David A. Stephens named SSC Gold Medalist

The Statistical Society of Canada honours math professor "for extraordinary research in Bayesian computation and statistical theory, genetics, and causal inference... for extensive editorial work and administrative leadership; for outstanding teaching and mentoring within the statistical community"

La version française suit.

This year’s recipient of the Gold Medal of the Statistical Society of Canada (SSC) is David A. Stephens, Professor in the Department of Mathematics and Statistics. This prestigious award is bestowed upon a person who has made outstanding contributions to statistics, or to probability, either to mathematical developments or in applied work. It is intended to honour current leaders in their field.

Professor David A. Stephens

The SSC citation reads: “To David A. Stephens, for extraordinary research in Bayesian computation and statistical theory, genetics, and causal inference, including applications to Markov Chain Monte Carlo and change-point detection methods; for extensive editorial work and administrative leadership; for outstanding teaching and mentoring within the statistical community.”

Dave was born in 1965 in Hereford, England, where he grew up with his parents and four siblings. Interested in mathematics, he registered at the University of Nottingham, mainly because his older brother had studied there. As an undergraduate (BSc, 1986), Dave was fortunate to have Adrian F.M. Smith as a professor and later as his PhD advisor. His thesis was on Bayesian edge-detection in image processing (PhD, 1990).

Between 1990 and 1995, Dave was a postdoctoral fellow and research associate both at Nottingham and at Imperial College London, including 2½ years working on a Ciba-Geigy software development project for population pharmacokinetics using Markov Chain Monte Carlo (MCMC). From 1995 to 2006, he was successively Lecturer and Senior Lecturer at Imperial. He developed interests in statistical genetics and time series analysis, and collaborated, among others, with the British statistician and geneticist Cedric A.B. Smith.

Some of Dave’s notable early contributions include pioneering the use of the Gibbs sampler in change-point identification and developing, with his friend Petros Dellaportas, numerical techniques for Bayesian inference for errors-in-variables models. His talent was further expressed in highly innovative contributions to population-based reversible jump MCMC and the analysis of quantitative locus data where he championed the use of similar methods. His most cited work is on the label switching problem in mixture models.

Lucky break

Dave says that his luckiest break was to have met Erica Moodie at the wedding of his friend Jon Wakefield (Professor of Statistics, University of Washington) in St. John’s, Newfoundland, in 2002. After their own marriage, Dave and Erica both found employment at McGill University in 2006, where Dave was hired as a Full Professor in the Department of Mathematics and Statistics, where he held a James McGill Chair (2011-18), was Department Chair (2015-19) and is now Vice-Dean of the Faculty of Science (2019- ).

Since coming to Canada, Dave has continued to publish his research in the most exalted journals in the profession. His current publication count hovers around 150; approximately two-thirds of his papers have appeared in statistical methodology journals. Dave has also been an incredibly active and caring mentor. At McGill alone, he supervised 10 postdoctoral fellows, and over 40 MSc or PhD students – roughly in equal proportions – graduated under his tutelage; many more are currently working with him. Moreover, he held leading roles as committee Chair (2011-12) for Statistical Sciences at NSERC and as Editor-in-Chief of The Canadian Journal of Statistics (2013-15). He became a Fellow of the American Statistical Association in 2019.

By now, Dave’s contributions are so diverse that it is difficult to summarize them, though they all have a strong Bayesian computational flavour. Among other things, he developed Monte Carlo algorithms for stochastic volatility models driven by Lévy processes, and he designed the first comprehensive and truly Bayesian approach to estimation of marginal structural models by establishing a link between inverse probability weighting and importance sampling. In his many joint papers with Erica, Dave has investigated, among others, properties of ensemble methods for estimating propensity score models, and he has proposed model and variable selection procedures designed for the causal inference setting.

Applications beyond academia

In genetics, Dave made pioneering contributions to Bayesian co-clustering of gene expression profiles. In phylogenetic modeling, he developed original and highly relevant clustering algorithms based on HIV-1 sequence data to identify transmission clusters. In microbiome data analysis, he proposed robust identification of differentially abundant microorganisms between health conditions or treatment groups by constructing networks to estimate the level of co-occurrence between taxa.

Dave Stephens is not one to seek the limelight, but his work shines, and widely so, including outside academic circles. For example, he was approached in 2013 by the World Anti-Doping Agency to help establish and validate, with McGill colleagues, limits for a human growth hormone used to detect illegal additions of this substance. The statistical methods they developed resulted in limits published in Growth Hormone & IGF Research in 2014. This work has been, quite literally, “game changing”: this legally-upheld standard was first implemented in the Sochi Winter Olympics.

In his spare time, Dave enjoys spending time with his family and following sport on TV (mainly soccer, cricket, rugby) or when accompanying his sons Gordie and Jamie to soccer practices and games.

______

 

David A. Stephens, Médaillé d’or de la SSC 2022

La médaille d’or de la Société statistique du Canada est décernée cette année à David A. Stephens, professeur au Département de mathématiques et de statistique de l’Université McGill. Ce prix prestigieux est attribué à un chercheur pour son apport exceptionnel à la statistique ou à la théorie des probabilités par des avancées mathématiques ou des applications. La médaille rend hommage à un chef de file actuel dans son domaine.

La dédicace du prix fournie par le SSC est la suivante : « À David A. Stephens, pour ses apports remarquables au calcul bayésien et à la théorie statistique, à la génétique et à l’inférence causale, dont en lien avec les méthodes de Monte-Carlo à chaînes de Markov et de détection de points de changement ; pour son travail d’édition et son leadership administratif ; pour son enseignement et mentorat marquants au sein de la communauté statistique. »

Dave est né en 1965 à Hereford, en Angleterre, où il a grandi avec ses parents et ses quatre frères et sœurs. Féru de mathématique, il a décidé de suivre l’exemple de son frère aîné et de s’inscrire à l’Université de Nottingham. Dès le premier cycle (BSc, 1986), Dave a eu la chance de suivre les enseignements d’Adrian F.M. Smith, qui a ensuite encadré sa thèse portant sur la détection bayésienne des contours dans le traitement d’images (PhD, 1990).

De 1990 à 1995, Dave a été postdoctorant et associé de recherche à Nottingham et au Collège imperial de Londres, consacrant entre autres 2½ ans à un projet de développement logiciel de Ciba-Geigy pour la pharmacocinétique des populations par chaînes de Markov Monte-Carlo (MCMC). De 1995 à 2006, il a été chargé de cours puis maître de conférences à Imperial. Il s’est alors intéressé à la génétique statistique et aux séries temporelles et a notamment collaboré avec le statisticien et généticien britannique Cedric A.B. Smith.

Dave s’est démarqué très tôt par son emploi novateur de l’échantillonneur de Gibbs pour l’identification de points de rupture et le développement, avec son copain Petros Dellaportas, de méthodes numériques pour l’inférence bayésienne dans les modèles avec erreurs de mesure. Il a aussi fait preuve d’ingéniosité en développant des méthodes MCMC à saut réversible populationnelles et en contribuant à l’analyse de locus quantitatifs par la promotion de méthodes semblables. Son article le plus fréquemment cité porte sur le problème de changement d’étiquette dans les modèles de mélange.

Coup de chance

Dave dit que sa plus grande chance a été d’avoir rencontré Erica Moodie lors du mariage de son ami Jon Wakefield (professeur de statistique, Université de Washington) à St-Jean de Terre-Neuve en 2002. Après leur propre mariage, Dave et Erica ont été embauchés à McGill en 2006. Professeur titulaire au Département de mathématiques et de statistique dès son arrivée, Dave a occupé une chaire James McGill (2011-18), a été directeur de son département (2015-19) et est maintenant vice-doyen de la Faculté des sciences (2019- ).

Depuis sa venue au Canada, Dave a continué de publier ses travaux dans les revues les plus prisées de la profession. Il a actuellement près de 150 articles à son actif, dont environ les deux tiers dans des revues de méthodologie statistique. Dave a aussi été un mentor très actif et attentionné. À McGill, il a encadré 10 stagiaires postdoctoraux et diplômé plus de 40 étudiants des 2e et 3e cycles, en proportions à peu près égales ; il continue d’avoir beaucoup d’étudiants sous sa direction. De plus, il a occupé des rôles de premier plan à titre de président du comité des sciences statistiques au CRSNG (2011-12) et de rédacteur en chef de La revue canadienne de statistique (2013-15). Il a été nommé compagnon de l’Association des statisticiens américains en 2019.

Aujourd’hui, les contributions de Dave sont difficiles à résumer, tant elles sont diverses, mais elles ont toutes en commun le calcul bayésien. On lui doit entre autres des algorithmes de Monte-Carlo pour les modèles de volatilité stochastique basés sur des processus de Lévy, ainsi que la première approche complète et véritablement bayésienne d’estimation de modèles structurels marginaux qui établit un lien entre la pondération de probabilité inverse et l’échantillonnage préférentiel. Dans ses nombreux écrits conjoints avec Erica, Dave a en outre étudié les propriétés des méthodes d’ensemble pour l’estimation des modèles de score de propension et il a proposé des méthodes de sélection de modèles et de variables dans le cadre de l’inférence causale.

Rayonnement général

En génétique, Dave a innové en matière de co-clustering bayésien de profils d’expression génétique. En modélisation phylogénétique, il a conçu des algorithmes de regroupement originaux et très pertinents basés sur le séquençage du VIH-1 afin d’identifier les grappes de transmission. Pour l’analyse de données microbiomiques sur des micro-organismes dont l’abondance dépend de l’état de santé ou du traitement, il a élaboré une méthode robuste d’identification par réseaux permettant d’estimer le niveau de co-occurrence entre taxons.

Dave Stephens n’est pas du genre à chercher les feux de la rampe, mais ses travaux ont beaucoup de rayonnement, y compris en dehors des cercles universitaires. En 2013, par exemple, l’Agence mondiale antidopage lui a demandé d’établir et valider, avec des collègues de McGill, des normes pour une hormone de croissance humaine afin d’en détecter l’abus. Ces travaux méthodologiques, parus en 2014 dans la revue Growth Hormone & IGF Research, ont eu un réel impact sur la pratique sportive car ils ont établi des normes instaurées dès les Jeux d’hiver de Sotchi et toujours en vigueur.

Dans ses moments libres, Dave aime passer du temps avec sa famille et suivre le sport à la télé (surtout le soccer, le cricket, le rugby) ou en accompagnant ses fils Gordie et Jamie à leurs entraînements et à leurs matchs de soccer.

 

guest

To encourage thoughtful and respectful conversations, comments appear with first and last names (no pseudonyms) and may be published in whole or in part, at the discretion of the Reporter. Please be constructive and respectful; all comments are moderated according to the Reporter’s guidelines. We reserve the right to close comments on individual stories. Please note that the University does not endorse the opinions expressed in comments.

0 Comments
Inline Feedbacks
View all comments