91自拍 学术报告[2026]085号

（高水平大学建设系列报告1344号）

报告题目：Recent Advances in Boxplots for Outlier Detection

报告人：童铁军 教授 （香港浸会大学）

报告时间：2026年9月12日15:00-15:50

报告地点：粤海校区汇研楼601会议室

报告摘要：The boxplot, introduced by John Tukey, is a cornerstone of data visualization and outlier detection, but its classic "1.5×IQR" rule does not account for sample size and often mislabels outliers in large datasets. In this talk, I present new advances in boxplots for outlier detection,

including the Chauvenet-type boxplot, which unifies the intuitive graphical approach of Tukey’s boxplot with the sample-size-adaptive threshold of Chauvenet’s criterion. This new method delivers robust and principled error control, outperforming traditional approaches and avoiding over-flagging across a range of settings. I will demonstrate these advantages using simulations and a real case study of civil service pay in Hong Kong, and introduce the userfriendly "ChauBoxplot" R package, now available on CRAN, to make these methods accessible to practitioners.

报告人简介：童铁军，香港浸会大学数学系教授。 2005 年博士毕业于美国加州大学圣巴巴拉分校，2005-2007 年在美国耶鲁大学从事博士后研究， 2007-2010 年在美国科罗拉多大学博尔德分校担任助理教授， 2010 年至今任职于香港浸会大学数学系。主要科研方向包括非参数回归模型、高维数据分析、 Meta 分析和循证医学。已在国际知名学术期刊 JASA、Biometrika、 Statistical Science、 JMLR、 Nature Communications 等一共发表学术论文100 余篇， 其中包括数篇 ESI 热点论文和 ESI 高被引论文，单篇论文最高被引用超过

12200 次

邀请人：周彦

91自拍

2026年9月9日