本科目要求考生熟練掌握應用統(tǒng)計學的基本概念,掌握數(shù)據(jù)收集和處理的基本方法、數(shù)據(jù)分析的基本原理和方法、概率論知識,并具有運用統(tǒng)計方法分析數(shù)據(jù)和解釋數(shù)據(jù)的基本能力??疾榈闹R要點主要有:
一、基本概念
1. 什么是統(tǒng)計學;
2. 統(tǒng)計數(shù)據(jù)及其類型;
3. 總體,樣本,參數(shù),統(tǒng)計量和變量;
4. 數(shù)據(jù)的來源;
5. 數(shù)據(jù)的預處理;
6. 分類數(shù)據(jù)的整理與圖示;
7. 數(shù)據(jù)的概括性度量:集中趨勢的度量,眾數(shù)、中位數(shù)和平均數(shù)。
二、統(tǒng)計量及其抽樣分布
1. 隨機樣本與統(tǒng)計量,例如,樣本均值、方差、極大值、極小值;
2. 抽樣分布。
三、參數(shù)估計
1. 矩估計的原理及其應用;
2. 極大似然估計原理及其應用;
3. 估計量的基本性質(zhì),例如,無偏性,一致性和有效性;
4. 正態(tài)總體參數(shù)的區(qū)間估計,包括均值的區(qū)間估計和方差的區(qū)間估計。
四、假設檢驗
1. 假設檢驗的概念及其步驟;
2. 小概率事件的基本原理;
3. 第一類、第二類錯誤及其概率,以及它們之間可能的關(guān)系;
4. 正態(tài)總體的均值檢驗;
5. 正態(tài)總體的方差檢驗;
6. 分布擬合檢驗。
五、相關(guān)分析與回歸分析
1. 相關(guān)分析;
2. 一元線性回歸,包括線性回歸模型形式,最小二乘估計原理,參數(shù)的最小二乘估計量表達式及其性質(zhì),例如,估計量的期望、方差及其分布;回歸系數(shù)的顯著性檢驗、方程的顯著性檢驗;能夠利用具體數(shù)據(jù)建立回歸模型,并進行預測分析;
3. 多元線性回歸,包括多元線性回歸模型的形式與基本假設;多元線性回歸模型的參數(shù)估計;多元線性回歸模型的統(tǒng)計檢驗;多元線性回歸模型的預測;可化為線性的多元線性回歸模型;含有虛擬變量的多元線性回歸模型。
4. 模型診斷,包括多重共線性;異方差性;內(nèi)生解釋變量問題;模型設定偏誤問題。
六、時間序列分析
1. 時間序列分析概述;
2. 時間序列的水平分析與速度分析;
3. 長期趨勢的測定;
4. 季節(jié)變動的測定。
您填的信息已提交,老師會在24小時之內(nèi)與您聯(lián)系
如果還有其他疑問請撥打以下電話