报告中，张正军围绕连续型随机变量的间接统计推断问题展开，系统介绍了兼具“必要性”与“充分性”双重保证的新型统计推断框架，并提出基于有序样本相对误差的优化准则。相较于基于绝对误差的经典方法，该新方法收敛速度更快，对分布函数的可逼近性假设更弱，还能同时实现点估计与区间估计。张正军结合模拟实验与实际数据分析，验证了新方法在保留分布假设、提升推断精度上的显著优势，展现了其在传统方法适用受限场景中的良好应用潜力，体现了现代统计推断方法理论创新与实际应用的深度融合。

张正军，北京中医药大学数据科学与人工智能学院终身教授、院长，同时担任中国科学院预测科学研究中心副主任。曾任职美国威斯康星大学麦迪逊分校统计系终身教授、副系主任，同时兼任生物医学信息学系联合教授，还曾任中国科学院大学统计与数据科学系主任。其研究方向涵盖统计理论与方法、计量经济学、金融计量学、计算医学及极端气候研究，已在《美国统计协会会刊》《商业与经济统计期刊》《中华统计学刊》《数据科学期刊》《环境统计学期刊》《统计与风险建模前沿》等国际顶尖期刊发表论文百余篇。张正军教授为国际数理统计学会会士、美国统计协会会士，目前担任数本国际主流统计学期刊的副主编。