3月19日，统计与数据科学学院举办“统计学前沿讲座”。北京中医药大学数据科学与人工智能学院院长、中国科学院预测科学研究中心副主任张正军应邀作题为“Indirect Statistical Inference with Guaranteed Necessity and Sufficiency”（兼具必要性与充分性保证的间接统计推断）专题学术报告。学院院长任韬主持报告会。

报告中，张正军围绕连续型随机变量的间接统计推断问题，系统介绍了兼具“必要性”与“充分性”双重保证的新型统计推断框架，并提出基于有序样本相对误差的优化准则。相较于基于绝对误差的经典方法，该新方法收敛速度更快，对分布函数的可逼近性假设更弱，且能同时实现点估计与区间估计。张正军结合模拟实验与实际数据分析，验证了新方法在保留分布假设、提升推断精度方面的显著优势，展现了其在传统方法适用受限场景中的良好应用潜力，体现了现代统计推断方法理论创新与实际应用的深度融合。

张正军，北京中医药大学数据科学与人工智能学院院长、中国科学院预测科学研究中心副主任。曾任职美国威斯康星大学麦迪逊分校统计系终身教授、副系主任，同时兼任生物医学信息学系联合教授，曾任中国科学院大学统计与数据科学系主任。其研究方向涵盖统计理论与方法、计量经济学、金融计量学、计算医学及极端气候研究，研究成果发表于《美国统计协会会刊》《商业与经济统计期刊》等国际顶尖期刊。张正军为国际数理统计学会会士、美国统计协会会士，并担任多本国际主流统计学期刊副主编。