2025年11月27日下午，密歇根大学Peter Song教授应邀开展以“Statistical Analysis of Weak Signals”为主题的学术讲座。本次讲座在综合楼644会议室举行，由统计与数据科学学院张荣茂教授主持。

Peter Song教授是密歇根大学安娜堡分校公共卫生学院生物统计学教授。他于1996年在加拿大温哥华英属哥伦比亚大学获得统计学博士学位，已发表250余篇同行评审论文，培养28名博士研究生，指导6名博士后研究员。Peter Song教授当前研究方向包括数据整合、分布式推断、高维数据分析、纵向数据分析、中介分析及时空建模。他是IMS会士、ASA会士，同时担任国际统计学会当选会员。现任《Annals of Applied Statistics》（医学、电子健康记录与智慧健康领域）领域编辑，《Journal of American Statistical Association》《Journal of the Royal Statistical Society Series B (Statistical Methodology)》及《Journal of Multivariate Analysis》副主编。

Peter Song教授的报告内容主要包括三个部分。首先，Peter Song教授从典型应用场景出发，介绍弱信号统计分析（SAWS）在问卷条目测量、食品中农化物残留检测、基因稀有变异识别、日常行为监测以及污水中病毒信号提取等领域的重要作用，并阐明其面临的核心困难。由于弱信号效应通常十分微弱，加之样本量有限，传统回归方法往往难以准确识别单个信号的贡献，因此需要通过将信号合理分组来增强其总体可检测性。本部分概述了现有方法的不足以及发展新方法的必要性。接着，Peter Song教授重点介绍基于混合整数优化的全新SAWS 框架。该方法的一项关键创新在于，将原本属于分组或聚类的问题重新刻画为参数估计问题，从而使信号分组、关联强度估计与统计推断能够在统一框架下同步完成。报告在这一部分解释模型的核心思想、求解策略及其相对传统监督同质性探寻方法的主要优势。最后，Peter Song教授结合模拟研究与实际数据分析，展示该方法在精度、稳定性、可解释性和计算效率等方面的综合表现，并通过与多种现有方法的系统对比，进一步论证了其在弱信号分析中的广阔应用潜力。

讲座最后，Peter Song教授与现场师生围绕方法实现、模型适用性及未来研究方向进行了热烈而深入的交流。与会师生纷纷表示获益良多。张荣茂教授代表学院对报告的精彩分享表达诚挚感谢，并指出本次讲座内容前沿、视野开阔，对学院师生在弱信号分析领域的科研探索具有重要启发意义。