2013年6月18日下午，清华大学电子工程系张颢博士应邀访问我院并作了题为“Statistical Data Analysis via Monte Carlo Simulation”的学术报告，从“解析方法和蒙特卡罗”、“随机数发生器”、“蒙特卡罗积分”、“马尔可夫链和蒙特卡罗仿真”四个方面进行了约3个小时系统而且全面的介绍。张颢博士从统计信号处理的解析和概率两大学派的代表方法出发，介绍了最大似然估计到贝叶斯估计之间的区别和联系，并结合它们在实际应用中面临的一系列现实问题和目前的研究现状，引出了讲座的主题，即统计数据分析和蒙特卡罗仿真。张颢博士开篇就揭示了马尔可夫链和蒙特卡罗仿真方法(MCMC)本质上是一种随机数发生。随后，基于”接受-拒绝方法”，从均匀分布的随机序列出发，介绍了各种分布随机数发生的基本原理和思想。接着，介绍蒙特卡罗积分的重要性采样方法，MCMC中的Metropolis-Hastings Algorithm及其推广Gibbs Sampler；最后，还从缺失数据（Missing Data）情况下数据补全（Data Augmentation）的角度，对Expectation-Maximization algorithm（EM）方法和MCMC方法进行了比较和说明。张颢博士的学术报告深入浅出，从基本原理到发展思路，再到具体的实现方法，让大家对统计数据分析及其蒙特卡罗仿真有了一个全面而且清晰的认识。

张颢博士，目前为清华大学电子工程系副教授。分别于1995年和1997年在清华大学获得应用数学专业学士和硕士学位，2001年于清华大学电子工程系获得博士学位。2001年博士毕业后留校任教至今，主讲清华大学电子工程系本科生的《随机过程》课程，在学生享有极高的声望，并编著出版了《随机过程及其应用(第2版)》。主持和参与了国家973，国家863和国家自然科学基金等多个项目，研究方向为智能交通系统、交通流理论、阵列信号处理和复杂随机信号分析。