伦敦大学学院 UCL
统计硕士 Statistics MSc
+ 查看更多

简介

统计科学技能是强大的工具，在所有纯科学和应用科学以及金融、商业和医学中都发挥着重要作用。该理学硕士提供的定量技能培训可以为工业、医疗保健、政府、商业或研究领域带来令人兴奋的新机会。

该计划采用基础广泛的统计方法，提供有关主要应用程序的最新培训以及理论与应用之间的出色平衡。它涵盖现代统计思想，包括应用贝叶斯方法、广义线性建模和面向对象的统计计算，以及传统统计理论和方法的基础。

该专业也很灵活。通过选择适当的可选模块组合和合适的项目，学生可以选择专攻以下领域：生物统计学、应用随机建模、定量决策、工业定量分析、金融数学。

统计理学硕士课程提供当前备受追捧的技能。毕业生接受公司和研究机构重视的数据分析方法和计算工具方面的高级培训。例如，银行业和保险业以及医疗保健行业风险评估的新指令和法律要求受过研究生培训的统计专家。各行各业的大量数据处理（称为“数据洪流”）也需要前沿的统计知识。因此，UCL最近的毕业生获得了研究分析师或顾问的职位，并且这些领域的工作机会正在增加。

项目时长：1年制（全日制）

项目授课地点：英国伦敦

学历水平

至少具有英国大学的高等学士学位或以下学科之一的同等水平的海外资格

中国学生：

Upper second-class (2:1): Bachelor's degree with a minimum weighted average mark of 85%

Lower second-class (2:2): Bachelor's degree with a minimum weighted average mark of 80%

需要具备大学水平的数学方法和线性代数知识，并熟悉入门概率和统计学

英语成绩

雅思：6.5+，单项不低于6.0
托福：92+，阅读和写作为24/30，口语和听力为20/30

why you want to study Statistics at graduate level

why you want to study Statistics at UCL

what particularly attracts you to this programme

how your academic background meets the demands of this programme

where you would like to go professionally with your degree

简历
1封推荐信
成绩单

>> 必修模块

统计计算

在本模块中获得的通用编程技能适用于各种科学学科以及 IT 领域。更具体地说，R 编程环境在许多研究团体以及商业和工业的专业领域中越来越受欢迎，例如金融和再保险，这些领域越来越需要非常规统计分析。

使用 R：表达式、赋值、对象、向量、数组和矩阵、列表和数据框、函数、控制结构、图形。效率方面的考虑。R 中的统计建模（与 STAT0028 和 STAT0029 合作）：线性、广义线性和非线性建模。无监督学习：降维和聚类。计算技术：函数最小化（特别是对于 mle 和非线性建模）、正交、模拟（一般方法、蒙特卡罗）。

统计模型和数据分析

该课程介绍的统计方法非常通用，几乎所有应用统计的领域都会用到它们。在本模块中，我们将分析来自工业质量控制、天文学、社会科学和生物学等领域的数据集。

多元线性回归：一般线性模型的推理技术、应用、变量选择。广义线性模型：包含对指数分布族、推理程序的介绍的结构。分类数据：导致逻辑回归和对数线性模型的广义线性模型的特例，用于数据分析。介绍非线性建模，混合建模，广义估计方程。广义加性模型简介：惩罚回归样条和惩罚估计。

统计设计

该模块解决了回答特定实质性问题需要哪些数据的问题，以及反过来可以使用可用数据合理回答哪些问题的问题。这些问题是所有应用领域定量分析的基础。

实验设计原则：实验计划、比较实验、通用设计（完全随机化、随机区组、拉丁方、阶乘实验、嵌套、固定和随机效应）、R 软件中的相关方差分析。观察研究与实验：偏见、混杂、因果解释困难等问题。观察性研究：计划、匹配、混杂变量调整、队列研究、病例对照研究、数据分析。抽样：目标和抽样总体、有限总体、简单随机抽样、分层和整群抽样、比率和回归估计量。

Foundation Fortnight

完成本模块后，学生应复习并完成基本概率论、统计估计和假设检验、实用统计和相关计算的练习。

介绍概率、条件概率、随机变量和分布、期望、特殊分布、泊松过程、马尔可夫链和“出生-死亡”过程。估计简介、估计量的抽样分布、检验假设、分类数据、非参数方法、线性统计模型、Minitab 计算包。

应用贝叶斯方法

贝叶斯方法目前越来越受欢迎，这主要是因为计算设施和现代基于模拟的马尔可夫链蒙特卡罗 (MCMC) 方法的进步提供了一种分析复杂数据结构的方法，这些数据结构出现在人工智能等不同的应用领域，生物学、遗传学和环境科学。该模块侧重于基本概念和技术，并介绍在具有挑战性的研究级问题中应用贝叶斯方法所需的计算工具。

贝叶斯统计简介。贝叶斯推理。先前的分布。图形模型。分层模型。马尔可夫链蒙特卡洛（MCMC：吉布斯抽样）。WinBUGS 软件。

>> 可选模块

随机系统
预测
决策与风险
金融中的随机方法
医学统计 1
医学统计学 2
统计学选题
金融中的随机方法 II
卫生经济学中的贝叶斯方法
操作风险和保险分析的定量建模
统计推断