2019年10月28日，我院举办的“统计大讲堂”第九十七讲在明德主楼1037举行。本次报告邀请了山东大学金融研究院林路教授分享了他与学生的最新研究成果。我院吕晓玲教授主持了此次报告会。

吕晓玲教授首先介绍了报告人。

林路，山东大学金融研究院教授、博士生导师、副院长；在南开大学获得博士学位后,先在南开大学任教，然后到山东大学任教至今；从事高维统计、非参数和半参数统计以及金融统计等方的研究，在国际统计学、机器学习和相关应用学科顶级期刊Annals of Statistics, Journal of Machine Learning Research, PLoS computational biology和其它重要期刊发表研究论文100余篇；主持过多项国家自然科学基金课题、博士点专项基金课题等；获得国家统计局颁发的统计科技进步一等和二等奖等；是国家973项目、国家创新群体和教育部创新团队的核心成员，教育部应用统计专业硕士教育指导委员会成员，山东省政府参事。

林路教授的报告题目是：A Global Bias-Correction DC Method for Biased Estimation under Memory Constraint。林路教授首先介绍了研究问题的背景。计算机科学中DC算法(divide-and-conquer)是处理大规模数据集的重要算法之一。通过每台机器上的数据批处理得到局部结果，最后通过聚合这些局部结果得到全局结果。但是当局部估计量有偏差时，用直接平均或原来的DC表达式计算全局估计量无法实现一致估计，当一台机器上数据规模很大时甚至是发散的。而且现存的纠偏方法计算相对复杂，且纠偏效果不够好。林路教授定义了线性模型的统一框架，利用新定义的模型和最小二乘法提出了偏差修正的全局估计量(GBC-DC)，并研究了全局估计量的理论性质。数值模拟表明，GBC-DC方法对偏差具有显著的修正，其效果与完整数据估计的效果相当。

报告结束后在场师生与林路教授关于提出的全局统计量与最小二乘之间差异等问题进行了热烈讨论。