一、适用学科专业

概率论与数理统计 （学科门类：理学 一级学科：数学）

二、培养目标

掌握马克思主义的基本理论和专业知识，热爱祖国，具有良好的道德品质、较强的事业心、创新能力和献身精神，愿为社会主义现代化建设服务的高层次、高素质的专门人才。掌握概率论与数理统计学科坚实的基础理论和系统的专门知识，培养具有从事科学研究工作或独立承担技术工作的能力，培养适应社会需求的应用型或应用基础型的人才。掌握一门外国语。

三、学科专业研究方向

应用概率

数理统计

四、学习年限

基本学习年限3年。

五、课程设置和学分要求（见附表）

攻读硕士学位研究生期间，需要获得学位课程总学分不少于39学分。 公共课不少于6学分 ，方法课不少于4学分 ，学科基础课不少于9学分 ，专业课不少于13学分 ，选修课不少于6学分 ，社会实践不少于1学分。

六、社会实践

到社会各个相关领域实习，时间和方式由导师根据学生培养方向确定。如：辅助教师指导和参与本科学生社会实践；参与导师科研课题的研究工作；与学生本人研究方向相关的社会实践等，时间一般为两周以上。参与以上社会实践活动需向导师提交调研报告，导师给出成绩，计1学分。

七、论文撰写

硕士研究生在学期间应完成的论文包括：课程论文和学位论文。硕士研究生必须按规定时间完成有关的论文写作。硕士研究生修满学分并考核合格后，进入学位论文写作阶段。在撰写论文之前，一般在第五学期，向教研室（导师组）作开题报告，阐述论文选题的理论和实践意义、主要研究内容和研究方案等。经教研室讨论通过后，开始撰写论文。学位论文是学术论文形式。学位论文在导师指导下，由硕士研究生本人按计划进度独立完成，硕士学位论文必须满足培养目标的要求，保证质量。

附：课程设置和学生课程学习的学分要求 

1、公共课（6学分） 

 (1)政治理论课 

中国特色社会主义理论与实践研究 2学分 PUM505 1学期 

(The Theories and Practice of Socialism with Chinese Characteristic) 

自然辩证法概论 1学分 PUP504 1学期 

(Introduction of dialectics of nature) 

马克思主义与社会科学方法论 1学分 PUP505 1学期 

(Marxism and method social sciences) 

 (2)第一外国语 

语言基础 3学分 PUF500 2学期 

(Foreign Language) 

2、方法课（4学分） 

线性模型 3学分 PAS600 1学期 

(Linear Models) 

(本课程主要介绍了线性统计模型的理论、方法及其应用，侧重讲授线性模型基本重要的成分。主要内容包括：(1) 线性代数 (2) 统计的基本概念与分布理论：多元正态分布及相关分布、二次型分布等 (3) 满秩线性模型：最小二乘、广义最小二乘、极大似然估计、ＥＭ算法、Bayessian 估计、同时置信区间、线性假设检验等；(4) 非满秩线性模型：可估性、参数估计、可检验假设、可估条件等；(5) 多重回归分析，相关性；(6) 线性模型应用：回归分析、方差分析等等。) 

社会科学研究方法 3学分 PUR602 1学期 

(Research Methods in Social Science) 

(提供选题与研究设计、文献研究、调查研究、案例研究、学位论文和学术论文写作等方法和相关国际学术规范。) 

统计思想综述 2学分 STP600 2学期 

(Review of statistical thinking) 

(统计学的方法论课程。统计学科的定义、核心和边界，理论要点。各种方法的前提假设与应用边界条件。先修课：数理统计) 

3、学科基础课（9学分） 

高等数理统计 3学分 APM603 2学期 

(Multivariate Statistic Analysis) 

(主要介绍多元正态分布、多元回归分析等内容。) 

高级时间序列分析 3学分 APM705 1学期 

(Advanced Time Series Analysis) 

(讲述经典的单变量时间序列和多变量时间序列模型基础上介绍非平稳序列，单位根过程，协整，Grange因果关系，和Garch类模型等前沿专题及其应用。) 

高等概率论 3学分 PAS601 1学期 

(Advanced Probability Theory) 

(本课程主要内容包括测度与积分， 概率论基础内容包括条件期望，大数定律及中心极限定理等。) 

随机过程 3学分 PAS602 2学期 

(Stochastic Processes) 

(本课程主要内容包括现代鞅论，马尔科夫过程以及布朗运动，严格数学描述与应用兼顾。 先修课程：初等概率论，测度论，数学分析、高等代数等数学基础课程。) 

高等统计学 3学分 STA601 1学期 

(Advanced Statistics) 

(目的在于使学生在原基础上，理解数理统计的基本概念，熟悉抽样分布理论，掌握参数估计的理论与方法、统计假设检验的主要方法、统计决策理论与Bayes分析，以及统计计算方法。先修课程：数学分析，高等代数，概率论) 

4、专业课（不少于13学分） 

向量拓扑空间 3学分 FUM705 2学期 

(Vector Topological Spaces) 

(本课程是基础数学专业的学科基础课，先修课程有本科的《数学分析》《实变函数》《泛函分析》。) 

广义线性模型 3学分 PAS701 2学期 

(Generalized Linear Models) 

(关于连续型和离散型数据特别是多元离散型数据的非正态线性模型的统计分析、模型建立、模型选择和诊断的理论、方法及在社会经济、风险管理等领域的应用。) 

随机分析 3学分 PAS702 2学期 

(Stochastic Analysis) 

(本课程主要内容：布朗运动，鞅及随机积分，随机微分方程的理论及应用。 先修课程：测度论与概率论基础，数学分析、高等代数等数学基础课程) 

试验设计 2学分 PAS703 1学期 

(Design of Experiments) 

(课程内容包括正交设计、均匀设计、析因设计等常用试验设计方法，以及列联表、多响应变量、重复测量、协方差分析、生存分析等医学实验数据分析方法。使用SPSS、SAS等统计分析软件做数据分析。先修课：统计学，回归分析) 

分位回归 2学分 PAS704 2学期 

(Quantile Regression) 

(涉及的主要内容：分位回归原理、分位回归统计推断、分位回归渐近理论、L-统计量与加权分位回归、分位回归统计计算、非参数分位回归、分位回归应用、分位回归前沿研究领域。) 

计算机密集型计算 3学分 PAS705 3学期 

(Computer Intensive Computation) 

(涉及的主要内容：统计模拟、MCMC、 Jackknife 理论、Bootstrap 理论、EM算法、以及这些方法在统计模型诊断等方面的应用。) 

非参数统计 3学分 PAS706 3学期 

(Non-parametric inference) 

(主要内容包括数据探索性分析实践、非参数统计结构、渐进一致性理论、定性数据分析方法、非参数回归、非参数密度估计等内容。 先修课程：概率论与数理统计) 

统计机器学习选讲 2学分 PAS707 2学期 

(Advances in statistical machine learning) 

(追踪统计机器学习前沿技术,工具和算法,讨论和报告最新数据挖掘方法动态, 应用领域涉及生物医学、人员跟踪、通讯金融等，软件工具包STATISTICA, LEMENTINE, SQL-SERVER 2005以及CART-NET等，算法包括：统计机器学习理论、分类方法，预测方法，增强学习，模型选择，正则设计等。) 

多元统计分析 3学分 STA602 1学期 

(Multivariate Statistical Analysis) 

(本课程的内容包括多元回归分析，判别分析，聚类分析，主成分分析，因子分析，典型相关分析，结构方程模型，对应分析等。先修课程：概率论与数理统计，回归分析) 

时间序列分析 3学分 STA603 1学期 

(Time Series Analysis) 

(课程的第一部分讲述线性时间序列分析的经典理论与方法；第二部分介绍非线性时间序列分析的基本内容及近代的重要进展。先修课程：数学分析、高等代数、概率论、数理统计) 

抽样技术 2学分 STA701 1学期 

(Survey Sampling Techniques) 

(主要介绍古典概率抽样方法，利用辅助信息基于线性模型的估计，二重抽样，最优抽样设计，无回答和计量误差等。先修课程：数理统计) 

数据挖掘与机器学习 2学分 STA704 1学期 

(Machine Learning and Data Mining) 

(本课程主旨是使学生了解数据挖掘和机器学习中的基本模型与方法，掌握大规模数据常用技术和算法的基本设计思想。数据挖掘概念和应用、数据挖掘流程、概念学习和算法设计、有监督学习方法（决策树、Bayes决策、支持向量机、图模型）、非监督学习方法、模型评价方法、等。先修课程：统计学、最优化（运筹学、线性规划）和数理统计。) 

5、选修课（不少于6学分） 

现代统计理论与方法选讲 2学分 PAS721 3学期 

(Selected Lecture Series on Modern Statistical Theory and Methods) 

(主要跟踪学习国际一流统计期刊上的统计学前沿文献，包括半参数模拟，非参数方法，BOOTSTRAP,统计学习，分层模型，统计学在科技金融领域的应用等。先修课程：高等统计学 测度论与概率论基础 随机过程 时间序列分析) 

随机分析选讲 2学分 PAS722 2学期 

(Topics in Stochastic Analysis) 

(本课程主要讲述随机分析领域热点问题，例如倒向随机微分方程，大偏差理论，随机微分几何等 先修课程：测度论与概率论基础，随机过程，随机分析) 

统计诊断 2学分 PAS724 3学期 

(Statistical Diagnostics) 

(涉及的主要内容：回归异常点分析、残差分析、回归影响分析、数据变换及诊断、广义影响分析、多元回归诊断、其他广义模型诊断、拟合欠佳检验、非参数蒙特卡罗检验、实例分析，等等。) 

从数据到结论 2学分 STP611 1学期 

(From Data to Conclusion) 

(本课程的目的是培养学生运用统计思想和统计方法解决和处理统计问题的能力，课程内容包括对统计基本概念，参数估计，假设检验，方差分析，回归分析，多元统计分析，时间序列课程，非参数统计，生存分析，指数等。先修课程：数理统计) 

6、社会实践（1学分） 

7、先修课 

实变函数论    

(Real Analysis) 

时间序列分析应用    

(The Application of Time Series Analysis)