2015年西部地区统计学青年教师暑期培训

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11526027
  • 项目类别:
    数学天元基金项目
  • 资助金额:
    75.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A0402.统计推断与统计计算
  • 结题年份:
    2015
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2015-07-20 至2015-12-31

项目摘要

To train statistician fitting in with socieconomic development, every university has performed series of teaching reforms including training mode and method and courses for students major in statistics. But there is teaching ability to statistics teachers among universities because of university's level. Particularly, it is more serious in the west area than other areas because of remote districts and underdeveloped area and relatively backward in education. To this end, we will invite famous experts to teach "probability”, “statistics","multivariate statistical analysis", "Applied Regression Analysis", "statistical Computation and R software" based on the following principles such as "follow-up, guide and improve" and the following teaching models such as "problem analysis, case analysis and discussion for each other". Main purpose of this project is to improve statistics teachers’ teaching level and research ability.
为培养适应新时期社会经济发展所需要的统计人才,各高校都不同程度地进行了统计人才培养模式、方法和课程等教学改革。但由于各高校层次、水平、类型等不同,统计师资也存在着很大的差异。特别是西部地区,由于地理位置偏远、经济欠发达、教育相对落后,各高校统计师.资更是薄弱。针对于此,本项目将本着"跟进、引领、提高"的原则,采用问题解剖、案例分析、小组讨论等方式,邀请国内外有丰富经验的知名专家讲授概率论、数理统计、多元统计分析、应用回归分析、统计计算与R软件等课程,这对提高西部地区统计学师资的教学科研水.平和能力具有非常重要的意义。

结项摘要

本项目于 2015 年 7 月 20 日—8 月 11 日在大理大学举办了“2015 年西部地区统计学青年教师暑期培训”,来自全国 21 个省市区 76 余所高校的 125 名学员参加了此次培训。邀请了国内 6 位著名的统计学家就以下三大块课程:专业基础课(概率论、数理统计)、专业核心课(多元统计分析、应用回归分析)、统计软件与实验课(统计计算、R软件与统计分析)给学员们进行了培训,全面完成了项目计划书中拟定的各项培训任务,并取得了以下重要成果:(1) 采取专家示范教学、学员试讲+授课专家点评、学员上机实践+授课专家点评、分组讨论和教学方法辩论、课堂教学比赛等方式,使参训学员深入理解了统计学有关课程改革的背景、指导思想、改革目标,转换了教学观念,充分认识到了统计学相关课程教学改革的重要意义,增强了学员们推进统计学教学改革的紧迫感和责任心;(2) 使参训学员对统计学有关课程教学的新理念、新方法以及这些培训课程的重点、难点和讲授的技巧等有了更加准确地把握,对国内外统计学的最新发展、统计学教学改革的新方向、统计学实验课程教学的新特点有了较好地掌握,让每一位学员都感受到大师级上课的风范以及课堂教学的艺术性,显著提高了参训学员的科研水平和教学能力。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Consistency and asymptotic normality of profile-kernel and backfitting estimators in semiparametric reproductive dispersion nonlinear models
半参数再生色散非线性模型中轮廓核和后拟合估计器的一致性和渐近正态性
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Science in China Series A: Mathematics
  • 影响因子:
    --
  • 作者:
    唐年胜;陈雪东;王学仁
  • 通讯作者:
    王学仁
Estimation and variable selection in generalized partially nonlinear models with nonignorable missing responses
具有不可忽略的缺失响应的广义部分非线性模型中的估计和变量选择
  • DOI:
    10.4310/sii.2018.v11.n1.a1
  • 发表时间:
    2018
  • 期刊:
    Statistics and Its Interface
  • 影响因子:
    0.8
  • 作者:
    唐年胜;唐琳
  • 通讯作者:
    唐琳
Bayesian Analysis for Mixture of Latent Variable Hidden Markov Models with Multivariate Longitudinal data
潜变量隐马尔可夫模型与多元纵向数据混合的贝叶斯分析
  • DOI:
    10.1016/j.csda.2018.08.004
  • 发表时间:
    --
  • 期刊:
    Computational Statistics and Data Analysis
  • 影响因子:
    1.8
  • 作者:
    夏业茂;唐年胜
  • 通讯作者:
    唐年胜
含不可忽略缺失数据非线性再生散度模型参数的Bayes估计
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    生物数学学报
  • 影响因子:
    --
  • 作者:
    和燕;彭燕梅;唐年胜
  • 通讯作者:
    唐年胜
A nonparametric Bayesian continual reassessment method in single-agent dose-finding studies
单药剂量探索研究中的非参数贝叶斯连续重新评估方法
  • DOI:
    10.1186/s12874-018-0604-9
  • 发表时间:
    2018
  • 期刊:
    BMC MEDICAL RESEARCH METHODOLOGY
  • 影响因子:
    --
  • 作者:
    唐年胜;王松剑;叶根
  • 通讯作者:
    叶根

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

唐年胜的其他基金

分布式张量回归的变分推断
  • 批准号:
    12271472
  • 批准年份:
    2022
  • 资助金额:
    46 万元
  • 项目类别:
    面上项目
高维缺失数据半监督支持向量机研究
  • 批准号:
    12126362
  • 批准年份:
    2021
  • 资助金额:
    20.0 万元
  • 项目类别:
    数学天元基金项目
国际贝叶斯分析学会2020年世界大会
  • 批准号:
  • 批准年份:
    2019
  • 资助金额:
    20 万元
  • 项目类别:
数学学科2021-2035年中长期发展规划及“十四五”发展规划战略研究
  • 批准号:
  • 批准年份:
    2019
  • 资助金额:
    10 万元
  • 项目类别:
    专项基金项目
2018年统计学研究生暑期学校
  • 批准号:
    11826027
  • 批准年份:
    2018
  • 资助金额:
    60.0 万元
  • 项目类别:
    数学天元基金项目
超高维数据统计推断
  • 批准号:
    11731011
  • 批准年份:
    2017
  • 资助金额:
    250.0 万元
  • 项目类别:
    重点项目
2017年全国统计学研究生暑期学校
  • 批准号:
    11726024
  • 批准年份:
    2017
  • 资助金额:
    60.0 万元
  • 项目类别:
    数学天元基金项目
删失数据超高维共线性模型的变量选择
  • 批准号:
    11726615
  • 批准年份:
    2017
  • 资助金额:
    20.0 万元
  • 项目类别:
    数学天元基金项目
不可忽略缺失数据模型的统计推断方法研究
  • 批准号:
    11671349
  • 批准年份:
    2016
  • 资助金额:
    50.0 万元
  • 项目类别:
    面上项目
2016年统计学研究生暑期学校
  • 批准号:
    11626020
  • 批准年份:
    2016
  • 资助金额:
    68.0 万元
  • 项目类别:
    数学天元基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码