2018年7月9日上午，湖北工业大学理学院罗幼喜博士应理学院邀请，在明理楼B101教室为我院师生作了题为“贝叶斯分位回归建模方法”的学术报告。

纵向数据是当前实际工作者面临的最常见数据之一，然而传统均值纵向数据回归模型的不稳健性和透视数据的单一性使得模型在数据信息的提取上还不够充分有效。罗博士在报告中针对纵向数据提出了一种新的贝叶斯分位回归建模方法。通过引入非对称拉普拉斯分布, 建立了贝叶斯分层分位回归模型，并在任意 分位点处获得了未知参数的后验联合分布。为了克服髙维积分运算带来的困难,罗博士在报告中给出了两种参数估计的 MCMC 算法: Metropolis-Hastings 算法和 Gibbs 抽样算法。两种算法不仅能够灵活容纳模型中的多重随机效应， 而且允许随机效应有不同的先验分布。最后通过对一个实际的纵向数据建模分析，给出了新方法的应用并获得了一些新结论。

报告会结束后,罗幼喜博士还同与会师生面对面进行了交流讨论。