英國蘭卡斯特大學(xué)統(tǒng)計學(xué)Statistics MSc課程結(jié)合了理論研究和現(xiàn)實世界的應(yīng)用。學(xué)生將發(fā)展高級統(tǒng)計技能和知識，同時有機(jī)會將所學(xué)付諸實踐，并獲得寶貴的實際經(jīng)驗。除此之外，學(xué)生還將提高編程和通信方面的關(guān)鍵可轉(zhuǎn)移技能。以下是統(tǒng)計學(xué)碩士核心課程概述。

一、統(tǒng)計學(xué)碩士論文

為期三個月的論文(六月中旬至九月中旬)將涉及統(tǒng)計學(xué)方法在實際問題中的應(yīng)用。學(xué)生將對超出理學(xué)碩士課程范圍的高級統(tǒng)計方法有一個透徹的理解，并將了解原始統(tǒng)計方法的發(fā)展，這將有助于更全面地理解現(xiàn)有的方法。課程要求學(xué)生創(chuàng)造性地使用統(tǒng)計方法，從而獲得實質(zhì)性的發(fā)現(xiàn)，這些發(fā)現(xiàn)不是通過常規(guī)應(yīng)用標(biāo)準(zhǔn)技術(shù)就能輕易獲得的。

二、統(tǒng)計基礎(chǔ)1

本課程將涉及的領(lǐng)域是使用最大似然和廣義線性模型(GLMs)的統(tǒng)計推斷。基于本科水平的數(shù)學(xué)、統(tǒng)計學(xué)(假設(shè)檢驗和線性回歸)和概率(單變量離散分布和連續(xù)分布；期望、方差和協(xié)方差；多元正態(tài)分布)，這門課將激發(fā)對模型擬合通用方法的需求，然后演示最大似然如何提供解決方案。在此基礎(chǔ)上，課程將介紹GLM這一廣泛和常規(guī)使用的統(tǒng)計模型家族，作為線性回歸模型的擴(kuò)展。

三、統(tǒng)計基礎(chǔ)2

本課程將通過擴(kuò)展數(shù)字和理論方面來發(fā)展先前在統(tǒng)計基礎(chǔ)1中介紹的最大似然推斷的核心主題。數(shù)值方面將包括使用R中的數(shù)值優(yōu)化函數(shù)獲得最大似然估計，以及使用輪廓似然函數(shù)獲得最大似然估計和置信區(qū)間。涵蓋的理論要素將包括最大似然估計量、偏差和剖面偏差的漸近分布的推導(dǎo)。

四、統(tǒng)計學(xué)習(xí)

本課程介紹了統(tǒng)計學(xué)習(xí)。涵蓋的一般主題涉及大數(shù)據(jù)、缺失數(shù)據(jù)、有偏樣本和新近性。似然性和交叉驗證將作為擬合和選擇統(tǒng)計學(xué)習(xí)模型的一般方法引入。交叉驗證需要了解如何將樣品分成校準(zhǔn)、訓(xùn)練和驗證樣品。然后，重點將轉(zhuǎn)移到通過變量歸約方法(如Lasso和Elastic Net)處理大型數(shù)據(jù)集的回歸問題。課程將涵蓋各種分類方法，例如邏輯和多項式邏輯模型、回歸樹、隨機(jī)森林以及裝袋和增壓。對分類方法的檢驗將最終形成神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)將作為廣義線性模型的擴(kuò)展來呈現(xiàn)。然后介紹了大數(shù)據(jù)的無監(jiān)督學(xué)習(xí)，包括K-means、PAM和CLARA，接著是混合模型和潛在類別分析。

五、統(tǒng)計學(xué)實踐

本課程的目的是向?qū)W生提供應(yīng)用統(tǒng)計工作所必需的一系列技能，包括團(tuán)隊合作、口頭陳述、統(tǒng)計計算和編寫包括統(tǒng)計分析在內(nèi)的書面報告。所有學(xué)生都將徹底掌握R(包括R對象和函數(shù)、圖形、基本模擬和編程)，并學(xué)習(xí)第二個統(tǒng)計計算軟件。學(xué)生還將學(xué)習(xí)如何利用LaTex編寫復(fù)雜且結(jié)構(gòu)化的科學(xué)報告，其中可能包括數(shù)學(xué)公式、表格和圖表，以及學(xué)習(xí)有效的科學(xué)寫作風(fēng)格的復(fù)雜性，如語法、參考資料以及在適當(dāng)?shù)谋砀窈蛨D表中呈現(xiàn)結(jié)果。

除上述核心課程之外，英國蘭卡斯特大學(xué)統(tǒng)計學(xué)碩士學(xué)位還提供了一系列多樣的選修課，有關(guān)選修課的具體內(nèi)容，我們之后會詳細(xì)進(jìn)行介紹，同學(xué)可以隨時關(guān)注。