美研专业分析之统计学-新东方前途出国

 1.1 专业简介

统计学（Statistics）是应用数学的一个分支 

主要通过利用概率论建立数学模型，收集所观察系统的数据，  

进行量化的分析、总结，并进而进行推断和预测，  

为相关决策提供依据和参考对数据的研究和分析。  

统计学用到了大量的数学及其它学科的专业知识，其应用范围几乎覆盖了社会科学和自然科学的各个领域。虽然统计学从属于数学类，但是从美国大学的设置来看，统计已经慢慢从数学系中独立出来，成为单独的统计系。现在越来越多的学校成立统计系就是最 好的证明。在科学技术飞速发展的今天，统计学广泛吸收和融合其他学科的新理论，不断开发应用新技术和新方法，深化和丰富了统计学传统领域的理论与方法，并拓展了新的领域。随着大数据时代的到来，统计也逐渐与信息、计算等领域密切结合。 

1.2 学位简介 

M.A. in Statistics 和M.S. in Statistics 

培养目标 

  一般是学术和应用并重 

  各学校侧重点不尽一致 

  毕业生就业或者读博士都有，根据院校课程设置和学生目标而定 

时间长度 

1-2年 

M.S in Applied Statistics 

MPS in Statistics 

培养目标 

  职业导向 

  毕业后就业 

时间长度 

1-1.5年 

PhD in Statistics 

培养目标 

  学术导向 

 毕业后进去industry做研究员或者高校当教授 

时间长度 

5年 

1.3 美国高校常见专业分支 

统计的分支分为两类：数理统计学和应用统计学。 

1.3.1数理统计学

研究统计推论背后的逻辑关系以及推导估测推论法的概率分布、计算统计和试验设计等的统计。包括样本设计、数据挖掘、随即过程、建立统计模型、模型的选择、时间序列、非参数统计方法、蒙特卡罗法、生存分析、空间统计贝叶斯推论、各种经典的统计模型的学习、各种概率论理论等。有的单独设置了(Mathematical Statistics)学位，主要讨论统计学背后的理论基础。是统计学的数学基础从数学的角度去研究统计，为各种应用统计学提供理论支持。 

1.3.2应用统计学

通过研究和调查数据，来解释某些现象，以及预测其发展的趋势。生物统计、环境统计、金融统计、经济统计、遗传统计、农业统计，数理统计等等。这些是统计在其他领域的应用而形成的研究分支。 

应用统计学根据描述和推论数据，可以分为两类：描述统计学和推论统计学。 

描述统计学Descriptive Statistics 

处理有关叙述的问题：是否可以摘要的说明数据的情形，不 论是以数学或是图片表现，以用来代表母群体的性质？基础的数学描述包括了平均数和标准差等。图像的摘要则包含了许多种的表和图。主要是就说明数据的集中和离散情形。 

推论统计学Statistical Inference 

被用来将数据中的数据模型化，计算它的概率并且做出对于母群体的推论。这个推论可能以对/错问题的答案所呈现（假设检定），对于数字特征量的估计（估计），对于未来观察的预测，关系性的预测（相关性），或是将关系模型化（回归）。其他的模型化技术包括变异数分析（ANOVA），时间序列（ time  series  analysis ）， 以 及 数 据 挖 掘 （data mining）。 

美国开设统计专业研究生的学校非常多，同时每个学校专业设置偏重也不一样。与其他学科交叉的领域研究和发展越来越多，其中生物统计的发展非常快，现在很多学校都专门设立了独立的生物统计学(Biostatistics)学位，通常归属于公共卫生学院，使用统计学的原理和研究方法，在生物学领域进行研究，最常见的是用于医学。其目的是合理地进行调查或者实验设计，科学整理和分析收集得来的资料。另外，还有其他的单独的学位： 

应用统计学(Applied Statistics)：譬如自一组数据中，可以摘要并且描述这份数据的集中和离散情形，这个用法称作为描述统计学。另外，观察者以数据的形态创建出一个用以解释其随机性和不确定性的数学模型，以之来推论研究中的的步骤及母体，这种用法被称做推论统计学。 

金融统计( Financial Statistics) ：是指金融机构统计部门对各项金融业务活动的情况和资料进行收集、整理和分析的活动。通过统计调查和统计分析，为金融部门和国家进行宏观经济决策、检查和监督经济、金融运行情况、加强金融监管和经营管理提供依据。 

1.3.3统计学的范畴和延展

统计学的研究范畴比较广泛，包括了概率论与数理统计、抽样与抽样分布、统计数 据的搜集、整理与显示、参数估计、非参数估计、假设检验、方差分析、时间序列分析、统计指数、聚类分析与判别分析、主成分分析与因子分析、相关分析与回归分析等。从这些内容来看，在申请统计学的研究生时，也应该在文书中注重体现以往的经历中，对以上内容的掌握和运用情况。 

随着统计的发展，很多其他的学科也广泛采用统计的方法，也因此产生了很多自己的统计学科，如生物统计，统计物理学，经济统计学，金融统计，社会统计学、教育统计学等等。 

2.1 专业背景 

本科是数学，统计，应用数学，自然科学，工程等。统计对专业背景限制不严格。 

 大部分院校不硬性要求GRE SUB Mathematics，如果学生有时间准备也可以考，增加实力。 

建议掌握三大统计学软件： SAS, STATA, SPSS  

2.2 先修课要求 

基础课程： 

线性代数，微积分（包括单元微积分或者多元微积分），数理统计和概率，高等数学等 

高阶课程： 

偏微分方程(Partial Differential Equation)，随机（Stochastic），回归分析（Regression  Analysis），模拟（Simulation），时间序列与预测（Time Series and Forecasting）等 

统计类软件： 

Statistical Software （SAS, STATA, SPSS) 

计算机软件类： 

R, Python 等 

注意事项： 

1.     如果本科不是统计或者数学专业的同学，或者缺乏数理背景，常见转专业申请统计学的本科专业有经济学，数学，物理，计算机科学等等。因为统计学要求的数理课程和计算机课程基本是大学本科的基础课程，所以只要修过一些数理课程，掌握基本的计算机技能，在实践中有处理过数据和分析等，都可以申请统计学专业。想要申请统计学的研究生可以考虑通过修读二学位，辅修学位，参加美国暑校，或者修网课等方式弥补。 

常用网站：Coursera，Edx， MOOC，Udacity等。推荐的课程如 下： 

数学课： 

Linear Regression and Modeling---Coursera Statistical Inference---Coursera, MOOC Introduction to Stochastic Processes---MIT 

初学者课程： 

Statistics with R Specialization---Coursera (大学 Junior Level) Basic Statistics--- Coursera (大学 Junior Level) 

Introduction to Probability and Data---Coursera 

R Programming---Coursera 

Introduction to Statistics: Descriptive Statistics---Edx Introduction to Statistics: Inference--- Edx Introduction to Statistics: probability---Edx 

Probability and Statistics (Open+ Free) ---Mooc (Stanford University) Inferential Statistics---MOOC (Duke Universty) 

Statistical Reasoning---MOOC (Stanford University) 

统计高阶课程： 

Data Visualization---Coursera 

Data Mining Specialization ---Coursera 

2. 国内的课程名与课程内容与国外不尽一致，有部分课程可能涵盖以下课程内容，比如高等数学涵盖微积分和线性代数，建议老师们与学生给予选课建议时与学生进行讨论后确定。 

2.3 科研和比赛 

科研： 

校内项目，美国暑期科研，课内重要课程（individual research project）。内容建议可以参与一些研究项目或者调查，需要收集或者分析数据，然后做出评估或者预测的项目，如对某企业或者领域的金融应激机制的线性回归模型建立，对空气污染对于儿童身体健康的危害调查等等。 

比赛：数学建模大赛（国赛，美赛），全国大学生统计建模大赛，全国大学生市场调查与分析大赛，中国SAS数据分析大赛等 

实习：一般和统计专业对口的实习有以下几种： 

互联网公司（腾讯、阿里、百度、网易、36氪等）：数据分析实习生、商业分析实习生等。 

投资机构（易凯资本、红杉资本、经纬创投等）：投融资实习生。 

知名咨询公司（MBB、埃森哲、IBM、四大的咨询部门等）：管理咨询实习生、战略咨询实习生、财务咨询实习生，一般以项目为主，会接触到数据软件（R、SPSS）的使用。 

软件公司：一些统计软件、数据分析软件公司也会招实习生。如SAS公司。 

金融机构（证券/银行）等：数据处理实习生，一般是做一些数据的录入工作、纠正一下公司金融系统的一些数据错误等。 

政府部门：经常会有一些地方政府部门、组织需要一些帮忙调查问卷、录入数据的实习生。