统计学研究生申请完整指南大全

根据国内一些智库的解读，中国的目标是到2050年人均GDP达到高收入经济体的70%，这意味着 人均GDP和工资需要分别保持4.7%和4.9%的年均增长率 。要达成这个目标，则要在未来30年中加速实现劳动从业者素质的升级和技能的转型。 

 来源：麦肯锡全球研究院

一份来自麦肯锡全球研究院关于“中国的技能转型”的报告显示，到2030年，将有2.2亿中国劳动者(占劳动力队伍的30%)可能因自动化技术的影响而变更职业，中国职业变更的份额大约占到全球的36%，而约有5160亿工时因自动化影响需要重新部署。 

工业自动化的本质是以机器代替人力 ，未来那些流程化、经验化以及高危化的工作被“聪明的”机器取代，工业“智动化”将是不可阻挡的趋势。 这里就不得不提到一个概念，人工智能。 人工智能的本质是一种工具，让生活更为便捷、高效的工具，在这个工业4.0时代，想要成为“机器不可替代的人”，有两种路径： 成为使用工具的人，或是成为制造工具的人，无论你选择哪条道路，统计学便是其基石。 

人工智能其实就是统计学 

2018年8月，诺贝尔经济学奖得主托马斯·萨金特（Thomas J. Sargent）在于北京举办的世界科技创新论坛上表示：“ 人工智能其实就是统计学 ，只不过用了一个很华丽的辞藻 。 ” 

任正非接受央视《面对面》专访 与托马斯相似，华为创始人兼 CEO 任正非在接受央视《面对面》采访时，谈及基础研究和基础学科的重要性时说，“人工智能就是统计学，计算机与统计学就是人工智能，什么学后面都得跟着统计学，统计学很重要。” 

 有人会疑惑，统计学真有这么重要？人工智能和统计学，有什么关系？ 人工智能（AI）本质上是数据驱动的，而统计学是一门从数据中发现规律的学科，对人工智能发展起着至关重要的作用。可以简单地理解为， 人工智能就是一个统计学上的应用，我们现在的人工智能所做的决策都是经过大量数据分析所得到的“经验”而得到的。

例如，2014年微软推出的“小冰”实现了以情感语料为基础的中文人机对话。统计学家将中国近7亿网民在网上的论坛、微博或是网站里出现过的对话句子抽取出来，通过分析对话的语境与语义，精炼为几千万条真实而有趣的语料库。当来了一个句子时，系统从语料库里找到一个跟这个句子最相像的句子，而这个句子对应的答复就可以直接输出作为电脑的回复，借助统计学，AI小冰实现了超越人机问答的自然交互。

在感知技术中，AI 在语音识别和图像识别上分别取得 95% 和 99% 的准确率，无论是统计语言模型还是深度网络模型，也主要依赖概率论，贝叶斯理论和最优化理论等数学统计方法作为基础工具。 

强人工智能阶段的本质就是基于数据的学习和推理，而统计学就是推进其前行的“轮子”。 统计学不仅是解决算法和模型问题的基础，统计思维对整个人机协作数据获取、算法研发以及结果分析都有着巨大影响。

华人统计大牛 Yu Bin 教授（伯克利统计系系主任，美国科学院院士）曾提出经典的统计概念：PQRS框架。即P（Population观测对象），Q（Question of Interest 业务目标），R (Representativeness of training ata 训练样本表征) ，S (Scrutiny of result 结果分析) ，这套数据分析和建模的思维过程也是 AI 产品和研究非常重要的思维框架。 

尽管人工智能离不开统计学，但统计学并不是人工智能的全部，我们常举的例子，如果你想造一个会拉小提琴的机器人，除了需要统计学家、人工智能专家外，你还需要机械工程专家、音乐家、行为学家等各类人才，协同合作才能成事。 在当今的世界，跨界和融合才是王道，而统计学便是其中粘接的 "胶水”。

统计学家 一个在中国被严重低估的职业

对于法律的理性研究而言，研究文本的人可以掌握现在，但未来属于统计学家。——小奥利弗·温德尔·霍姆斯《法律的道路》

据美国劳工统计局（the Bureau of Labor Statistics）预测，2019-2029，对统计学家（Statisticians ）的需求将会上涨35%，即在未来十年内还需要14800名统计学家。在雅虎新闻《20个急剧增长的就业岗位》排名中，统计学家位列第五（数据科学家紧随其后，位列11）。 由于企业不断扩大的来源收集越来越多的数据，而为了分析和解释这些数据，企业和组织将需要雇佣更多在这些分析方面受过专门培训的人员（统计学家）。 过去人们利用信息差赚取超额利润，未来的超额利润将会由超级数据分析——统计学创造。 

(a) 统计学的定义

有人问，学统计学的意义。 有个网友的回答很有意思，“因为学了统计学至少不会张口就来，‘我身边、我朋友、我亲戚……，所以全中国都是这个样’。” 话糙理不糙，他用通俗最通俗的话描述了统计学思维的核心：尊重客观事实。即通过对客观数据的收集、整理、分析、描述等手段来推测客观对象的本质，以此来预测未来现象的学科。 可以说， 统计学是主观理论与客观世界之间的桥梁。

韦氏大字典对统计学的定义∶数学的一个分支，处理大量数据的收集、分析、推理和展示。

从定义上我们已经可以看出统计学与数学有莫大的联系，它是数学领域的延伸，更侧重于应用。

而现在统计学已经从数学独立出来，成为一门独立的科学，一门运用数学模型作为重要工具的基础科学。

(b) 统计学的专业分支

在美国,统计学是二次世界大战以后发展最快的一门学科，现已经成为美国五大最热门专业之一。目前美国已有二百多所大学设有统计系，规模较大的大学还设有两个统计系,即统计系和生物统计系，一般分设在文理学院和公共卫生学院。 

在开设统计学专业的美国大学中一般都有两个方向： 一个是偏重于理论研究的，一类是偏重于实际应用的。 

如果是选择理论研究方向的话，主要是数学系或统计学系下的，统计学（Statistics）——这也是绝大多数美国大学所开设的统计学专业，如果选择实用方向的话，所包括的方向相对就比较广泛，比如现在很热门的生物统计、经济统计和社会统计学等，具体到专业包括应用统计学（Applie Statistics）和生物统计学(Biostatistics)。  

1 统计学 Statistics

统计学主要通过利用概率论建立数学模型，收集所观察系统的数据，进行量化的分析、总结，并进而进行推断和预测，为相关决策提供依据和参考对数据的研究和分析。

都是围绕数据，统计学和数据科学有何区别？
从专业的划分来讲，统计学源于数学，是由数学的分支慢慢发展而来的，常开设于数学系或统计学系下；

而数据科学源于计算机科学，涉及数学、统计学、计算机科学等多个领域知识的学习，根据项目特点，常开设在计算机学院、工程学院、统计学院、数据科学学院等多个学院下。 

而院系师资力量的设置直接导致了课程设置的不同，从课程设置上，统计学硕士研究内容包括：样本设计、数据挖掘、统计模型简历、时间序列、非参数统计方法、蒙特卡罗法、空间统计、贝叶斯推论等，包括各种经典的统计模型和各种统计理论的学习。

我们可以看出， 统计学研究的载体虽然是数据，但是研究的内容包含着各种各样的数学和统计方法。 而数据科学除了数学与统计学原理、数据科学概论、计算机科学概论等基础理论课程外，还包括机器学习、数据库、数据挖掘和数据建模、Python/Java/Pig/Hive等编程语言的学习，相比统计学他们更注重数据的管理和处理，能够通过设计建模的方式，从数据中提取信息。 

可以说数据科学更多的是源于大数据时代下，对用计算机处理数据的能力的要求。 概括来说， 数据科学是介于计算机和统计学、数学之间的跨学科项目。

Data Scientist (n.): Person who is better at statistics than any software engineer an better at software engineering than any statistician.

数据科学家：比软件工程师更懂统计学，比统计学家更懂软件工程。

随着大数据时代的来临， 越来越多美国大学将数据科学课程囊括其中，他们的边界越来越模糊 。例如卡内基梅隆大学统计学系在17年改名为统计与数据科学系（Department of Statistics an Data Science）；加州大学圣塔芭芭拉分校统计学硕士项目（Masters Degree in Statistics）下设增加数据科学分支（track），这些都是高校在大数据时代下，对人才培养策略所做的调整。 

明尼苏达莫里斯大学统计学教授乔恩·安德森说，统计学和数据科学之间的界限是模糊的， 他预测这两门学科最终可能会合并成一个研究领域。 

他表示，这其中有一些微妙的区别，尽管统计学家和数据科学家都在处理和解释数据，但数据科学往往比统计学涉及更多的算法和自动化。安德森认为， 数据科学比统计学更具技术性，它通常涉及大量的计算机科学。

2 应用统计学 Applie Statistics

应用统计学是统计学的一般理论和方法在社会，自然，经济，工程等各个领域的应用，它是统计学和其他学科之间形成的交叉学科。 

应用统计学和统计学有何区别？ 

作为同时开设统计学（MS in Statistics）和应用统计（Master of Applie Statistics ，MAS)的加州大学洛杉矶分校，在描述这两个项目时说道： “The MS program focuses more on theoretical statistics. In contrast, the focus of the MAS program is applie statistics an ata science. “ 即统计学更注重统计理论的学习，而应用统计学更为职业导向，它强调统计学理论和技术在商业、工业、政府机构以及科学调查的应用， 重视学生量化能力和数据分析技能的培养 。我们可以看看康奈尔大学应用统计硕士项目的描述（如下图） 

来源：康奈尔大学官网

在课程设置上，也是增加了更多统计编程、数据管理、数据可视化、数据科学工具等课程，除了核心课和选修课程外，部分学校（如密歇根安娜堡分校、康奈尔大学）也提供统计学系外其他应用领域的选修课程，例如计量经济学金融分析、生物信息学、工程统计等等供学生选修。 应用统计和统计学对申请者的背景要求相似，偏向有本科为统计或数学专业，或者有较多相关课程的学习背景的申请者，具体的要求我们将在下面板块详细讨论。

3 生物统计学 Biostatistics

生物统计学是运用数理统计的原理和方法，分析和解释生物界的种种现象和数据资料，以求把握其本质和规律性。

生物统计学最常见的是应用于生物学、医学、农学等的研究中，合理地进行调查或实验设计，科学地整理、分析收集得来的资料。在公共卫生和药物检测等领域有广泛的应用，如当一款新药上市前要做临床试验，需要研究怎么开展试验，获得什么数据，基于数据来判断新药是否有效和新冠肺炎时期的疫情动态情况等。 生物统计属于跨学科专业，学生会学习数学、统计、生物信息、计算机 (尤其是数据挖掘) 等相关的课程 。 

在美国，现在很多学校都专门设立了独立的生物统计系，另外生物统计有很大一部分设置在公共卫生学院(School of Public Health) 里面，毕业后可以在医院或者科研机构进行研究工作。

从申请的角度看，生物统计专业的录取者本科生背景多样，主要来自 统计、数学、计算机 及相关自然科学专业。

对该专业的申请者来说，要求本科阶段学过如下课程： 3个学期的微积分、2个学期的线性代数 ，这是必修项，加分项包括概率论、常微分方程、偏微分方程、离散数学、随机过程、数值分析、编程课（Python, R, Java, C++、SAS等），一般来说 数学课越多申请越有竞争力 。

如果申请者没有时间或没有机会在你的成绩单上加上数学课程，可以通过一些在线课程平台比如Coursera弥补课程上的不足（最好是选择带有学分的课程，结课后可以获取成绩单的）。 在新冠疫情的响下，随着大数据技术的发展，我们明显地感到生物统计的咨询热度正在上涨，而相较大热的数据科学、数据分析专业，生物统计的申请难度相对小一些.

▼▼▼
★如想再进一步咨询美国留学申请的同学和家长请拨打电话：177 1032 1673（微信同号）即可咨询金吉列留学上海美国部留学首席老师!