教学培养
  • 学士教育
  • 硕士培养
    • 专业介绍
    • 培养方案
      • 2013培养方案
      • 2014培养方案
      • 2015培养方案
      • 2016培养方案
    • 文件专区
  • 博士培养
    • 专业介绍
    • 培养方案
      • 2013培养方案
      • 2014培养方案
      • 2015培养方案
      • 2016培养方案
      • 2017培养方案
    • 文件专区
  • 同等学力

2015学硕

您当前的位置: 教学培养 >2015学硕
统计学院 2015级攻读硕博连读学位研究生培养方案
时间:2015-12-06

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、创新能力和敬业精神,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。掌握本学科坚实的基础理论和系统的专门知识,培养具有从事创新性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基础型或应用型的人才。

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5年。

五、培养方式及主要培养环节学习进度要求

(一)培养方式

导师负责制或导师组负责制。硕博连读研究生采取2+3培养模式,统筹硕士和博士研究生培养过程,强化研究生的学术训练和科研工作。

(二)主要培养环节的学习进度要求

第一阶段:以课程学习为主,辅以必要的科研方法训练,学习时间为两年。第二阶段:以科学研究和撰写博士学位论文为主,学习时间为三年。其中一年可申请赴国外知名大学联合培养,以拓展硕博连读研究生的学术视野,提升学术水平。

(三)中期考核、选拔与退出机制

第四学期进行博士候选人资格考试。通过资格考试的同学,后三年为博士研究生身份,继续攻读博士学位。未通过资格考试的硕博连读生,须继续完成培养方案规定的课程与培养环节,第三年撰写硕士学位论文,按照学校相关规定申请硕士学位。

六、知识结构和课程学习的基本要求

(一)知识结构的基本要求

硕博连读研究生必须掌握本学科的专业基础理论知识和研究方法。注意对本学科前沿知识的学习。

(二)课程设置及学分组成(见附表)

总学分设置不少于45学分,必修课不少于37学分。其中 公共课不少于6学分, 专业课不少于30学分, 选修课不少于8学分, 社会实践不少于1学分, 先修课不少于2门。

获得硕士学位的总学分设置不少于45学分,必修课不少于37学分。其中 公共课不少于6学分, 专业课不少于30学分, 选修课不少于8学分, 社会实践不少于1学分,先修课不少于2门。

七、资格考试

学科综合考试是博士研究生完成课程学习后,正式进入学位论文研究阶段前的一次学科综合考试,安排在第五学期进行,考试由笔试和口试两部分组成。考核内容以各博士点专业学科主文献为主。其目的在于考察学生是否具备从事博士学位论文写作工作能力,遴选出真正具备博士学位候选人资格的优秀学生,学科综合考试具备淘汰不合格学生的功能。具体要求、程序、内容详见《中国人民大学攻读博士学位研究生学科综合考试管理办法》。学科综合考试合格者,可进入博士学位论文相关科学研究工作和论文写作;不合格者,可选择重考一次,重考合格者进入博士学位论文相关科学研究工作和论文写作;不选择重考或重考不合格者,课撰写硕士论文,申请硕士学位,或终止学业,按肄业处理。

八、学术讲座、社会实践

硕博连读研究生应在学习期间应积极参加与本专业相关的学术讲座、学术报告,并将学术报告综述交导师审核,评定成绩。

也可以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(实习)报告,评定成绩,计1学分。

九、学位论文开题报告

博士学位论文开题报告时为了阐述、审核、确定博士研究生学位论文选题及内容而举行的报告会,以监督和保证博士学位论文质量。具体要求、程序、内容详见《中国人民大学攻读博士学位研究生学位论文开题报告管理办法》。

十、科学研究和学术论文发表

为促进硕博连读研究生开展科学研究,提高学术水平,要求申请博士学位答辩的研究生在答辩前须在核心期刊上发表(不含用稿通知)两篇以上(含两篇)学术论文。核心期刊以学校制定的《中国人民大学核心期刊》为准。

十一、学位论文工作及要求

(一)申请硕士学位

(1)论文撰写

申请硕士学位的硕博连读研究生,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,安排在第五学期,向教研室(或导师组)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。学位论文应当是学术论文。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。

(2)答辩与学位授予

硕博连读研究生全面完成专业培养方案规定的各个环节,经考核合格,完成硕士学位论文,经指导教师推荐,研究生院审核批准,可申请硕士学位论文答辩。集体具体要求见《中国人民大学研究生手册》相关规定。

(二)申请博士学位

(1)论文撰写

学位论文研究工作是博士学位教育的核心环节,是博士生培养质量和学术水平的集中反映,博士生必须按规定时间完成有关的论文写作。学位论文为学术论文,具体要求见《博士学位论文写作规范》和《中国人民大学研究生院学位论文及其摘要的撰写和印制要求》。学位论文在导师指导下,由博士生本人按计划进度独立完成。博士学位论文应满足培养目标的要求,保证质量。

(2)答辩与学位授予

博士研究生全面完成专业培养方案规定的各个环节,经考核合格,完成博士学位论文,经指导教师推荐,研究生院审核批准,可申请博士学位论文答辩。集体具体要求见《中国人民大学研究生手册》相关规定。

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)

自然辨证法概论 1学分 PUP504 1学期

(Introduction of dialectics of nature)

(2)第一外国语

语言基础 3学分 PUF700 2学期

(Foreign Language)

2、专业课(不少于30学分)

《资本论》选读 3学分 PEE703 2学期

(Studies on the Capital)

(本课程要求经济学学位学生必修。讨论马克思《资本论》的对象、方法、结构和基本理论以及对研究当代经济问题的指导意义。)

高等统计学 3学分 STA600 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)

高等概率论 3学分 STA601 1学期

(Advanced Probability Theory)

(本课程首先讲述为建立概率论公理化体系所必须的测度论的内容,这部分主要包括测度空间的建立,可测函数及其积分,有限维和无穷维乘积测度空间等;之后要在测度论基础上,介绍概率论的一些重要概念和理论,主要包括条件期望,独立性,随机变量族的一致可积性等。先修课程:初等概率论,数学分析、高等代数等数学基础课程。)

多元统计分析 3学分 STA602 2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)

随机过程 3学分 STA603 2学期

(Stochastic Processes)

(本课程介绍鞅,马尔科夫过程,布朗运动,Levy过程,扩散过程以及跳扩散过程等几类重要的随机过程。主要内容包括鞅的停时定理,收敛定理;马尔科夫链的常返性,遍历性,马尔科夫过程的半群和无穷小生成元;布朗运动的相关分布和轨道性质;Levy过程的跳测度,特征三元组;随机积分,随机微分方程及扩散过程和跳扩散过程概念等。 先修课程:高等概率论,数学分析、高等代数等数学基础课程。)

随机分析 3学分 STA604 2学期

(Stochastic Analysis)

(本课程主要介绍随机积分以及随机微分方程的理论及应用等内容,包括:布朗运动和Ito积分,Ito公式,Girsanov定理,鞅表示定理,随机微分方程的强弱解,扩散过程,随机最优控制理论,Black- Scholes-Merton期权定价模型等。先修课程:高等概率论,数学分析、高等代数等数学基础课程)

时间序列分析 3学分 STA605 3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)

抽样理论与方法 2学分 STA701 1学期

(Survey Sampling Theory and Method)

(主要内容包括有限总体内的概率抽样方法,复杂估计问题,复杂抽样设计,复杂样本的方差估计,非抽样误差等。先修课程:数理统计)

数据挖掘与机器学习 3学分 STA703 2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。)

非参数统计 3学分 STA705 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)

试验设计与建模 3学分 STA706 3学期

(Design of Experiments and Modeling)

(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。)

主文献研读课 3学分 STA800 4学期

(Selected Literature Reading of Statistics)

(对本学科主要文献进行研读。)

统计模型 3学分 STA801 2学期

(Statistical Models)

(主要介绍统计模型及建模的思想、理论、方法及其应用,侧重讲授国际上有关统计模型研究方面的前沿成果。内容包括:随机扰动、不确定性、似然、随机模型、模型估计与假设检验、线性回归模型、设计实验、非线性回归模型、贝叶斯模型、条件与边际推断、广义线性模型、非参数模型、广义半参数模型、复杂时空模型等。先修课:高等统计学)

纵向数据分析 2学分 STC705 4学期

(Analysis of Longitudinal Data)

(本课程的目的在于使学生在原专业的基础上,掌握纵向数据中常用的三类模型,也就是边际模型,混合效应模型以及转移模型的不同估计方法以及对于某些模型的检验方法。)

广义线性模型 3学分 1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。)

3、选修课(不少于8学分)

随机分析选讲 2学分 STA723 3学期

(Topics in Stochastic Analysis)

(本课程主要讲述随机分析领域热点问题,例如金融衍生品定价、金融风险分析、倒向随机微分方程,大偏差理论,随机微分几何等。)

分层模型 2学分 STA821 3学期

(Multilevel Linear Models)

(主讲内容包括:分层模型原理、基本应用、高级应用、估计理论以及最新国际前沿等五大部分内容。先修课:高等统计学、统计模型)

分位回归 2学分 STA822 3学期

(Quantile Regression)

(其主讲内容包括: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等。先修课:高等统计学、统计模型)

机器学习选讲 2学分 STA823 4学期

(Selected Topics in Machine Learning)

(本课程跟踪国际统计机器学习领域的前沿发展,介绍一些最新的理论结果和算法。内容包括但不限于图模型、隐因子模型、矩阵分解技术、推荐系统算法、稀疏模型、变分方法、核光滑、树方法(可加树、分类回归树)、深度学习等。先修课:《高等统计学》、《概率论》)

金融随机分析 3学分 STA902 3学期

(Stochastic Calculus for Finance)

(本课程主要介绍随机分析的一些基础知识以及离散和连续时间的无套利定价模型。以简单二叉树模型为基础引入风险中性定价的概念并在连续时间进行系统讨论,特别对风险中性定价理论在各类期权,期货,远期,利率产品等的定价问题上的应用做详细介绍。先修课程:概率论,金融衍生品等)

可在全校开设的研究生课程范围内选修。

4、社会实践(1学分)

5、先修课

实变函数论

(Real Analysis)

时间序列分析应用

(The Application of Time Series Analysis)