、香港大学统计与精算系讲座教授、香港大学研究院创院院长和副校长，现为挪威科学与文学院外籍院士、电子科技大学特聘讲席教授、国际统计学会会士、数理统计学会会士及精算学会荣誉会士。汤家豪教授是“非线性时间序列分析”的重要开创者之一，在统计学领域取得了杰出的学术成就，是国际上具有相当影响力的统计学家。本次汤教授受聘清华大学杰出访问教授，将凭借其丰富的经验和国际视野，在学科建设与发展、人才培养、学术研究等方面对清华大学统计学科的建设给予指导。
此次聘任仪式由清华大学统计学研究中心副主任邓柯副教授主持。邓柯副教授介绍了汤教授在非线性时间序列领域做出的卓越贡献，指出汤教授提出的门限自回归模型是非线性时间序列分析的经典模型之一，所著的《非线性时间序列：一种动态系统方法》（《Non-Linear Time Series: A Dynamical System Approach》）专著是非线性时间序列分析的重要参考文献。邓柯副教授强调，汤教授一直以来对清华大学统计学科的建设都给予了极高的关注，并不断鞭策年轻学者，对其学术生涯的发展给出中肯的建议与指导，此次聘请汤教授出任清华大学杰出访问教授，必将加快清华大学建成世界一流统计学科的步伐。
随后，清华大学统计学研究中心杨立坚教授代表中心学术委员会在致辞中提到，汤教授学术成就非凡，仅在其博士毕业之后的十年之内，就在行业顶级期刊上发表了近20篇文章，其中大部分都是其独立完成，令人敬佩。汤教授待人和善，涉猎广泛，并用实际行动和所学所想，贯通中西方文化。在汤教授有关非线性时间序列的一本专著中，每一章节都用老子的箴言切入，而书中的统计学内容也与开篇箴言有异曲同工之妙。对中国文化的热爱堪称汤教授学术灵感的来源。
恰逢美国国家科学院院士、艺术与科学学院院士及爱尔兰皇家科学院院士，华盛顿大学统计和社会学教授阿德里·拉夫里（Adrian E. Raftery）教授到访统计学研究中心，与美国国家科学院院士、哈佛大学荣休教授、清华大学特聘教授唐纳德·鲁宾教授（Donald Rubin）教授，清华大学工业工程系李志忠教授、数学系杨瑛教授，北京大学概率统计系姚方教授，中国人民大学统计与大数据研究院郭绍俊副教授、朱利平教授，吉林大学概率统计与数据科学系赵世舜教授等专家学者一起作为特邀嘉宾，共同出席了本次聘任仪式，专家们对汤家豪教授的受聘纷纷表示热烈的祝贺，并对清华大学统计学科的发展给予了高度的肯定。
注：Journal of Econometrics是教育部认可的12本经济学国际A类（顶级）期刊之一，由Elsevier出版，近五年平均影响因子为2.668。
论文网页：https://www.sciencedirect.com/science/article/pii/S0304407619301885。
2019年9月30日，清华大学统计学论坛在伟清楼209成功举办，本次论坛邀请到了佐治亚大学的钟文瑄教授。本次报告由中心的助理教授吴未迟博士主持，报告的题目是统计学与智能医疗的未来。钟教授从实际应用的角度出发，介绍了人工智能（AI）在医疗领域的应用，包括医学影像识别、智能诊断、高效药物研发、智能健康管理等方面。
在医学影像识别领域，目前研究团队主要集中于数据收集和数据清洗工作，如肺结节已经有了标准的数据库供识别应用；在疾病智能诊断方面，主要利用医疗电子病历（EMR）进行知识挖掘，辅助决策制定，如肺癌诊断等；在高效药物研发方面，著名药厂诺华公司此前收购某知识图谱产品，以期通过AI的方法加快药物研发的进程，减少研发的成本；在智能健康管理方面，主要体现在DRG医保支付制度改革，通过医学和统计学方法，来控制医保费用，减轻社会负担。
此外，钟教授介绍了国内医疗智能的公司visible heart的相关业务，包括肺癌诊断、肠炎诊断、药物研发知识图谱、肠道微环境监测、跨医院融合健康评估、乳腺癌分析、智能冠心病初诊解决方案等，并与参加本次论坛的师生进行了热烈的讨论。
任课教师：Adrian Raftery
时间： 13:30-15:05，2019-10-11 & 18; 15:20-16:55，2019-10-15 & 16
地点：清华大学近春园西楼三层报告厅
课程描述
Review of basic concepts of demography; Review of basic concepts of Bayesian statistics; probabilistic population projections; statistical population reconstruction.
预备知识
Basic mathematical statistics
清华大学统计学研究中心俞声教授于2018年发表在医学信息学顶刊Journal of the American Medical Informatics Association（JAMIA）的论文“Enabling phenotypic big data with PheNorm”[1]日前被国际医学信息学会（International Medical Informatics Association，IMIA）2019年医学信息学年鉴（Yearbook of Medical Informatics）评为2018年发表的知识表示与管理类最佳论文[2]。
医学信息学是使用信息与计算等手段解决医学问题、推进医学发展的新兴学科。每年国际医学信息学会都会发布年鉴，总结前一年医学信息学各领域的发展与突出贡献。本次俞声教授的论文从962篇相关论文中脱颖而出，获评知识表示与管理类年度最佳论文（共4篇）。该文章提出了一种完全意义上的高通量表型提取算法PheNorm，通过混合分布拟合与降噪式无监督回归的方法，实现了准确且不依赖专家标注的临床表型提取算法训练，使表型提取模型的开发速度从每年1-2个提高到每年上千个，极大地提升了医学研究效率。该方法已在美国多家顶级医学研究机构大规模使用[3]。
1 Yu S, Ma Y, Gronsbell J, et al. Enabling phenotypic big data with PheNorm. J Am Med Inform Assoc 2018;25:54–60. doi:10.1093/jamia/ocx111
2 Dhombres F, Charlet J, Management SE for the IYS on KR and. Formal Medical Knowledge Representation Supports Deep Learning Algorithms, Bioinformatics Pipelines, Genomics Data Analysis, and Big Data Processes. Yearb Med Inform 2019;28:152–5. doi:10.1055/s-0039-1677933
3 Liao KP, Sun J, Cai TA, et al. High-throughput multimodal automated phenotyping (MAP) with application to PheWAS. J Am Med Inform Assoc doi:10.1093/jamia/ocz066