2017年11月28日下午，我中心邀请中国人民大学的吴喜之教授为广外师生做了一场题为《统计学思维与统计应用中的迷思》的讲座。讲座由中心副主任杨静教授主持。
吴喜之教授首先以“关于自然界的问题有没有‘正确’和‘错误’之分？”，“‘别人都这么做，我也这么做’对不对？”等几个问题引入，论述了什么才是正确的统计学思维和从事数据科学所需要的能力和素质。
随后，吴教授举例论证了国内现有统计学教材中的几个主要误区：
1.P值小于.05即表示差异显著。P值小于.05是否适合作为差异显著的标准应该依据研究问题本身，而不应一概而论。
2.假设检验的滥用。“不能拒绝零假设就接受零假设”的说法存在逻辑问题，更为合理的结论应该是“拒绝零假设的证据不足”，而非“接受零假设”。
3.样本量大于等于30即可视为大样本是不负责任的说法。究竟多少才算是大样本应取决于研究本身。
4.最小二乘线性回归的不当使用和推论。很多时候在使用最小二乘回归时并没有考虑是否满足了对数据的数学假定，如模型的线性形式，样本的正态分布等等。
5.用
R2值来判断模型优劣。交叉检验才是更为合理的方法，即用一组数据来建立模型，在用另一组数据来验证模型。
最后，吴教授介绍了线性随机效应混合模型的应用和贝叶斯统计，并回答了在场师生们关于统计应用的一些问题。
