统计学一级学科硕士研究生培养方案
一、培养目标
掌握马列主义毛泽东思想和邓小平理论，热爱祖国，遵纪守法、学风严谨，实事求是，有良好的敬业精神和合作精神。掌握现代统计的理论与方法、金融与工程、时间序列分析的方法与技术、生物与医药等应用领域的统计分析方法与技术、统计分析的算法与工具。在本研究方向上具有系统和较深入的专门理论知识与计算技术，具备独立从事科学研究工作的能力，硕士学位获得者能胜任统计理论和应用及教学工作。熟练掌握一门外语及统计计算软件。
二、研究方向
1、数理统计专业：数理统计理论及应用。
2、金融统计专业：统计在金融中的应用。
3、生物统计专业：统计在生物工程中的应用。
4、社会经济统计专业：商业统计及社会统计。
5、应用统计专业：统计在工业领域及医学领域的应用。
6、风险管理和精算学专业：培养金融保险领域统计人才。
三、课程设置
课程类别
| 课程编号
| 课 程 名 称
| 学时
| 学分
| 开课学期
| 考核方式
| 备注
|
学位课程
| M999S001
| 中国特色社会主义理论与实践研究
| 36
| 2
| 秋
| 考试
| 必修
|
M999S004
| 英语（口语与写作）
| 36
| 2
| 秋
| 考试
|
M999S004
| 英语（国际化提升课程）
| 36
| 2
| 春
| 考试
|
M008S193
| 高等统计
| 72
| 4
| 秋
| 考试
|
M008S002
| 现代分析
| 72
| 4
| 秋
| 考试
|
小 计
|
|
| 14
|
|
|
|
非学位课程
| M999S003
| 自然辩证法
| 18
| 1
| 春
| 考试
| 必修
|
M008S044
| 高等概率论
| 54
| 3
| 秋
| 考试
| 由导师指定选修至少6个学分
|
M008S035
| 多元统计分析
| 54
| 3
| 秋
| 考试
|
M008S006
| 矩阵论
| 54
| 3
| 秋
| 考试
|
M008S039
| 非参数统计分析
| 54
| 3
| 春
| 考试
|
M008S064
| 随机分析与金融数学
| 54
| 3
| 春
| 考试
|
M008S010
| 数值分析
| 54
| 3
| 春
| 考试
|
M008S023
| 测度论
| 54
| 3
| 春/秋
| 考查考试
| 由导师指定选修13个学分
|
M008S025
| 抽样设计与调查
| 54
| 3
| 春/秋
| 考查考试
|
M008S038
| 泛函分析（二）
| 54
| 3
| 春/秋
| 考查考试
|
M008S041
| 非线性回归分析
| 54
| 3
| 春/秋
| 考查考试
|
M008S045
| 几何测度论初步
| 54
| 3
| 春/秋
| 考查考试
|
M008S060
| 时间序列分析
| 54
| 3
| 春/秋
| 考查考试
|
M008S062
| 数学生态学模型和方法
| 54
| 3
| 春/秋
| 考查考试
|
M008S063
| 算法语言与程序设计
| 54
| 3
| 春/秋
| 考查考试
|
M008S065
| 随机过程
| 54
| 3
| 春/秋
| 考查考试
|
M008S067
| 统计推断
| 54
| 3
| 春/秋
| 考查考试
|
M008S068
| 统计诊断引论
| 54
| 3
| 春/秋
| 考查考试
|
M008S074
| 线性模型的理论及其应用
| 54
| 3
| 春/秋
| 考查考试
|
M008S083
| L evy过程
| 54
| 3
| 春/秋
| 考查考试
|
M008S084
| 概率论基础
| 54
| 3
| 春/秋
| 考查考试
|
M008S103
| 非线性分析
| 54
| 3
| 春/秋
| 考查考试
|
小 计
|
| 20
|
|
|
|
学士阶段
基础课程
| M008S401
| 近世代数
| 54
| 0
| 春/秋
| 考试
| 由导师指定选修三门
|
M008S402
| 复变函数
| 54
| 0
| 春/秋
| 考试
|
M008S403
| 常微分方程
| 54
| 0
| 春/秋
| 考试
|
M008S404
| 概率论与数理统计
| 54
| 0
| 春/秋
| 考试
|
小 计
|
| 0
|
|
|
|
必修环节
| M008S666
| 学术研讨和学术报告
| ≥10次
| 2
|
| 考查
|
|
总 计
|
|
| 36
|
|
|
|
四、课程简介
1．现代分析：通过本课程学习，学生掌握Borel测度，Lebeshue测度和复测度的基本性质，掌握抽象积分，Hilbert空间和Banach空间技术等现代实分析和复分析的基础知识，为进一步学习打下一定的基础。
2.高等统计：通过本课程学习，使学生掌握统计分布、充分完备统计量、参数估计UMVUE、UMRUE以及假设检验等基础知识，并了解随机数产生和系统仿真技术，为今后进一步学习打下一定的基础。
3.矩阵论课程简介：矩阵被认为是最有用的数学工具。矩阵论以矩阵为工具研究线性空间和线性变换问题，并在其中发展矩阵理论；通过特征值和特征向量研究矩阵相似，若尔当标准形；研究各类特殊矩阵的性质；矩阵范数和矩阵分析理论，计算矩阵函数值；研究矩阵在各种意义下的化简与分解，广义逆矩阵等。
4．时间序列分析(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。
5.高等概率论(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。
6.随机过程3学分(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。
