统计学一级学科硕士研究生培养方案修订.docx
《统计学一级学科硕士研究生培养方案修订.docx》由会员分享，可在线阅读，更多相关《统计学一级学科硕士研究生培养方案修订.docx（23页珍藏版）》请在冰豆网上搜索。
统计学一级学科硕士研究生培养方案修订
统计学一级学科硕士研究生培养方案（2018年修订）
专业代码：
071400
一、培养目标
为适应教育面向现代化、面向世界、面向未来的目标，培养社会主义建设事业需要的高层次专门人才，要求统计专业的硕士研究生：
1.应具有较扎实的统计学理论基础；
2.应系统地掌握本专业基本理论、基本研究方法和技巧；
3.应具有较强的学术沟通能力和良好的团队协作精神；
4.应具备创新意识和独立科研能力；
5.应该熟练掌握一门外语，具有阅读外文资料和用外文写作论文的能力；
6.应具有熟练地使用计算机进行科学计算以及借助互联网查阅专业资料的能力；
7.身心健康，德才兼备。
二、培养方式与学习年限
1．培养方式
采用导师指导为主，导师与指导小组集体培养相结合的模式，通过课堂授课、专题讨论班、专家讲学、课题研究、参加学术报告（会议）等培养方式，使学生成为有学习积极性、主动性和创造性的高层次专门人才。
2．学习年限
本专业的硕士研究生学制为三年。
三、研究方向
试验设计，非参数估计，金融统计，风险管理。
四、课程设置
课程
类别
课程
课程名称
总学时
学分
开课学期及周学时
备注
Ⅰ
Ⅱ
Ⅲ
Ⅳ
Ⅴ
Ⅵ
公共基础课
11_000002
自然辩证法概论
18
1
1
修8学分
09_000003
英语
216
5
6
6
11_000004
中国特色社会主义理论与实践研究
36
2
2
学科基础课
18_013105
应用随机过程
72
4
4
至少修12学分
18_010312
高等数理统计
72
4
4
18_013101
应用时间序列分析
72
4
4
18_013103
多元统计分析
72
4
4
18_010604
统计计算
72
4
4
专业主干课
18_010304
正交表的构造
72
4
4
至少修8学分
18_010601
随机过程统计
72
4
4
18_010602
非参数统计
72
4
4
18_013104
统计软件
72
4
4
非学位课
18_010610
金融风险管理
72
4
4
18_010603
半参数回归模型
72
4
4
18_010303
金融数学引论
72
4
4
09_010305
试验设计
72
4
4
18_010306
高等概率论
72
4
4
18_010612
统计模拟技术
72
4
4
18_010302
随机分析与随机微分方程
72
4
4
18_013109
金融统计研究
72
4
4
18_010311
数理金融方法
72
4
4
18_010314
矩阵理论Ⅰ
72
4
4
18_010315
矩阵理论Ⅱ
72
4
4
18_010613
统计推断
72
4
4
18_010607
抽样技术
72
4
4
18_010317
概率论极限理论
72
4
4
18_010614
生物统计
72
4
4
18_010615
数据挖掘
72
4
4
18_010616
贝叶斯统计
72
4
4
必修环节
09_019001
教学实践
2
*
五、学习要求与考核方式
1．课程学习要求
要求每位研究生至少修满35学分，其中学科基础课至少修满12学分，专业主干课至少修满8学分。
考核分为考试与考查。
必修课进行考试，选修课进行考试或考查。
考试成绩按百分制计分，考查成绩采用五级记分制。
2.实践环节要求
实践内容包括教学实践（为本科生授课、辅导、批改作业、指导大学生毕业论文等）与科研实践（参与具体的科研项目、科研咨询、课题调研，参加学术报告或学术会议等）。
相关的要求见本培养方案有关条目。
3.科研成果数量要求
本专业的硕士研究生在学习期间至少发表（含录用）1篇专业学术论文（除导师外，申请者须排名第一）。
特殊情况下，经导师同意并经学院学术委员会认定达到毕业水平者，可以不要求有学术论文在毕业前被发表或录用。
六、中期考核
课程学习阶段完成后，学生最迟在入学后的第四学期末之前，参加学院组织的中期考核。
中期考核办法参照“硕士学位研究生中期考核规定”进行。
中期考核合格方可继续攻读学位。
七、学位论文要求
1.论文选题
研究生在撰写论文之前，必须经过认真的调查研究，查阅大量文献资料，了解研究发展的历史、现状和发展趋势，在此基础上确定自己的论文题目；论文的选题要在前人工作的基础上有所创新，有学术价值或理论和实践意义，论文对所研究的课题要有新的见解。
鼓励研究生选择与导师当前所承担课题密切相关的题目。
2.论文开题
在中期考核前进行学位论文的开题报告论证会。
研究生必须撰写完整的学位论文开题报告，包括课题的研究意义、研究方法、研究思路、内容框架、撰写计划、核心观点和创新环节，以及相应的文献资料。
3.论文撰写
研究生在论文撰写过程中，应该定期向导师汇报课题研究进展。
必须保证论文写作时间不少于1年，以确保学位论文的质量。
4.论文评阅与答辩
本专业实行学位论文预审制度。
应在正式答辩前两个月，由本专业的导师指导小组（至少3人组成）对学位论文进行预审。
在预审合格或通过修改后合格，方可申请答辩。
在举行答辩之前，还必须通过至少两名同专业的高级职称专家的评阅，对部分论文进行“双盲”评定。
评阅合格后方可进行论文答辩。
统计学专业主要课程介绍
课程编号:
18_013105课程名称:
应用随机过程
总课时:
72学分:
4
开课单位:
数学与信息科学学院开课学期:
Ⅰ
教学目的：
通过本课程的学习，使学生了解随机过程的基本概念、基本理论、基本计算方法等，熟悉和掌握常见随机过程的基本思想和技巧，正确理解和掌握应用随机过程中常用计算方法和定理的证明方法，了解应用随机过程学科的研究前沿及发展动态。
掌握应用随机过程中常见的泊松过程、更新过程等的基本原理，熟练利用应用随机过程的思想解决计算科学、生物科学中的随机问题和相关的数学问题，为后续课程的学习奠定良好的基础。
教学内容：
本课程主要讲授随机过程的一些基本概念：
随机过程，适应过程，可料过程，可选过程，随机过程的特征函数，平稳随机过程，独立增量过程，随机过程的谱分解，马氏性。
随机过程的特征：
正态过程，Wiener过程，Bronwn运动，Poisson过程，鞅，无穷可分过程，更新过程，扩散过程，Markov过程，Levy过程。
简单的随机积分及其性质（Ito积分，二阶矩过程的随机积分），简单的Ito随机微分方程解的存在和唯一性以及解的马氏性等相关内容。
教材及主要参考书目：
1.林元烈,应用随机过程,北京：
清华大学出版社,2002.
2.柳金甫,孙洪祥,王军,应用随机过程,北京：
北京交通大学出版社,2006.
3.张波,商豪,应用随机过程,北京：
中国人民大学出版社,2014.
4.刘次华,随机过程,武汉：
华中科技大学出版社,2008.
课程编号:
18_010312课程名称:
高等数理统计
总课时:
72学分:
4
开课单位:
数学与信息科学学院开课学期:
I
教学目的：
通过本课程的学习，使学生了解高等数理统计的基本概念，掌握高等数理统计中常用的几种基本统计推断形式（点估计、假设检验、区间估计）的大小样本理论和方法，培养学生用统计方法和原理分析解决实际问题的能力，为学生进入理论研究领域和实际应用领域奠定良好的基础。
教学内容：
学生了解数理统计中的基本概念，掌握数理统计中常用的统计推断形式的基本原理和方法，主要包括点估计的评价准则和常用的点估计方法，假设检验中的一致最优势检验、一致最优势无偏检验、似然比检验等，以及区间估计中构造置信区间的方法和寻求未知参数置信水平给定的一致最精确的置信限。
教材及主要参考书目：
1.茆诗松,王静龙,濮晓龙,高等数理统计,北京：
高等教育出版社,2006.
2.陈希孺,数理统计引论,北京：
科学出版社,1997.
3.陈希孺,高等数理统计学,合肥：
中国科学技术大学出版社,2009.
4.郑忠国,高等统计学,北京：
北京大学出版社,1998.
课程编号：
18_013101课程名称：
应用时间序列分析
总课时：
72学分：
4
开课单位：
数学与信息科学学院开课学期：
Ⅰ
教学目的：
通过本课程的学习，使学生掌握时间序列的基本概念以及时序的分类，学会对具体时序的分析步骤与建模方法，进而掌握如何判断已建立模型与原来数据的适应性及对未来值的预报。
掌握应用时间序列分析中常用的分析方法及其基本原理，熟练利用时间序列的思想解决一些金融、保险、经济等实际问题和相关的数学问题，具备较强的时间序列统计分析能力，并对分析结果进行合理的解释。
为后续课程的学习奠定良好的基础。
教学内容：
本课程主要讲授时间序列的基本概念及性质，自回归模型、滑动平均模型与自回归滑动平均模型，均值和自协方差函数的估计，时间序列的预报，ARMA模型的参数估计，周期模型的参数估计，时间序列的谱估计，多维平稳序列等相关内容。
教材及主要参考书目：
1.王黎明,王连,杨楠,应用时间序列分析,上海：
复旦大学出版社,2009.
2.王振龙,时间序列分析,北京：
中国统计出版社,2002.
3.何书元,应用时间序列分析（第一版）,北京：
北京大学出版社,2003.
4.王燕,应用时间序列分析,北京：
中国人民大学出版社,2008.
课程编号:
18_013103课程名称:
多元统计分析
总课时:
72学分:
4
开课单位:
数学与信息科学学院开课学期:
I
教学目的：
通过本课程的学习，使学生充分了解多元统计的基本概念和基本方法，掌握一些常用的多元统计思想和多元分析方法。
学会处理常见的多元分析问题方法，为研究生进入理论研究领域和实际应用领域打下扎实的基础。
教学内容：
本课程系统论述多元统计分析的基本理论和方法，力求理论与实际应用并重。
主要内容有：
矩阵的基本概念、内积和投影、特征根和特征向量、正态分布的矩、多元正态分布的参数估计、二次型分布、维希特分布、多母体均值的检验、距离判别、贝叶斯判别、最小二乘估计、逐步回归、典型相关变量、主成分分析及主分量分析、因子分析、广义线性模型、系统聚类法、动态聚类法、有序样品的聚类及预报等相关内容。
教材及主要参考书目：
1.张尧庭,方开泰,多元统计分析引论,武汉：
武汉大学出版社,2013.
2.何晓群,多元统计分析,北京：
中国人民大学出版社,2004.
3.朱建平,应用多元统计分析,北京：
科学出版社,2006.
4.于秀林，任雪松,多元统计分析,北京：
中国统计出版社,19
升级会员 