本科生课程介绍

本专业的目标是培养有志于从事统计科研或数据分析类工作的专门人才。该专业的本科生将具备扎实的数学和统计理论基础,熟练的计算机编程技术,擅长实际数据的统计建模和分析,能够进一步进行与统计学相关的科研,攻读研究生或留学深造,或在企事业及政府部门从事数据分析,数据挖掘,统计调查,统计信息管理等相关工作。大数据时代的到来为统计学带来了很多机会和挑战。本专业的毕业生将有牢固的数学和统计理论基础和较广的知识面去把握住这些机会,迎接这些挑战。

MA204 Mathematical Statistics (数理统计).pdf

MAT7035 Computational Statistics (计算统计).doc


本系专业课


课程编码

课程名称

学分

课程性质

课程简介

MA204

数理统计

3

统计学专业-专业必修课

大数据专业-专业必修课

本课程是在概率论的基础上研究统计概念和统计方法的,它将着重讲述统计推断的两大主题----估计和假设检验。通过学习本课程,学生将具备定性分析,定量分析统计数据的能力。本课程包括:随机变量的函数的分布和密度函数,次序统计量,中心极限定理;极大似然估计(MLE),矩估计,贝叶斯估计,估计量的性质,MLE的极限性质,正态均值,两个正态均值之差,正态方差,两个正态方差之比的置信区间,以及大样本情况下的参数的置信区间;势函数,Neyman-Pearson引理,似然比检验,拟合优度检验,线性回归,最小二乘估计,正态回归分析,正态相关分析,多重线性回归;符号检验,Wilcoxon符号秩检验,秩和检验。

MA304

多元统计分析

3

统计学专业-专业必修课

大数据专业-专业必修课

本课程着重于分析和解释多维数据的统计方法。主题包括多变量正态分布、对均值向量的估计和推论、几个多变量均值的多重比较、多变量回归、主成分分析、因子分析、判别分析以及聚类分析。

MA314

抽样调查

3

统计学专业-18级专业必修课,19级及其以后专业选修课

大数据专业-专业选修课

通过本课程的学习,使学生掌握抽样调查的基本概念、基本原理和基本方法。教学内容包括简单随机抽样、分层抽样、整群抽样、系统抽样,各种抽样机制的参数估计方法,样本量计算以及如何解决抽样调查中遇到的实际问题。

MA409

统计数据分析(SAS)

3

统计学专业-专业必修课

大数据专业-专业必修课

在已经学过的统计方法和统计建模的基础上,本课程将会使这些学生更深入的理解数据分析的整个过程 。它旨在发展学生的模型选择技术,使得手中的实际问题能够被合适地转化为假设检验问题。最重要的是当用第一个模型拟合数据发现不合适时,怎样选择出适合的模型。学生将会学习怎样探索数据,如何建立可靠的模型以及如何清楚阐释统计分析的结果。

MA329

统计线性模型

3

统计学专业-专业必修课

大数据专业-专业必修课

本课程为有一定数理统计知识基础的本科生介绍统计线性模型。该课程涵盖了一元线性回归模型、多元线性回归模型以及其他相关的问题,而且还介绍如何运用R语言进行统计计算。

MA308

统计计算与软件

3

统计学专业-专业必修课

大数据专业-专业选修课

本课程通过实际案例引导学生利用统计软件R来解决实际问题,使学生加深对常用分布函数的理解,提高对统计的应用能力,达到利用统计方法,结合统计软件,解决实际问题的目的。课程内容包括:常用分布函数、分位数算法与程序, 常用随机变量产生算法与程序, 概率中的随机模拟实验,,假设检验,,回归分析,方差分析,,聚类分析, 判别分析, 主成分分析,因子分析,典型相关分析,时间序列分析。

MA309

时间序列分析

3

统计学专业-专业必修课

大数据专业-专业选修课

本课程系统地介绍时间序列分析的重要概念(比如平稳性),一些基本的平稳时间序列模型(滑动平均模型,自回归模型,自回归-滑动平均模型),趋势及处理非平稳性的一些方法,非平稳时间序列模型(自回归-求和-滑动平均模型,季节模型等),参数估计及模型诊断,时间序列模型的预测,异方差时间序列模型,及一些选题介绍-协整、协整检验、因果关系等。本课程既注重时间序列分析理论的介绍又注重时间序列分析方法的实际应用及使用R语言编程实现。

STA320

统计学习

3

大数据专业-专业必修课

统计学习将统计方法和机器学习有机结合在一起,为许多领域各种数据分析提供了强大的工具,包括图像处理、语音处理、自然语言处理、机器人控制、以及生物学,医学,天文学,物理学和材料等基础科学。该课程涵盖监督和无监督学习的主要方法,包括变量选择,内核方法,模型选择,决策树,支撑向量机,集成方法,图形模型等。该课程将采用众多真实数据展示统计机器学习的强大功能。

STA321

分布式存储与
 并行计算

3

大数据专业-专业必修课

本课程介绍分布式存储和并行计算的基本方法和原则,以hadoop mapreduce和spark编程框架为基础处理大规模数据,并展望未来的分布式存储和并行计算。帮助学生形成对分布式存储与计算的知识体系及其应用领域的轮廓性认识,并学习基本的编程实战能力。

STA201

运筹与优化

3

统计学专业-专业选修课

大数据专业-专业必修课

本课程通过理论与实例相结合的形式使得学生能充分掌握运筹与优化的基本工具、理论和方法, 尤其在数学和数据科学领域。初步掌握模型化方法来描述、分析、建模和求解现实的运筹优化问题,进而支持决策。

STA217

数据科学导论

3

统计学专业-专业选修课

大数据专业-专业选修课

本课程通过理论与实践相结合的形式帮助学生充分掌握数据科学中基本工具、理论和方法,其中包括:Python简介;数据科学中的数学理论和常用方法;不同数据类型的分析和可视化;复杂数据的清理、降维和建模介绍等。

MAT7035

计算统计

3

统计学专业-专业选修课

大数据专业-专业选修课

本课程旨在为数学系研究生(特别是统计学科的研究生)提供常用的现代复杂计算方法。它强调计算作为一个基本工具在数据分析、统计推断、统计理论与方法的发展中的中心地位。

MA405

生存分析

3

统计学专业-专业选修课

大数据专业-专业选修课

本课程涉及了单个群组或者多个群组的生存时间分析, 讨论描绘生存时间特征的方法以及如何估计和比较这些特征的参数和非参数的方法。本课也包含常用的生存数据回归模型,比如Cox 回归模型,用于研究生存时间对其他变量的依赖性。

MA417

非参数统计

3

统计学专业-专业选修课

大数据专业-专业选修课

本课程对经典和现代非参数理论做一个系统全面的介绍。这些内容包含了基于秩的经典非参数统计方法、自助法和经验似然法一类的计算强度高的现代非参数统计方法。

STA404

网络科学与计算

3

统计学专业-专业选修课

大数据专业-专业选修课

本课程通过大量实际案例引导学生充分了解网络科学的起源、需要解决的实际问题和方法。内容包括网络数据性质测量、网络结构分析、动态演化模型等。培养学生网络科学与数据科学的思维模式,结合编程实践,培养解决实际数据问题的能力。

STA435

统计英语写作与演讲

3

统计学专业-专业选修课

大数据专业-专业选修课

本课程旨在提高本科生的统计与数据科学专业英语的写作,阅读,听力,口语表达及运用能力。培养学生如何阅读英文文献,撰写与交流;提高学生的交流与演讲能力以及面试能力。本课程以多读多写多交流的教学方式,为学生打下稳固的专业英文写作基础,培养和提高学生的英文专业写作及交流能力。

 

 

外系必修课


课程编码

课程名称

学分

课程性质

开课单位

MA101a/MA101B

数学分析I /

高等数学(上)A

5/4

统计学专业-通识理工基础类必修课

大数据专业-通识理工基础类必修课

数学系

MA102a/

MA122/

MA102B

数学分析II /

数学分析II(H)/

高等数学(下)A

5/4

数学系

MA107/MA107A

高等代数 I/线性代数A

4

数学系

MA215

概率论

4

统计学专业-专业必修课

大数据专业-专业必修课

数学系

MA203a/MA231/MA213-16

数学分析III/

数学分析III(H)

 /数学分析精讲

5

统计学专业-专业必修课

大数据专业-专业必修课

数学系

MA201a/

MA230

常微分方程A/

常微分方程A(H)

4

统计学专业-专业必修课

数学系

MA208

应用随机过程

3

统计学专业-专业必修课

数学系

CS203/CS203B

数据结构与算法分析/数据结构与算法分析B

3

大数据专业-专业必修课

计算机系

CS201

离散数学

3

大数据专业-专业必修课

计算机系

CS303B

人工智能B 

3

大数据专业-专业必修课

计算机系