Biographie
Le Dr Yang est titulaire d'une licence (BS) de l'Université Fudan et d'un doctorat en statistiques. Après son doctorat, il a effectué un postdoctorat de deux ans à l'Université Duke et au NIEHS (NIH), sous la direction de David Dunson. Il s'est concentré sur l'application de nouvelles méthodes bayésiennes aux problématiques de santé et de médecine appliquées. Il a collaboré avec des chercheurs de différents domaines, tels que la santé publique, la psychologie, la médecine et les sciences dentaires.
Présentation personnelle
Les intérêts de recherche du Dr Yang sont axés sur la non-paramétrie bayésienne, l'analyse de survie, les statistiques computationnelles, la sélection de variables, la modélisation de variables latentes et la modélisation d'équations structurelles.
Domaines de spécialité
Le Dr Yang a enseigné une large gamme de cours de bio/statistiques, du niveau d'introduction au niveau avancé, s'adressant à des étudiants d'horizons divers, notamment les mathématiques, les statistiques, les sciences de la santé, la médecine, l'économie, la gestion, les sciences dentaires et les soins infirmiers, etc. Ses domaines d'expertise englobent :
Sélection de variables
Statistiques bayésiennes
Statistiques computationnelles
Analyse de survie
Étude longitudinale
Publications clés
Journal article
Yang, MingAn, 2019 Évaluation de la non-infériorité et de l'équivalence pour les essais croisés simples à l'aide de l'approche bayésienne Statistiques en biosciences, vol. 10
Journal article
Yang, MingAn, Wang, Min, Dong, Guanghui, Sélection de variables bayésiennes acceptées dans un modèle mixte linéaire avec rétrécissement a priori, Computational Statistics, vol. 35
Journal article
Yang, MingAn, 2023 Yang, M. (2022). Une analyse bayésienne du plan de croisement en blocs incomplets. Communication in Statistics, vol.
Journal article
Yang, MingAn, 2013 Modèles bayésiens non paramétriques centrés sur des effets aléatoires avec sélection de variables Biometrical Journal, vol. 55
Journal article
Yang, MingAn, 2012 Sélection de variables bayésiennes pour un modèle mixte logistique avec effets aléatoires non paramétriques Computational Statistics and Data Analysis 56, 2663- 2674, vol. 56
Langues
- Chinois
- Anglais
Cours enseignés
Bio/Statistiques élémentaires
Statistiques computationnelles
Statistiques bayésiennes
Méthodes statistiques avancées pour PH
Étude longitudinale
Analyse avancée des données
Analyse statistique avec R
Recherche et bourse
5 publications clés
1. Yang, M. (2023). Analyse bayésienne du modèle de croisement de blocs incomplets. Communication en statistique. https://doi.org/10.1080/03610918.2021.19664632.
2. Yang, M. Wang, M., Dong, G. (2020). Sélection bayésienne de variables dans un modèle mixte linéaire avec a priori de rétrécissement. Statistique computationnelle 35, 227-2433.
3. Yang, M. (2019). Évaluation de la non-infériorité et de l'équivalence pour les essais croisés simples à l'aide de l'approche bayésienne, Statistics in Bioscience 10, 506-5194.
4. Yang, M. (2013). Modèles bayésiens non paramétriques centrés sur des effets aléatoires avec sélection de variables, Biometrical Journal 55, 217-2305.
5. Yang, M. (2012). Sélection de variables bayésiennes pour un modèle mixte logistique avec effets aléatoires non paramétriques, Computational Statistics and Data Analysis 56, 2663-2674