统计理论及方法类课程

1.统计理论

学生应了解统计随机变量的分布、点估计与区间估计、假设检验、决策理论、贝叶斯方法等相关理论知识，并掌握线性回归、分类数据、非参数估计、生存分析、因果推断等统计建模方法，可通过方差分析等统计手段进行简单的研究设计，学会统计模拟和bootstrap重抽样方法。

2.数据可视化

借助图形化手段，学生可以清晰有效地传达统计数据信息，洞悉蕴含在数据中潜在的现象与规律，可熟练画出散点图、折线图、饼图、频率分布直方图、核密度曲线等常见统计图表。

3.统计模型

学生应掌握各类回归模型，如广义线性模型、Lasso回归、广义可加模型等，结合具体实际问题选择恰当的计量方法，能够使用非参数统计方法解决统计总体分布形式未知问题，学会双重差分、断点回归、合成控制等主流因果推断方法进行政策效应评估。除此之外，学生也需掌握交叉验证、方差分析、固定和随机效应、模型选择诊断等统计研究设计方法。

4.机器学习与数据挖掘

伴随着人工智能的不断兴起，机器学习已成为未来统计人才必不可少的重要工具，学生在使用统计学相关理论方法的同时，也应注重机器学习与数据挖掘知识的融会贯通。在概念上，厘清监督学习与非监督学习的分类标准，在理论中，学会决策树、随机森林、神经网络、支持向量机等经典算法。