应用统计专业适合考哪些专业研究生?

4个回答默认排序

默认排序

按时间排序

以往的回忆

已采纳

应用统计专业适合考哪些专业研究生?1.继续念统计学，有偏数理统计的硕士、也有偏应用统计的硕士，换专业成本最低，而且就业也不差，例如如果想从事金融行业的话，其实现在做量化投资的都会招不少统计学出身的人，而且对于硕士学的是否是金融学其实要求也不高，你完全可以考个CFA，CPA或者学一些金融统计课程了解。数理统计硕士出来还可以去药厂或者一些定量的咨询公司。 2.转金融工程、数量经济学、计量经济学等一些统计学与金融学的交叉学科。其实金融工程里用的统计学其实不是很多，数学主要以概率论和随机过程为主，但鉴于国内衍生品市场的发展现状，其实这类金融工程的课程也会涉及许多数量化分析的内容，将来出来从事的工作很多也会和统计学相关。例如数量化选股、统计套利等。 3.转市场营销、心理学等行为科学的学科。市场营销，特别是结合了心理学、行为学等学科的消费者行为学研究这块，用到大量的统计学模型，而且这个领域这些年发展的很快，这个专业的学习个人觉得会非常有趣。但我不清楚目前国内的市场营销系定量研究的水平如何 4.计算机/人工智能/模式识别/机器学习/数据挖掘/商业智能，这个领域现在也很火，应用前景也很广泛，包括自动化、生物信息、金融量化交易等现在都在大量使用所谓的人工智能/机器学习的算法。很多都是计算机出身的人在做，但其实用的大量模型和算法都是统计学，特别是多元统计那块的理论。所以理论部分对于学统计出身的人来说不是问题，写代码、数据结构与算法这些可能是个难点。

93 评论 1小时前发布

酿桃

已采纳

金融数学专业，考研有哪些专业比较适合?数学是基础而又枯燥的专业，很多人不会选择该专业。恭喜你大学期间的坚守，如果将来不再往纯数学领域钻研，考研的方向应往应用数学里发展，特别要重视与计算机和数据库的结合，比较明朗的职业前景是数据分析师。建议考研方向是应用统计专业，学好SAS、R、Spss等统计软件，具备一定的数据库基础知识就可以建立数学模型进行大数据分析。这是当前各大公司急缺的岗位。当然这只是基础，还需要补充管理知识，按管理者的思维模式看待数据。数据本身不会说话，一切价值尽在挖掘。

1 评论 1小时前发布

大娱乐家

已采纳

经济类统计学与理学类统计学哪个更容易考研?严格意义上的经济统计学重点在于国民经济核算那方面，是以前计划经济时代的遗留产物，但是现在本科和硕士的经济统计学和以前很不一样了。一般本科的经济统计学的培养方案里除了有数学分析（有些学校可能是高等数学）、高等代数（有些学校可能是线性代数）、概率论与数理统计这三门统计学方向的必修课以外，还会设置初级宏微观经济学、会计学、国民经济核算、计量经济学这种属于本专业的核心课程，选修课甚至可能还会有保险精算、财务管理、证券投资学之类的课。硕士的课程安排各学校可能有较大区别，建议直接从相应的学校官网里查找培养方案。简单来说经济统计学是在给学生打好一定数理基础之后，重点培养经济学方面的知识，侧重于用统计分析手段解决经济问题并结合经济学理论给出合理的解释，毕业的时候拿的是经济学学士或硕士学位。就业其实有点万金油的感觉，因为经济、金融、统计三个方向都有所涉及，视野开阔，什么都略懂一点，但在专业程度上并不一定比得过经济学、金融学、理学统计、数学这种科班出身的学生。。。选这个专业的话建议找准一个方面打磨成自己的闪光点应用统计学重点在于建模能力，需要熟悉各类模型适用性并能根据问题适当调整，有时候还要兼顾数据清洗等等前期工作。课程设置方面和数学与应用数学或者理学统计学更像一点，除了数分高代概率统计，还有实变函数、随机过程这种掉头发的理论课，核心课程一般是数据库、数据挖掘、R语言、Python、定性数据分析这种偏向应用与就业的课，经济金融方向的课程通常是以选修课的形式存在。简单而言，应用统计学就是要求学生有更扎实的数理功底，重点培养统计理论、统计模型的应用能力，侧重于选用合适的理论或模型来解决问题（包括但不限于经济问题），毕业的时候拿的是理学学士学位或者应用统计专业硕士学位。说实话这个专业对口的就业方向其实是互联网公司的程序员或者说算法工程师那方面的。。

24 评论 1小时前发布

俯瞰天空。

已采纳

有没有什么专业考研考数学分析和概率论与数理统计?据我所知没有，除了政治英语这种公共课，一般工科都是考学一，或者数学二，加上本专业的专业课，数学学院的基础数学应用数学计算数学这些专业基本都是考数学分析和高等代数的，不会单独考概率论数理统计，应用统计专业考的好像是考研数学三加统计学专业课吧，也不是你说的那两门。

5 评论 1小时前发布

应用统计专业适合考哪些专业研究生?

4个回答 默认排序 默认排序 按时间排序

相关问答

考研备考

向你推荐

热门问题

4个回答默认排序

默认排序

按时间排序