统计学研究生申请完整指南

面向2030年的工业“智动化”趋势

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。

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。

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。

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”。

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。

统计学专业介绍

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。

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。

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（Applied Statistics）和生物统计学(Biostatistics)。

👉相对于统计学，开设应用统计专业的院校数量较少，Top30里面仅有包括哥大在内的7所院校开设 。我们整理了TOP50开设统计学和应用统计学的所有院校名单，有需要的同学可以扫描下方二维码领取。

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。

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 and 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。不过，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。

👉对数据科学感兴趣的同学，可以点击《申研百科-数据科学专业》查看：数据科学研究生申请完整指南，收藏！

作为同时开设统计学（MS in Statistics）和应用统计（Master of Applied 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 applied statistics and data 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。

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，我们之后也会单独出一篇“生物统计学”专业的申请攻略。

👉对此专业感兴趣的同学可以点击下方领取TOP50开设生物统计的名单，也可以直接联系ALPHA的咨询专家进行咨询。

你适合申请统计学专业研究生吗？

美国大学的录取委员会在招生的时候，比较倾向于具有理工科背景的学生，尤其是本科为统计学或者数学专业的学生这些学生在低年级的基础课程比如微积分、线性代数、概率论、数理统计等大部分相同，只是在高年级的专业课有所不同，但仍有很大一部分交叉的课程，所以二者在申请的过程中差别不大。

如果是跨专业的申请者，录取委员会的教授们会比较注意这部分人的数学背景，比如一些数学类的基础课程，数值分析，高等代数（或者是高等数学），统计的基础课程、实分析等课程。考虑到一般商科的学生数学背景相对欠缺（特别是规划比较晚来不及补休相关课程的）但又对数据分析、统计感兴趣，不妨考虑商业分析专业。

👉商业分析申请指南链接：商业分析研究生申请完整指南，收藏！

在体育竞技中，统计学家可以通过分析对手队伍的队员数据制定比赛策略，甚至计算胜率。他们对不同成员过往赛季得分粗约统计，经过数学分析之后，构建数学模型——平均值和标准差的方法得出每个人的正态分布图，最后找出每名成员的优势与劣势。

以短跑比赛为例子，来自全世界各地的选手有很多，于是需要进行整体分析，在对起跑时间与反应力的统计时，会考虑许多客观因素，因此运用到了随机事件与古典概型的方法，统计出来的优生胜人选便是冠军。

那么究竟统计学家工作的日常以及成为统计学家需要具备什么素质呢？

曾有一个美国的高中生写信问过ASA（American Statistical Association）美国统计协会主席Barry D. Nussbaum 先生关于“统计学家做什么？”“我需要做什么以成为一个合格的统计学家”等一系列问题，Barry先生的回答我们可以参考。

👉感兴趣的同学可以通过以下链接获取完整Q&A：https://magazine.amstat.org/blog/2017/02/01/qa-with-asa-president-barry-d-nussbaum-what-does-a-statistician-do/

总结一下，作为该专业的申请者，不妨反思一下，你是否符合这些特征：

如果你认为你符合上述特征，那么你将会是未来潜在的优秀统计学家。

成为统计学家需要有夯实的数学和统计学知识，那么相关的学历对于未来就业和学习极其重要。

来源：东北大学官网

许多入门的统计工作需要申请者至少拥有数学或是统计学硕士学位。而如果你在统计分析和另一个学科领域都很熟练，例如经济学和计量经济学、计算机和材料科学或生物学的人，在寻找专业行业就业时，会有明显的竞争优势。但如果你考虑在研究界或是学术界深造则通常需要获得博士学位。 

我们一直强调信息时代的竞赛是信息量和认知度的竞赛，很多同学在并不了解专业学习方向，所需匹配的知识技能时，就匆匆开始申请，而在开学之后才发现这并不是自己想要的，为时晚矣。看到这里如果你仍对统计学申请感兴趣，不妨继续看下去，我们下面将分享统计学的项目做推荐、过往申请案例分享以及相关的申请建议。

统计学硕士项目推荐

我们精选了6个统计学硕士项目，从Top10到Top50不同档次的院校，供正在进行统计学专业选校的同学参考。

项目名称：Master of Arts  in Statistics

【误区：别人都说哥大的统计很“水”？】

哥伦比亚大学的统计有两个专业MS in Statistics 和MA Statistics, 被外界认为水的专业是MA Statistics。之所以被认为水是因为该专业招生标准低，从招生标准、课程设置和项目就业来看看，到底是不是这样。

从实际情况来看，所谓招生标准“低”是相对的，相对申请哈佛，斯坦福，耶鲁等差不多和哥大同级别的学校的统计专业，以及哥大其他专业比如商业分析，金融工程，金融经济等专业是低的，但是对于其他TOP10的院校仍是高水准高难度的。

以及哥大项目先修课要求也较为严格：需要修读一个学期的线性代数，深入覆盖相关主题，包括矩阵、向量空间、线性变换、特征值和特征向量、典型形式及其应用，以及高级微积分；最好有理论或应用概率和统计学方面的经验；熟悉计算机编程，包括对SAS、R或Python的使用。

无论是从申请者的标准化考试成绩、先修课程要求，MA Statistics招生标准是高的, 并不是背景一般的学生能够够得着的，项目也并不水。

再来说一下这个专业的课程设置: 三门必修课（概率论、推理、线性回归模型）一门实践课（高级数据分析或高级机器学习，二者任选其一），六门选修课（除了学校提供的统计学相关选修课外，就读该专业的学生还可以从哥伦毕业大学的五个学院：数学学院、计算机学院、商学院、数据科学学院、工程学院进行选课）。可见该专业就读的学生，可以根据自己的喜好或者未来职业发展方向，有针对性地选课，学到真正有用的知识和技能，从这个层面上讲，哥大的MA Statistics专业并不水。

首先是哥大的地理位置，哥大地处纽约市中心，哥大优越的地理位置给学生提供了良好的就业环境；

其次学院的就业服务来讲，学校设有帮助学生提高职场谈判沟通和领导力的相关职业发展课程，有非常多的求职活动比如简历审查和求职信研讨会、模拟面试会议、校友小组会议、与雇主和招聘人员会面，以及其他以职业为导向的会议。此外哥大本身的Handshake (校内招聘网站）也很强大，校内的研究机会非常多，不管是哪个系都有很多教授会将研究岗位出来放在官网上。

另外，哥大的校友网非常厉害，国内外数得上名的科技公司，投行，保险，金融公司都有很多自己的校友，因此只要你足够努力优秀，内推的资源也是非常多的。

最后从项目毕业生的就业来看（如下图所示）

来源：哥伦比亚大学官网

从上图可以看出，哥伦毕业大学的MA Statistics就业范围还是非常广的，2020届毕业生的雇主有三星、华为、谷歌、微软、脸书、阿里巴巴、亚马逊、美国运通、美国银行、花旗银行、麦肯锡、毕马威、德勤、德意志银行、领英、高盛、摩根大通、IBM、欧莱雅、世界银行、特斯拉、腾讯、瑞士银行、联合国等，可见MA Statistics专业毕业生也是被知名企业认可的。

所以，从论是从招生标准、课程设置还是从就业来看，哥伦比亚大学的MA Statistics专业都不水，重点是看申请者自身的条件和选校定位。

项目名称：Master of Science in Statistics

芝加哥的统计硕士开设在统计系下，项目为期一年，芝加哥大学在统计专业上有着较高的理论水平，有着业界知名的师资和广泛的研究方向，项目理论性水平高，特别适合有想法继续攻读PHD的学生，比较偏学术而非应用。除了在统计方法、机器学习、生物统计和概率方面的专业知识外，统计系还积极从事跨学科的研究领域，如遗传学、数学金融和计量经济学、环境统计、计算神经科学、计算化学、机器学习和模式识别、科学计算、调查方法等等。对于学生的要求极高，硕士生可以和博士生一起参与学术活动。 

课程设置系统而有自由，项目包括生物统计学、统计遗传学、统计金融学、环境统计学、计算神经科学、机器学习、模式识别、科学计算、调查方法学等等分支的学习，学生可以根据自己的兴趣定制自己的研究生课程。理论和应用统计学课程，给学生提供对统计方法及其实际应用的广泛知识和理解；通过研讨会和特殊课程学生可以接触最前沿的领域，可以主要研究统计，或结合其他统计数据应用的领域。

除此之外统计系可以为大学其他系的研究人员提供咨询服务。学生可以成为顾问，作为定量专家工作，解决重要研究问题的同时积累咨询的经验。学生也有机会和教员顾问一起选择的主题的硕士论文来深入研究一个问题。除了在咨询项目中的演讲外，所有的硕士生在项目结束时都会就他们的硕士论文进行一次研讨会。

芝加哥大学的统计学申请者需要修读过多元变量微积分、线性代数或矩阵代数以及一年的初级概率和统计。

项目名称：Master of Science in Statistical Science

杜克大学的统计科学硕士开设在文理学院的统计系下，项目总共需要修读36个学分，课程时长2年。统计学硕士课程的重点是学习如何应用统计学和数据科学的最新方法，以及支撑这些方法的数学理论和计算技术。由于其深厚的技术知识，MSS毕业生可在高规格的工业、政府和研究机构中担任数据科学方面的职位，或选择进入统计学、数据科学、信息科学等方面的顶级博士课程。

统计专业的就业配套服务完善，统计系与杜克大学就业中心紧密合作，并在内部提供简历写作、面试、沟通和演讲技巧方面的帮助。此外，潜在的雇主和校友会专门访问该系，提供信息会议、网络机会和招聘活动。在整个秋季和春季学期，有许多由系里和就业中心主办的职业活动，包括MSS校友晚宴、MSS行业日（超过10个潜在雇主）、硕士和博士研究生职业展（由就业中心主办）、数据科学行业日（由就业中心主办）、研究生工程和技术展（由研究生院主办），以及MSS Proseminar课程中的具体网络和招聘活动等等。

从杜克大学官方的就业报告来看，该专业毕业生主要就职于阿里巴巴、麦肯锡、亚马逊、IBM、甲骨文、脸书、华为、波士顿咨询等国内外知名科技公司、金融服务公司、咨询公司担任数学科学家、量化分析师、分析咨询师、算法工程师等岗位。

杜克大学统计毕业生行业分布

杜克大学统计毕业生岗位分布

薪资范围在$75,000 to $155,000，平均薪资高达$102,000。当然也有学生在斯坦福大学、卡耐基梅隆大学、哈佛大学，UC伯克利大学等知名院校就读博士学位。

课程非常棒！强调基于随机模型的推理和预测问题的方法，强调贝叶斯和机器学习方法，课程实用性强，灵活度大。有6个分支可以选择, 可以侧重研究为博士学习做准备，也可以根据未来的职业方向选择匹配的领域进行学习，包括数据科学与分析、健康数据科学、金融与经济、市场研究和商业分析、社会科学与政策，基本上覆盖了各个领域。该项目小班授课模式，每年就读的学生数量在30个左右，学生可以在更深的层次上与教师一对一交流获得学术和专业上的指导意见。

关于杜克统计学硕士的申请：

（a）对申请者的背景没有限制，但是申请者需要修读两个学期基于微积分的概率和数学统计序列、一门矩阵代数课程、一门应用回归分析课程；

（b）一些计算和数据分析的基本经验；

（c）最好有正式编程的经验，使用C、Python、java、R、Matlab等中的一种或多种。

（d）往年录取的学生背景40%数学, 38%统计, 13%经济金融背景，8%工程背景；

（e）标化成绩建议GPA 3.8左右， GRE 328以上

项目名称：Master of Arts  in Statistics

华盛顿大学圣路易斯分校统计学硕士开设在文理学院下的数学与统计系下，项目总共修读36个学分，课程时长一年到一年半。项目没有论文，学生必须在满足课程要求的前两个学期（或18个学分）中保持累计平均GPA3.5或以上才可以获得论文的选项。除了提供坚实的理论外，该项目还具有应用价值，在预测分析和大数据等领域提供工具，策略和技术技能培训，帮助专业人士分析大量数据，有效利用技术实现可靠和高效的商务决策。该项目提供灵活和广泛性的选修和应用课程，强调数学，计算机科学，工程，实际调查，生物统计学，经济学和商业领域的统计分析。

圣路易斯华盛顿大学的统计学项目(Master of Arts in Statistics) 研究内容涵盖了统计学的多个关键领域，包括概率、统计计算与模型建立、试验设计、生存分析、贝式统计、随机过程等。统计学项目36个学分包括15学分的必修课程、15学分的选修课程以及6学分的论文写作。课程设置灵活，除必修课外，该项目提供了大量选修课程，涵盖了统计分析在数学，计算机科学、工程学、临床观察、生物统计、经济学、和商业等多个领域的应用。学生可以跨专业选修课程，也可以在某个分支下选择选修课和进行论文写作，可供选择的分支包括：生物学与健康、商业与金融、工程与材料等。

项目名称：Master of Statistical Practice

卡耐基梅隆大学统计实践硕士开设在人文社科学院下的统计和数据科学系，整个项目总共时长一年两个学期，每学期5节课。课程侧重于统计实践、方法、数据分析和实际工作技能。Master’s in Statistical Practice (以下简称MSP)是一个以就业为导向的硕士项目，整个项目的特点就是帮助培养各种实用性的找工作的技巧，可谓是Data analyst/Data scientist的速成班。这个项目成立了有10年了，现在项目仍然保持小规模，每年只有25到30个学生。

项目的就业也是非常不错的，从学校官网的就业报告可以看出，90%毕业生在三个月可以找到工作或是进入博士课程的学习，平均薪资$80,000，雇主来自国内外知名的公司比如彭博、德勤埃森哲、字节跳动，亚马逊和脸书等。

CMU的就业指导做的也是非常不错的，学校可以审查并帮助编辑学生的简历、求职信、LinkedIn简介等，并提供技术和行为面试的辅导。

此外，MSP经常与CMU职业与专业发展中心（CPDC）和全球交流中心（GCC）合作，在整个项目中补充、放大和练习交流技巧。项目邀请演讲嘉宾、公司招聘人员和各行业垂直领域的现任专业人士、数据科学家和统计顾问分享日常经验和见解。

MSP还培养了一个校友网络以及内部工作、实习委员会分享工作机会。此外，CMU作为计算机大牛校，每年也有不少的知名企业到CMU校园招聘会，就业的机会还是非常多的。

课程设置比较固定节奏紧凑，学生课程选修的自由度较少。课程强调统计实践、方法、数据分析和实际工作场所技能。

该项目没有论文的要求，在最后一个学期，学生可以参加统计的实践课程。"统计学实践 "是统计学实践硕士课程的顶点咨询项目课程，也是这个项目的特色。这些项目来自匹兹堡市内和周边的公司，或和学校合作的公司，学生有机会参与到企业实际问题的解决中。学生以两到三人一组的方式工作，并由一名教师监督，从清理数据、统计方案设计、数据分析和展示结果全方位参与，这个项目对于培养学生的统计思维能力以及技能在实际工作场景的应用有较大帮助。

关于CMU统计硕士的申请：

申请者应修读过两个学期的基于微积分的概率和数学统计学课程。主题应包括：随机变量、分布函数、联合和条件分布、随机变量的函数及其概率分布；最大似然估计、估计者的属性、假设检验、区间估计；一门线性回归分析的课程，主题应包括：探索性数据分析、线性回归模型、模型的验证和解释；一门矩阵代数的课程。

项目名称：Master of Arts in Statistics

统计硕士由统计和应用概率学系提供，该系也是金融数学和精算研究中心的所在地。目前的研究领域包括理论统计和统计方法学、计算统计、概率、金融数学、环境统计和生物统计学。对于统计硕士项目来说，学生总共需要完成42个学分，项目包含三个分支，理论和实践兼具，无论是想继续博士深造还是直接就业都可以根据自己的情况选择分支专业。

课程设置非常自由，灵活度高。学生可以根据自己的兴趣和就业偏向选择相应的分支。项目总共为学生提供了三个分支：数理统计、应用统计和数据科学。

（a) 数理统计分支更偏重理论，学生通过这个分支接触到理论的统计和概率论的学习，为博士的学习做好准备。学生可以修读的课程比如统计理论、概率理论和随机过程简介和高级统计方法等。

（b)应用统计分支更偏实践应用，学生将了解数据分析程序及其对统计问题的应用。学生要求熟练掌握统计计算，并积极参加统计咨询实验室出现的咨询项目。修读的课程包含：高级统计方法、实验设计与分析和统计咨询的研讨会和项目。这个分支将为学生在政府、工业和其他科学学科的定量研究方面的职业做准备。

（c) 数据科学分支将现代统计方法与处理大数据的计算方法相结合。学生除开可以接触统计和概率轮的方法课程以及偏实践的统计咨询的研讨会和项目之外，还可以接触到统计数据科学、数据挖掘、大数据分析等课程。数据科学分支帮助学生准备好利用最新的软件工具分析大数据集的工作。

关于UCSB统计硕士的申请：要求学生本科背景是数学、统计以及其他非常量化的专业;学生需要修读过这些领域的相关课程：关于基于微积分的概率论，大数法则和中心极限定理;统计推断的理论，假设检验和回归;线性代数，包括矢量空间，矢量空间的基，特征值和特征向量。

统计学申请案例分享

在进行申请准备前，我们不妨先看看往年的录取数据，下面是部分ALPHA过往成功录取TOP30统计学硕士项目的学生具体数据：

👉从上面的录取数据可以看出：

（a) 申请统计学的学生绝大部分是有数学或统计学术背景，这一点非常重要，因为申请统计学的学生一定要有一个很好的量化背景，从招生官的层面去理解，只有量化背景好的学生，才能胜任研究生阶段高阶统计课程的学习。

（b) 统计学硕士项目相较于其他热门的专业比如金融工程、商业分析或计算机等整体申请难度不大，录取到同档次学校统计专业上述专业的学生条件要求低一些（GPA、GRE等客观评价标准）；哥伦毕业大学统计学以前被很多人认为是“水专业”（录取难度低于哥大其他相关专业，例数据分析、数据科学、商业分析等）但从我们申请录取来看，申请者的的录取标准在逐渐提升，今年来看GPA3.7+，GRE320+，被录取的概率才会比较大。

（c) 第一个案例和第三个案例中的学生都有申请哥伦毕业大学的统计学专业，第一个案例中的被哥伦比亚拒了，而第三个案例中的学生被录取了。很多人会疑问，为什么案例1中学生GPA和GRE都高于案例3中的学生反而被拒。原因在于俄亥俄州立这所大学学生普遍的GPA偏高，招生官在审核材料时不单单是看GPA的绝对值，也会根据不同学校的给分情况进行多维对比，然后判断。

（d) 根据我们的经验，统计学常申请几所大学录取难度从高到低为：莱斯大学、密歇根安娜堡大学、哥伦比亚大学、华盛顿圣路斯大学、约翰霍普金斯大学、弗吉尼亚大学。

👉有意向申请统计学的同学，你可以参照我们的录取案例以及下面的申请建议进行自己的选校规划，当然如果你需要我们的帮助，ALPHA的咨询专家也很乐意为你进行免费的选校咨询。

申请建议

申请数据科学硕士的本科背景：以数学、统计相关最佳；金融/金工，经济学，计算机科学等强调数学能力的专业次之；其他理工专业如工程类、物理、化学等再次之。当然，如果不是相关专业，但需要修习过数学、统计等量化课程，具体课程要求可以参考下面本科课程一般要求（当然学校之间存在差异，以学校申请要求为准）。

数学&统计先修课：

尽管每所学校的要求不尽相同, 但一般会要求学生修过线性代数（Linear Algebra），概率论（Probabilities），数理统计（Mathematical Statistics ），微积分（Calculus I, II），矩阵代数课程（Matrix Algebra），回归分析（ Regression Analysis）等基础课程,建议在数学相关的课程起码在五门以上，PHD 甚至要达到七门。

计算机先修课：

熟悉商业和统计软件如：SAS、SPSS；

计算机编程，包括对R、Python、C++、Java、Matlab等中的一种或多种；

根据项目的官网信息，除了少数名校对硬件条件过高外，大部分学校的录取门槛仅为美国学校录取的最低要求，即GPA3.0，托福80，GRE 无要求（少数GRE 分数有要求学校，分数要求也不是太高）。

TOP 50学校的统计专业录取大致要求如下表所示：

 以上只是建议的GPA和标化分数，仅供参考。

虽然GRE的总分重要，但GRE中的Q是最核心的，这是凸显你数学能力的关键，建议在168分以上，不低于165分；总分320是一个分水岭，而如果想申请TOP30名校，建议可以往325甚至330冲刺。 

GRE作为你学术能力的补充，高分的GRE能一定程度上弥补你的GPA上的不足。

由于统计学硕士很少有面试邀请，最重要的软实力是实习和科研经历

参加科研项目是录取委员会衡量你专业水平的首要标准，通过申请者参与项目的多少，含金量的高低，以及从文书中所反应出你在这些项目中获得的能力和对专业的理解，都是录取委员会成员关注的内容。比较对口的科研课题如：统计机器学习、编码和信息论；概率论、分类数据分析和高级计量经济学；传染病、流行病学控制、实时爆发分析和响应、疾病传播动力学。

申请统计学的研究生，申请者的实习背景发挥了很大的作用，有无匹配的实习，匹配实习的数量和含金量在一定程度上决定申请者申请的成败。申请经验来看，申请者有两段及以上与目标申请专业相关的实习对申请帮助很大。我们一直强调在选择实习时，遵循岗位优先的原则，先选择和申请专业符合的岗位，再来考虑公司的知名度。

当我们不知道找什么方向的实习时不妨换个方向去思考，从就业着手，统计学专业就业主要在医药类、工程类、金融/保险类等三个大方向。

👉想了解统计学具体的岗位以及薪资的同学，可以扫码领取统计学就业信息完整版。

写在最后

统计，是数学作用于现实生活的一场思想革命，它正持续的进行着，我们每个人亲历其中，就在我们在投掷一枚硬币决定晚餐是吃面条还是米饭时，统计学关于“世界的本质是随机”的概念已经深入我们的意识。而在我们将硬币掷1千次，1万次，10万次……“正面”和“反面”出现的几率将无限趋于一致，于是我们知道了另外一个事实，随机，但是是有规律的，我们可以用概率分布——精确的数学公式来描述它。

如今当普罗大众可以在不经意间谈论“风险”、“概率”、“相关”这些概念时，统计学已悄悄地改变了人们关于科学、关于世界的底层信念。而借着今天大数据、人工智能的春风，它必将如火如荼地蔓延开来，日新月异地改变我们的生活。由于篇幅有限可能有些细节未能悉数道来，你可以咨询我们的专家老师，或者看看你的问题是否有覆盖在下述常见问题库中。

我们总结了ALPHA学生在申请过程常问的问题，并进行了解读，望能有所帮助。

👉同学可以通过下方，回复关键词“统计学答疑”向老师领取。

申请本身就是一场信息竞赛，是一个不断提高认知能力和知识储备的过程，ALPHA喜欢且享受和学员共同成长的过程，我们希望通过我们的努力减少大家研究生申请当中的信息不对称现象，和因为这种不对称信息造成的决策错误，帮助大家少走弯路，抓住更多的发展机会——这也是整个申研百科全书发起的初衷。

今天关于统计学的分享就到这里，我们下一期再见。

- End -