2026年3月 10日下午，应数学科学学院吴奕飞院长邀请，麦考瑞大学Samuel Muller教授来我院交流指导并作题为 “The Future of Statistical Modelling: Trustworthy Learning from Complex Data” 的学术报告。统计与金融数学研究室的师生们参加了本次报告会。

Samuel Muller 教授目前担任麦考瑞大学科学与工程学院执行院长，曾任国际生物统计学会澳大利亚亚地区主席，获得的国际认可包括：美国统计协会会士、国际统计研究所推选会员，以及科学研究荣誉学会(Sigma Xi)会员。他的研究聚焦于：变量选择和特征提取；统计模型构建；高维数据分析；稳健估计方法；多平台数据分类。

报告开篇指出，随着数据采集技术的飞速发展，统计建模正面临着前所未有的复杂环境，数据呈现高维度、强相关、样本量有限等特点，传统方法在稳定性与可解释性方面遭遇瓶颈。Samuel Muller教授通过回顾历史上若干著名的预测失败案例，例如1985年新可乐销售预测、2016年美国大选预测以及2021-2022年英国央行通胀预测，警示了忽视情感因素、供应链变化等复杂变量可能带来的风险，凸显了发展适应性更强、更稳健的统计方法的紧迫性。针对当前挑战，报告提出了三条关键技术路径：

1)正则化与特征筛选：报告介绍了如Air-HOLP等高维数据处理方法，旨在提升预测精度、增强模型可解释性，并有效减少过拟合。

2)模型的鲁棒性与稳定性：强调模型选择过程中的不确定性评估，提出通过重复特征选择、贝叶斯稳定性选择等策略来识别和量化模型的不稳定性，从而提高模型的泛化能力。

3)不确定性量化与专家知识融合：倡导在建模过程中引入透明度和不确定性评估，并利用贝叶斯方法融合领域专家知识，以增强推断的可信度和稳健性。

报告最后强调，现代统计方法对健康医学、环境科学、工业政策等领域的科学发现和决策支持具有至关重要的作用。未来统计建模的核心方向在于开发既稳健又具备可解释性、同时值得信赖的模型。实现这一目标需要统计学家、领域专家和数据科学家之间的跨学科合作，并持续推动方法论的创新研究。穆勒教授作为国际知名统计学家，其观点为统计学科在数据科学时代的转型提供了重要参考，也为相关领域的政策制定和实践应用指明了方向。