4. 阅读理解（50分）

本部分主要测试日语文章的阅读速度、技巧、准确性等综合阅读能力。文章共有4-6篇，内容涵盖语言、文学、历史、社会、文化、经济等方面。文章体裁包括散文、议论文、说明文、小说等。题型为选择题和问答题。

5. 论述题（30分）

本部分主要测试学生对日语语言、日本文学、日本社会文化等方面基础知识的理解。要求学生阅读所提供的文章，并就提问阐述观点。

五、题型及比重分布

《翻译与写作》考试大纲

一、考试目的和要求

《翻译与写作》考查学生语言输出的能力。其中,翻译部分考查学生理解和表达能力，以及对翻译技巧的运用能力；写作部分考查学生运用英语写作说明文和议论文的能力，以及遣词造句、谋篇布局等英语语言基本功和文体意识。

二、参考书目

①《英汉翻译教程（修订本）》，张培基主编，上海外语教育出版社。

②《英语写作基础教程》（第三版），丁往道、吴冰主编，高等教育出版社。

三、考试方式和时间

考试方式为笔试，考试时间为三个小时。

四、试卷结构

《翻译与写作》由英汉互译和英语写作两大部分构成。其中英汉互译又分为“英译汉”和“汉译英”两个部分，分别考查语篇形式的翻译；写作部分考查英语说明文和议论文的写作, 要求根据所给题目及要求撰写1篇500词左右的英语说明文或议论文。试卷满分为150分,其中，英译汉40分，汉译英40分，写作70分。

（1）考试范围：翻译部分为除诗歌、戏剧外的一般文体翻译；写作部分为英语说明文或议论文写作。

（2）试题类型与题量：翻译部分是中等程度以上的英译汉和汉译英短篇各1篇，每篇词（字）数在400个左右。写作部分要求英文词数在500个左右。

《日语翻译与写作》考试大纲

一、考试目的和要求

本大纲为日语专业硕士入学考试规定科目《日语翻译与写作》考试大纲。本大纲按照高等学校日语专业本科教学大纲所规定的有关要求制定。

指导思想：客观地测试攻读硕士学位者的日语语言能力水平，证保生源质量，保证硕士学位的学习任务能顺利完成。

考试要求：要求考生掌握比较全面的日语专业知识，具有对日语语篇的高度理解能力，具备日汉语间准确流畅互译、用日语准确流畅写作的较强语言运用能力及较好的思辨能力和逻辑思维能力。

二、参考书目

《汉日翻译教程（修订版）》，高宁、杜勤编著，上海外语教育出版社，2013年。

三、考试方式和时间

4. 答卷方式：笔试

5. 考试时间：180分钟

6. 试卷总分：150分

四、试卷结构

本考试由日汉互译、日语写作两部分组成。

1. 日汉互译（100分）

本部分从“日译汉”和“汉译日”两方面进行测试。其中“日译汉”主要测试学生对日语文章的理解能力及汉语表达能力；“汉译日”测试学生的日语表达能力和对中日两国语言文化差异的把握能力。考试题型为语句翻译和语篇翻译。

2. 日语写作（50分）

本部分主要测试学生的日语书面表达能力及逻辑思维能力。要求学生能够根据题目要求撰写相应体裁的文章。考试题型为命题写作和应用文写作。

五、题型及比重分布

第一部分 日汉互译（共100分）

1.日译汉（50分）

1）语句翻译（20分）

2）语篇翻译（30分）

2.汉译日（50分）

1）语句翻译（20分）

2）语篇翻译（30分）

第二部分 日语写作（共50分）

1.命题写作（35分）

2.应用文写作（15分）

《统计学》考试大纲

一、考查目标

应用统计硕士专业学位《统计学》考试是为我校招收应用统计硕士生设置的具有选拔性质的考试科目。其目的是科学、公平、有效地测试考生是否具备攻读应用统计专业硕士所必须的基本素质、一般能力和培养潜能，以选拔具有发展潜力的优秀人才入学，为国家的经济建设培养具有良好职业道德、法制观念和国际视野、具有较强分析与解决实际问题能力的高层次、应用型、复合型的统计专业人才。考试要求是测试考生掌握数据处收集、处理和分析的一些基本统计方法。

具体来说要求考生：

1. 掌握数据收集和处理的基本方法。

2. 掌握数据分析的基本原理和方法。

3. 掌握基本的概率论知识。

4. 具有运用统计方法分析数据和解释数据的基本能力。

二、参考书目

《统计学》，李金昌主编，高等教育出版社，2018年。

《概率论与数理统计教程》（第二版），茆诗松、程依明、濮晓龙，高等教育出版社，2011。

三、考试形式和试卷结构

1. 试卷满分及考试时间

试卷满分为150分，考试时间180分钟。

2. 答题方式

答题方式为闭卷、笔试。允许使用计算器（仅仅具备四则运算和开方运算功能的计算器），但不得使用带有公式和文本存储功能的计算器。

3. 试卷内容与题型结构

（1）统计学              120分，有以下三种题型：

   单项选择题          25题，每小题2分，共50分

简答题              3题，每小题10分，共30分

计算与分析题        2题，每小题20分，共40分

（2）概率论             30分，有以下三种题型：

   单项选择题          5题，每小题2分，共10分

简答题              1题，每小题10分，共10分

计算与分析题        1题，每小题10分，共10分

四、考查内容

（一）统计学

1． 调查的组织和实施

2． 概率抽样与非概率抽样

3． 数据的预处理

4． 用图表展示定性数据

5． 用图表展示定量数据

6． 用统计量描述数据的水平：平均数、中位数、分位数和众数

7． 用统计量描述数据的差异：极差、标准差、样本方差

8． 参数估计的基本原理

9． 一个总体和两个总体参数的区间估计

10． 样本量的确定

11． 假设检验的基本原理

12． 一个总体和两个总体参数的检验

13． 方差分析的基本原理

14． 单因子和双因子方差分析的实现和结果解释

15． 变量间的关系：相关关系和函数关系的差别

16． 一元线性回归的估计和检验

17． 用残差检验模型的假定

18． 多元线性回归模型

19． 多元线性回归的拟合优度和显著性检验

20． 多重共线性现象

21． 时间序列的组成要素

22． 时间序列的预测方法

（二）概率论

1． 事件及关系和运算

2． 事件的概率

3． 条件概率和全概公式

4． 随机变量的定义

5． 离散型随机变量的分布列和分布函数；离散型均匀分布、二项分布和泊松分布

6． 连续型随机变量的概率密度函数和分布函数；均匀分布、正态分布和指数分布

7． 随机变量的期望与方差

8． 随机变量函数的期望与方差

《统计学（自命题）》考试大纲

一、考试目的和要求

《统计学（自命题）》考试主要包括统计学、概率论与数理统计两部分内容。这门课程的考试目的在于测试学生对统计思想和统计学的基本概念、基本原理、基本分析工具和分析方法的掌握程度，了解考生是否具备初步运用这些基本原理和方法来分析社会经济领域中的各种现象、解决社会经济领域中各种问题的能力，是否具备进一步深造的基本素养和潜质。考试内容涉及统计学的基本理论和方法，包括总论，统计数据的收集、整理与显示，变量分布特征的描述，抽样估计，假设检验，方差分析，相关回归分析，时间数列分析，统计指数分析，统计综合评价等；概率论的基本原理与方法，包括随机事件与概率，随机变量及分布，随机变量的数字特征等。

二、参考书目

（一）《统计学》，李金昌主编，高等教育出版社，2018年；

（二）《概率论与数理统计教程》（第二版），茆诗松、程依明、濮晓龙著，高等教育出版社，2011年。

三、考试方式和时间

考试方式为笔试，考试时间为三个小时。

四、试卷结构

（一）试卷总分150分；

（二）内容结构：《统计学》100分；《概率论与数理统计》50分。

《高等数学》考试大纲

一、考试内容和要求

   （一）函数、极限、连续

1．理解函数的概念，掌握函数的表示法，能够正确建立简单应用问题中的函数关系．

2．了解函数有界性、单调性、周期性和奇偶性的概念，并能熟练分析函数图形特征．

3．理解复合函数、分段函数、反函数以及隐函数的概念．

4．掌握基本初等函数的定义、性质以及图形特征，了解初等函数的概念．

5．理解极限、单侧极限的定义及其之间的相互关系．

6．熟练掌握极限的性质及四则运算法则．

7．熟练掌握并运用极限的两个存在性准则以及两个重要极限．

8．理解无穷小量、无穷大量的定义及其之间的关系，掌握无穷小量阶的比较方法，掌握极限与无穷小量的关系，能够正确利用等价无穷小量求解极限问题．

9．理解函数连续、单侧连续的概念及其之间的关系，能够熟练找出函数的间断点并判断其类型．

10．了解连续函数的性质和初等函数的连续性，理解并能熟练应用闭区间上连续函数的性质（有界性、最大值和最小值定理、介值定理）．

   （二）一元函数微分学

1．理解导数、单侧导数、微分的概念，理解导数与单侧导数、导数与微分的关系，掌握导数的几何意义并能推导平面曲线的切线方程和法线方程，了解导数的物理意义，能够利用导数描述一些简单的物理现象，理解函数的可导性与连续性之间的关系．

2．熟练掌握导数的四则运算法则、复合函数的求导法则以及反函数的求导方法，掌握基本初等函数的导数公式．熟练掌握微分的四则运算法则，理解并能应用函数的一阶微分形式不变性，熟练掌握求解函数微分的方法．

3．理解高阶导数的概念，熟练推导简单函数的高阶导数．

4．掌握分段函数、隐函数、由参数方程所确定的函数以及反函数导数的求解方法．

5．理解并会应用罗尔（Rolle）定理、拉格朗日（Lagrange）中值定理、柯西( Cauchy）中值定理．

6．熟练掌握应用洛必达法则求解未定式极限．

7．理解函数的极值、最值以及极值点、最值点的概念，掌握函数单调性的判别方法，掌握求解函数极值点和极值并判别最值和最值点的方法．

8．掌握函数图形凹凸性的判别方法，会求函数图形的拐点以及水平、铅直和斜渐近线，会绘制函数的图形．

   （三）一元函数积分学

1．理解原函数、不定积分和定积分的概念．

2．熟练掌握计算不定积分的基本公式，掌握不定积分和定积分的性质及定积分中值定理，掌握换元积分法与分部积分法．

3．会求解有理函数、三角函数、有理式和简单无理函数的积分．

4．理解变限积分（积分上限函数）及其求导方法，掌握牛顿一莱布尼茨公式．

5．理解反常积分的概念，会计算反常积分．

6．掌握用定积分表达和计算一些几何量与物理量（平面图形的面积、平面曲线的弧长、旋转体的体积及侧面积、平行截面面积为已知的立体体积、功、引力、压力等）及函数的平均值．

   （四）多元函数微积分学

1．了解多元函数的概念，了解二元函数的几何意义．

2．理解二元函数的极限与连续的概念以及有界闭区域上二元连续函数的性质．

3．理解多元函数偏导数的概念并能熟练求解多元复合函数的各阶偏导数，掌握全微分的概念并能熟练求解多元函数的全微分，理解隐函数存在定理并会求解多元隐函数的偏导数．

4．理解多元函数极值和条件极值的概念，掌握多元函数极值存在的必要条件，理解二元函数极值存在的充分条件并求解二元函数的极值，会用拉格朗日乘数法求解函数条件极值，会求简单多元函数的最大值和最小值，并会解决一些简单的应用问题．

5．了解二重积分的概念与基本性质，掌握二重积分的计算方法（直角坐标、极坐标）．

   （五）无穷级数

1．理解级数收敛与发散、收敛级数和的概念．

2．掌握级数的基本性质和级数收敛的必要条件，掌握几何级数及p级数的收敛与发散的条件，掌握正项级数收敛性的比较判别法和比值判别法．

3．理解任意项级数绝对收敛、条件收敛的概念以及绝对收敛与收敛的关系，了解交错级数的莱布尼茨判别法．

4．掌握幂级数收敛半径、收敛区间及收敛域的概念与求解方法．

5．理解幂级数在其收敛区间内的基本性质（和函数的连续性、逐项求导和逐项积分），并求解简单幂级数在其收敛区间内的和函数．

   6．掌握ex．sin x ．cos x ．ln(1+x) 及(1+x)α 的麦克劳林（Maclaurin）展开式．

   （六）常微分方程

1．理解微分方程及其阶、解、通解、初始条件和特解等概念．

2．掌握变量可分离的微分方程．齐次微分方程和一阶线性微分方程的求解方法．

3．掌握求解二阶常系数齐次线性微分方程．

4．理解线性微分方程解的性质及解的结构定理，能够求解自由项为多项式、指数函数、正弦函数、余弦函数的二阶常系数非齐次线性微分方程．

5．能够运用微分方程求解简单应用问题．

二、参考书目

[1] 《高等数学》（第7版）上册，同济大学数学系编著，高等教育出版社，2014年；

[2] 《高等数学》（第7版）下册，同济大学数学系编著，高等教育出版社，2014年。

三、考试满分和考试时间

试卷满分150分，考试时间为三个小时。

四、答题方式

答题方式为闭卷、笔试。

不允许使用计算器。

五、试卷题型结构

试卷题型结构为：

单项选择题               8小题，每小题4分，共32分

填空题                   6小题，每小题4分，共24分

解答题（包括证明题）               9小题，共94分

《概率论》考试大纲

一、考试目的和要求

概率论是一门研究随机现象的数量规律性的学科。本课程的考试目的在于测试学生对概率论的基本概念、基本原理、基本分析工具和分析方法的掌握程度，了解考生是否具备运用所学知识分析和解决有关问题的能力。考试内容包括事件及其概率、随机变量与分布函数、数字特征与特征函数、极限定理等。

二、参考书目

（一）《概率论》，林正炎、苏中根、张立新编著，第三版，浙江大学出版社，2014年；

（二）《概率论与数理统计教程》，茆诗松、程依明、濮晓龙著，高等教育出版社。

三、考试方式和时间

考试方式为笔试，考试时间为三个小时。

四、试卷结构

（一）试卷总分150分；

（二）内容结构：事件及其概率、随机变量与分布函数、数字特征与特征函数：120分；极限定理：30分。

《数据挖掘综合》考试大纲

第一部分：考试内容及要求

一. 数据挖掘概述

考试内容

数据挖掘的概念 数据挖掘的任务 数据挖掘应用 数据挖掘的主要问题

考试要求

1.了解数据库系统技术的演变过程；理解数据挖掘的概念；掌握知识发现过程的7个步骤。

2.掌握数据挖掘要解决的问题；掌握数据挖掘功能和模式；理解数据挖掘与统计学、机器学习的联系和区别；了解数据挖掘的起源；掌握数据挖掘的任务。

二. 数据

考试内容

数据类型 数据质量 数据预处理  相似性和相异性度量

考试要求

1.了解数据对象与属性类型。

2.了解进行数据预处理的原因及其重要性；了解数据质量涉及的因素；掌握数据预处理的主要步骤。

4.了解数据清理的概念；了解处理数据缺失值的方法；了解处理噪音数据的方法。

5.理解数据预处理中的聚集、抽样、特征子集选择以及离散化和二元化等方法。

8.理解数据对象之间相似度；数据对象之间的相异度。

三. 分类和预测

考试内容

数据分类和预测的概念 判定树归类算法 信息增益 树剪枝 回归分析 分类法的准确性 组合分类器 类不平衡问题

考试要求

1.理解数据分类的概念；了解分类的两个过程；理解监督学习和非监督学习的区别；了解分类和预测的数据预处理方法；掌握评估分类和预测方法的标准。

2.了解决策树的概念和优缺点；了解决策树归分类的主要步骤；了解常用的属性选择度量，掌握信息增益度量的求法；理解两种常用的树剪枝方法。

3、掌握神经网络的分类与构造原理

4、熟练掌握单层感知机原理与学习算法

5、掌握BP算法原理与学习过程

6.了解评估分类器性能的度量；了解评估分类和预测准确率的方法（混淆矩阵、灵敏度和特小型、F度量）。

7、掌握Boosting算法的基本思想。

8、熟练掌握支持向量机SVM分类建模原理和计算方法。

9.了解组合分类器的概念和常用的组合分类方法；了解装袋和提升的基本思想以及两者的区别；了解随机森林的基本思想。

10.了解类不平衡问题的概念；了解提高类不平衡数据分类准确率的一般方法。

四. 挖掘频繁模式、关联和相关性

考试内容

频繁项集概念  频繁项集挖掘方法  Apriori算法  FP-growth算法  

考试要求

1.理解项集、闭项集、频繁项集和关联规则的概念 ；了解规则兴趣度的两种度量（支持度和置信度）。

2.了解关联规则挖掘的步骤。

3.了解Apriori算法的步骤；了解FP-growth算法的步骤和优缺点；掌握相关性度量提升度（lift）的计算方法。

五. 聚类分析

考试内容

聚类分析的概念 聚类方法的分类 算法方法的距离度量 划分方法 层次方法 基于密度的方法 基于网格的方法 聚类评估

考试要求

1.理解聚类分析的概念；了解聚类分析的应用领域；了解比较聚类方法的标准；了解数据挖掘对聚类的典型要求；了解比较聚类方法的各个方面。

2.理解划分方法的概念和一般特点，以及典型算法；理解层次方法的概念和一般特点，以及典型算法；理解基于密度的聚类方法的概念和一般特点，以及典型算法；理解基于网格的聚类方法的概念和一般特点，以及典型算法；

3.理解K-均值算法的步骤和优缺点；

4.了解算法方法的距离度量。

5.了解聚类评估概念和主要任务；了解测定聚类质量的方法。

第二部分：考试方法和考试时间

数据挖掘导论考试采用闭卷、笔试形式，考试时间为180分钟。

第三部分：试卷结构及参考书目

（一）题分：试卷满分为150分

（二）题型比例：

选择题与判断题  约30％

简答题和计算题  约70%

（三）参考书目：

《数据挖掘导论》，（美）陈封能，（美）斯坦巴赫，（美）库玛尔，人民邮电出版社，2010年。

                        《中国语言文学综合》考试大纲