432 統計學
一、考試性質
統計學是中國海洋大學應用統計碩士專業學位研究生入學考試初試科目。
二、考察目標
統計學是闡述現代統計基礎理論和基本方法的一門學科。實際應用十分廣泛。內容包括統計調查、數據整理與展示、概率論基礎、參數估計、假設檢驗、方差分析、回歸分析、非參數方法、時間序列、統計指數等方面的內容。
本科目的考試旨在考察考生對統計學的基本原理和基本方法及各種調查研究、數據整理、展示，并結合數據資料進行定性分析和定量分析的掌握與理解能力。統計學考試主要從如下三方面測評考生在統計學方面的基本素質：
1、基本概念和基本理論的理解、掌握；
2、基本解題能力和數據分析與展示能力；
3、綜合運用統計理論知識分析問題、解決問題的能力。
三、考試形式
（1）考試形式及考試時間：
閉卷考試，答題方式為筆試。滿分為150分，考試時間為180分鐘。
（2）試卷分值構成：
基礎知識和基本概念理解部分約占分值25%；
運用所學知識經過基本分析解決問題部分約占分值35%；
綜合運用基本理論和方法分析問題與解決問題部分約占分值40%。
（3）題型包括：選擇題，填空題，簡答題，計算分析題等。
四、考試內容
（一）統計中的幾個基本概念
1、統計數據的類型：分類數據，順序數據，數值型數據。
2、總體和樣本：總體，樣本，參數和統計量，變量及類型。
（二）數據的搜集
1、數據來源：數據的間接來源，數據的直接來源。
2、調查數據：概率抽樣，非概率抽樣，搜集數據的基本方法。
3、實驗數據。
4、數據的誤差：抽樣誤差，非抽樣誤差，誤差的控制。
（三）數據的圖表展示
1、數據的預處理：審核，篩選，排序，數據透視表。
2、品質數據的整理與圖示：分類數據和順序數據的整理與圖示。
3、數值型數據的整理與展示：數據分組，數值型數據的圖示（直方圖，莖葉圖，箱線圖，線圖，散點圖，雷達圖）。
（四）數據的概括性度量
1、集中趨勢的度量：分類數據（眾數），順序數據（中位數和分位數），數值數據(各種平均數，眾數，中位數)。
2、離散程度的度量：分類數據（異眾比率），順序數據（四分位差），數值數據(極差，平均差，方差，標準差，離散系數，變異系數)。
3、偏態與峰態的度量：偏態及其計算公式，峰態及其計算公式。
（五）概率與概率分布
1、隨機事件及其概率。
2、概率的性質與運算法則：基本性質，條件概率，全概率公式和貝葉斯公式。
3、離散型隨機變量及其分布：二項分布，泊松分布，期望，方差。
4、連續型隨機變量的概率分布：密度和分布函數，正態分布，指數分布，均勻分布，期望，方差。
（六）統計量及其抽樣分布
1、統計量：統計量的概念，常用統計量，次序統計量，充分統計量。
2、關于分布的幾個概念：抽樣分布，漸進分布。
3、由正態分布導出的幾個重要分布：卡方分布，t分布，F分布。
4、樣本均值的分布與中心極限定理。
5、樣本比例的抽樣分布。
6、兩個樣本平均值之差的分布。
7、關于樣本方差的分布。
（七）參數估計
1、參數估計的基本原理。
2、一個總體參數的區間估計。
3、兩個總體參數的區間估計。
4、樣本量的確定。
（八）假設檢驗
1、假設檢驗的基本問題。
2、一個總體參數的檢驗。
3、兩個總體參數的檢驗。
（九）分類數據分析
1、分類數據與卡方統計量。
2、擬合優度檢驗。
3、列聯分析：獨立性檢驗。
4、列聯表中的相關測量。
（十）方差分析
1、方差分析的基本概念：基本思想，基本假定，問題的一般提法。
2、單因素方差分析。
3、雙因素方差分析。
（十一）一元線性回歸
1、變量間關系的度量。
2、一元線性回歸：回歸模型，參數的最小二乘估計，回歸直線的擬合優度，顯著性檢驗，回歸分析結果的評價。
3、利用回歸方程進行預測：點估計，區間估計。
4、殘差分析。
（十二）多元線性回歸
1、多元線性回歸模型。
2、回歸方程的擬合優度。
3、顯著性檢驗。
4、多重共線性。
5、利用回歸方程進行預測。
6、變量選擇和逐步回歸。
（十三）時間序列分析和預測
1、時間序列及其分解。
2、時間序列的描述性分析。
3、時間序列預測的程度。
4、平穩序列的預測。
5、趨勢型序列的預測。
6、季節型序列的預測。
7、復合型序列的分解預測。
（十四）指數
1、指數的概念和分類。
2、總指數編制方法：簡單指數，加權指數。
3、指數體系。
4、指數綜合評價。
五、是否需使用計算器
允許攜帶無存儲功能的計算器。
以上為中國海洋大學數學科學學院部分考試大綱，全部內容請點擊下方附件查看！
點擊查看：011 數學科學學院
原文標題：中國海洋大學2021年攻讀碩士學位研究生考試大綱
原文鏈接：http://yz.ouc.edu.cn/2020/0916/c5926a299781/page.htm
以上就是研線網小編整理“2021考研大綱：中國海洋大學011數學科學學院2021年攻讀碩士學位研究生考試大綱”的全部內容，更多考研大綱信息，請持續關注研線網！
