课程简介

数理统计

数理统计是统计各专业的一门专业核心课程。通过对某些现象的频率的观察来发现该现象的内在规律性，并作出一定精确程度的判断和预测。主要内容包括数理统计的基本概念、抽样分布、参数估计、假设检验和回归分析。目的在于培养学生有关数理统计知识方面的基础技能，其主要作用是：一方面，使学生初步掌握处理随机现象的基本思想和方法，培养学生以“统计思想”去思考和用“统计方法”去处理学习和工作中遇到的随机数据，从而能作出正确的统计推断。第二，为学生在以后专业课的学习中提供必要的数学基础。数理统计在自然科学、工程技术、管理科学及人文社会科学中得到越来越广泛和深刻的应用。

回归分析

回归分析课程是统计学中的一个非常重要的分支。它在自然科学、管理科学和社会、经济等领域应用十分广泛。回归分析是以概率论与数理统计为基础，主要对随机现象统计资料进行分析和推断。主要介绍一元及多元线性回归分析的经典模型及其最小二乘估计，以及模型的一系列诊断，包括异方差、自相关、多重共线性等的诊断和处理，还有异常值的诊断和处理。难点是多重共线性的诊断和处理，逐步回归和岭回归的应用等，还讲述了非线性回归分析的一系列方法和定性资料的统计描述。

开设本课程的目的是，帮助学生获得回归分析的基本知识、基本应用技能的同时，将回归分析理论、方法与中国社会经济、自然科学等领域的实际相结合，突出实际案例的应用和统计思想的渗透，将学生引领到该学科的前沿，保持教学内容与时俱进。

时间序列分析

时间序列分析是概率统计学中应用型较强的一个分支，在金融经济、气象水文、信号处理，机械振动等众多领域有广泛的应用。课程内容以时间序列的线性模型和平稳序列的谱分析为主线，主要介绍时间序列的基本知识、常用的建模和预测方法。

多元统计分析

多元统计分析主要研究客观事物中多个变量之间相互依赖的统计规律性。在地质 、气象、医学、经济等领域得到了广泛的应用 ，同时也促进了理论的发展。重要的多元统计分析方法有：多重回归分析、判别分析、聚类分析、主成分分析、对应分析、因子分析等。

国民经济核算

国民经济核算是一门研究国民经济核算原理和方法，显示分析国民经济数据的科学，其目的是为国民经济核算实践提供理论和方法论指导。

教学内容有国民经济核算的基本理论；生产核算；投入产出核算；收入分配与使用核算；资本形成与金融交易核算；国民资产负债核算；对外经济核算；国民经济帐户的综合及其关系；国民经济其他核算；国民经济指数核算的基本问题。

通过本课程的学习，学生系统掌握国民经济核算的基本原理、基本内容和基本方法，对国民经济的运行过程和数量关系有比较清晰的了解，提高经济分析和经济信息处理的能力。

数据挖掘

数据挖掘是从大量数据中发现有趣知识的过程，是一个涉及多个领域的交叉学科，包括统计学、机器学习、信息检索、模式识别以及生物信息学。数据挖掘自产生以来就是以分析数据、理解数据的实际需求为动力的，其研究发展也逐步渗透到工业、农业、医疗卫生和商业的实际需求中。

该课程首先介绍数据挖掘的基本概念、R软件的入门；然后基于R软件进行挖掘分析，如数据的导入与导出、数据探索、数据预处理以及挖掘建模（决策树、随机森林、回归分析、支持向量机、聚类分析、关联规则、离群点检测、文本挖掘）等；最后用实际数据做案例，对不同的数据形式介绍尽可能多的建模方法分析进而让学生可以掌握复杂数据的挖掘方法。

金融计量学

金融计量学通常就是指对金融市场的计量分析，不仅包括对金融市场各种交易变量(如价格、交易量、波动率等)进行相应的统计分析和计量建模，还包含研究金融市场中大量的可行性方案和基于随机分析框架下实证金融的主要成果。作为联接金融理论和实证证据的桥梁，金融计量学在现代金融学中处于重要地位，它可以用于检验经济学假说和金融理论，解释金融现象，并对金融市场行为建模和预测，而且这些在学术研究领域取得进展的同时也对现代金融和投资管理产生了深远的影响，金融市场的进一步发展又给金融计量学的研究提出了新的挑战。如今，金融计量学以其独有的研究对象和研究方法，已经成为计量经济学中相对独立、颇具特色和最为活跃的研究领域之一。

抽样技术
  抽样技术是统计学专业的核心课程，主要介绍几种常见的抽样技术，并且在每种抽样技术下，合理利用调查获取的信息估计总体未知参数，最终对该抽样方法进行评价。此外对抽样调查中遇到的实际问题提供解决方法。通过学习，有助于学生在实际的抽样调查中应用合适的抽样技术进行调查。

社会统计与社会调查方法
  该课程是一门实践性课程，系统、全面地介绍统计学的基本原理以及社会调查的原理和方法，具体包括：确立研究主题、问卷设计、抽样调查、数据整理与分析、以及撰写调查报告等。通过学习，使学生掌握相关的理论知识，培养学生社会调查的实际操作的能力。

数据可视化

随着DT时代的到来，传统的统计图表很难对复杂数据进行直观地展示。这几年数据可视化作为一个新研究领域也变得越来越火。成功的可视化，如果做得漂亮，虽表面简单却富含深意，可以让观测者一眼就能洞察事实并产生新的理解（一图胜千言）。可视化(visualization)和可视效果(visual)两个词是等价的，表示所有结构化的信息表现方式，包括图形、图表、示意图、地图、故事情节图以及不是很正式的结构化插图。

基本的可视化展现方式，如条形图、折线图、饼图、雷达图可以很容易通过各种软件（如Excel）容易生成，这些方法是常见可视化问题的良好且强大的解决方案。然而，使用这些方法的最佳方式局限于一些特定的数据类型，而且其标准型和普遍性意味着它们基本无法达到新颖性。如果对地理空间数据、社会网络关系、多维数据进行可视化，直观地传递数据期望表达的信息是需要特定的图表类型来展示。

金融统计分析

金融统计分析具体是指在数据的基础上，用科学的分析方法，对金融现象总体进行全面、系统的数量分析，认识和揭示所研究现象的本质和规律性，进而向有关单位和部门提出咨询建议，以及进行必要的分析、预测的统计工作过程。本课程主要运用R语言对一些金融现象进行分析与预测。

贝叶斯统计

贝叶斯统计是统计学的两大学派之一,它主要研究参数随机化情况下统计分布参数的估计、检验,以及线性模型参数的统计推断。通过学习贝叶斯统计的学习可以为后续的朴树贝叶斯分析模型，图模型，以及蒙特卡洛抽样方法提供理论基础。

数据科学与商务分析

现今社会商业竞争日益激烈，如何有效做出商务决策变得至关重要。本课程将统计概念与实际问题联系起来，从实际商业问题出发，利用相关案例，应用统计软件，详细阐述如何利用数据进行信息决策，寻找模式从数据建立统计模型，以及如何提供调查结果。

R/python语言及案例分析

本课程主要用python或者r对实际案例（kaggle数据）进行数据分析。主要介绍基本的数据结构（tuple，list，dict，DataFrame），图形包（matplotlib）以及机器学习（scikit-learn）等。通过实际案例数据（kaggle上面数据）掌握上述内容，并且能让学生有独立的分析数据的能力。