2025年12月26日，数学与大数据学院主办“统计大样本理论及应用报告会”。本次会议采用线上线下相结合的方式，旨在聚焦该领域的核心进展与跨学科应用，分享最新研究成果，探讨大样本统计理论的发展趋势与挑战。会议邀请了安徽大学大数据与统计学院院长王学军教授、池州学院大数据与人工智能学院副院长吴燚博士、安徽大学大数据与统计学院统计系主任席梦梅博士、安徽建筑大学数理学院卢超博士等专家学者。数学与大数据学院党委书记陈小波、副书记郝江锋、副院长苏先锋出席会议，学院感兴趣的青年教师及部分学生代表全程参与，现场学术氛围浓厚。
报告会由郝江锋主持，他在致辞中表示，统计大样本理论作为现代数据科学的重要基石，在人工智能、金融工程、生物信息等众多领域发挥着关键作用。此次会议的举办，不仅有助于推动学科交叉融合，也将为青年教师和研究生提供宝贵的学术视野与科研启发。
王学军作了题为《Restricted estimations in partially linear additive and partially linear varying coefficient models》的报告。他深入探讨了在部分线性可加模型与部分线性变系数模型中约束估计的理论性质与计算方法，为复杂高维数据建模提供了新的思路。
吴燚聚焦深度学习与数理统计的交叉领域，作了题为《Learning rate of deep neural networks for heavy-tailed τ-mixing processes》的学术报告。他系统分析了在重尾τ-混合过程下深度神经网络的学习速率，拓展了非独立同分布数据下深度学习理论的研究边界。
席梦梅围绕密度估计的稳定性问题，作了题为《Stability of nearest neighbor density estimator under m-WOD samples and its application in classification》的报告。她基于m-WOD样本框架，研究了最近邻密度估计量的收敛性与稳健性，并展示了其在分类任务中的实际应用价值。
卢超则带来了题为《Berry-Esseen bounds for (θ, F, ψ)-weakly dependent random variables and their applications》的精彩报告。他针对一类新型弱相依随机变量建立了Berry-Esseen界，并探讨了其在统计推断与风险评估中的具体应用，为极限理论在非经典相依结构下的推广提供了有力支撑。
本次报告会内容丰富、观点前沿，充分展现了统计大样本理论在现代数据科学中的核心地位与广阔前景。与会师生纷纷表示受益匪浅，期待未来有更多此类高水平学术交流活动，进一步推动学院科研水平与人才培养质量的提升。（文、图/岳霄霄 初审/岳霄霄 复审/郝江锋 终审/陈小波 发布/岳霄霄）