北京大学统计与数据科学学院（原数学科学学院统计系）创建于1956年，是我国最早设立统计学专业的高校之一，2015年独立建院。应用统计硕士（专业代码：025200）属于专业学位硕士，学制2年，授予应用统计硕士学位，培养方向涵盖：
• 大数据分析与机器学习
• 金融统计与风险管理
• 生物统计与医学数据科学
• 社会统计与调查设计
• 工业统计与质量控制
年北大应用统计硕士统考招生约45人（含推免28人），报录比约12:1，是人文社科类与理工类交叉热门专业。其中推免比例较高（约62%），统考名额约17人，但因报考人数持续增长，实际录取分数线逐年攀升。2024年复试线为372分（政治/英语60，专业课90），录取考生初试平均分达398分，数学三与统计基础科目成为关键得分项。
课程设置强调“理论—方法—应用”三位一体：
• 核心课：高等概率论、数理统计、多元统计分析、回归分析、时间序列分析
• 应用课：机器学习导论、大数据处理技术、贝叶斯统计、实验设计与分析
• 实践环节：企业实习（与腾讯、阿里、平安等合作）、数据竞赛（Kaggle、天池）、科研项目制学习
北大应用统计考研专业课科目为《统计学基础》（代码432），满分150分，由两部分构成：
① 概率论（60分）：包括随机事件与概率、随机变量及其分布、数字特征、大数定律与中心极限定理
② 数理统计（90分）：包括参数估计、假设检验、方差分析、回归分析、贝叶斯初步
近年命题呈现三大趋势：
• 计算量增大：2023年第18题要求推导贝叶斯估计的后验分布并计算均方误差，步骤超15步
• 应用性增强：2022年第25题以“某电商平台用户转化率提升”为背景，要求建立二项分布模型并设计A/B检验方案
• 交叉性凸显：2024年新增“用马尔可夫链建模用户行为路径”题型，融合概率模型与实际问题
| 年份 | 报考人数 | 推免人数 | 统考名额 | 复试线 | 录取均分 |
|---|---|---|---|---|---|
| 2018 | 218 | 15 | 22 | 355 | 372 |
| 2020 | 342 | 21 | 19 | 368 | 385 |
| 2022 | 487 | 26 | 18 | 370 | 391 |
| 2024 | 563 | 28 | 17 | 372 | 398 |
趋势分析：
① 报考人数年均增长21.3%，2024年突破560人
② 统考录取率从2018年的10.1%降至2024年的3.0%
③ 高分成为标配：初试≥390分考生中83%进入最终录取名单
统计与数据科学学院现有博导21人，硕导36人，代表性导师方向：
• 陈松蹊教授：非参数统计、环境统计（大气污染建模）
• 何晓群教授：应用回归分析、多元统计
• 房祥忠教授：可靠性分析、生存分析
• 刘力生教授：生物统计、临床试验设计
• 王明强教授：贝叶斯统计、机器学习理论
• 杨立坚教授：高维数据分析、深度学习可解释性
【重要提示】2024年起，北大应用统计硕士实行“大类招生、分向培养”：
• 第一学期统一课程学习
• 第二学期根据兴趣与导师组意见选择：
→ 数据科学方向（与计算机学院联合培养）
→ 金融统计方向（与光华管理学院合作）
→ 医学统计方向（与北大医学部协作）
| 知识点 | 近5年平均分值 | 题型 |
|---|---|---|
| 最大似然估计 | 12分 | 计算题+证明题 |
| 假设检验（双侧T检验） | 10分 | 应用题 |
| 一元线性回归建模 | 14分 | 综合题 |
| 正态总体参数区间估计 | 8分 | 计算题 |
| 中心极限定理应用 | 6分 | 选择+计算 |
大纲以传统统计理论为主，侧重概率计算与参数估计，无应用题型，题量12道（8选择+4计算）
新增“统计软件基础（R语言）”附录，出现1道应用建模题（如：某药厂药品合格率检验方案设计）
加入机器学习基础概念（如：过拟合、偏差-方差分解），2022年新增“用贝叶斯方法更新信念”综合题
明确要求掌握：
• 大数据场景下的抽样偏差识别
• 非参数方法（如：K-S检验）应用
• 多元回归中变量选择准则（AIC/BIC）比较
• 模型诊断（残差分析、异方差检验）
一、选择题（每题5分，共50分）
1. 设X₁,X₂,…,Xₙ为来自总体N(μ,σ²)的样本，其中σ²未知，检验H₀:μ=μ₀ vs H₁:μ≠μ₀，应采用统计量：
A. Z = (X̄-μ₀)/(σ/√n) B. T = (X̄-μ₀)/(S/√n) C. χ² = (n-1)S²/σ₀² D. F = S₁²/S₂²
答案：B
解析：σ未知时，无论样本量大小，均用T统计量
在一元线性回归模型Y=β₀+β₁X+ε中，若β₁的95%置信区间为(1.2, 3.8)，则在α=0.05水平下对H₀:β₁=0的检验结论是：
A. 拒绝H₀ B. 不拒绝H₀ C. 无法判断 D. 需补充p值
答案：A
解析：0不在置信区间内，等价于拒绝原假设
二、计算题（每题20分，共60分）
17. 设总体X的概率密度为f(x;θ) = θx^{θ-1}, 0
参考答案：
矩估计：E(X)=θ/(θ+1) ⇒ θ̂₁ = X̄/(1-X̄)
似然函数L(θ)=θ³∏Xᵢ^{θ-1} ⇒ lnL=3lnθ+(θ-1)∑lnXᵢ
求导得θ̂₂ = -3/∑lnXᵢ
某电商平台为测试新算法对转化率的影响，随机选取10000名用户，其中5000人使用新算法（转化率12.6%），5000人使用旧算法（转化率10.8%）。请设计检验方案并计算p值（α=0.05）。
参考答案：
设新旧转化率分别为p₁,p₂，检验H₀:p₁=p₂ vs H₁:p₁>p₂
合并比例p̂=(630+540)/10000=0.117
Z = (0.126-0.108)/√[0.117×0.883×(1/5000+1/5000)] ≈ 4.92
p值≈4.2×10⁻⁷ < 0.05 ⇒ 强烈拒绝H₀
三、证明题（每题20分，共40分）
21. 设X₁,…,Xₙ iid ~ Exp(λ)，证明T=∑Xᵢ是λ的充分统计量，并求其分布。
参考答案：
联合密度f(x;λ)=λⁿe^{-λ∑xᵢ}，由因子分解定理，T=∑Xᵢ是充分统计量
T ~ Gamma(n,λ)（形状n，速率λ），即f_T(t)=λⁿt^{n-1}e^{-λt}/Γ(n)
高频考点题型示例：
• 贝叶斯估计计算题：给定先验分布Beta(2,3)，样本5次试验成功3次，求后验分布及后验均值估计
答案：后验Beta(5,5)，均值0.5
• 高维数据处理题：某数据集含1000个样本、50个特征，要求说明变量筛选步骤并解释LASSO作用机制
要点：标准化→相关性分析→主成分分析/LASSO回归→模型验证
• 实验设计题：三因素三水平实验（温度、压力、时间），要求写出正交表并说明交互作用检验方法
方案：L₂₇(3¹³)表，用方差分析检验主效应与交互效应
年考生常见失误：
① 混淆“统计显著性”与“实际显著性”：某题中p=0.048即宣称“效果极好”，未报告效应量
② 忽略模型前提：线性回归未检验残差正态性与方差齐性
③ 计算错误率高：最大似然估计求导时忽略约束条件（如θ>0）
【2022年第25题】某生物实验室测量某蛋白表达量，样本均值=4.2μg/mL，标准差=0.8μg/mL，n=16。要求：
(1) 构造μ的95%置信区间
(2) 若要求估计误差不超过0.2，样本量至少多少？
标准答案：
(1) t₀.₀₂₅(15)=2.131 ⇒ CI = 4.2 ± 2.131×0.8/4 = (3.87, 4.53)
(2) n ≥ (z₀.₀₂₅×σ/E)² = (1.96×0.8/0.2)² ≈ 61.5 ⇒ n=62
年新增“统计思维应用题”：
• 题干：某市2020年空气质量达标天数占比82%，2021年随机抽查120天，达标105天。问是否可认为达标率有显著提升？
• 要求：① 写出假设；② 选择检验方法；③ 计算检验统计量；④ 给出结论；⑤ 说明可能的误差类型
高分答案要点：
① H₀:p≤0.82 vs H₁:p>0.82
② 单样本Z检验（np₀=98.4>5, n(1-p₀)=21.6>5）
③ Z=(0.875-0.82)/√[0.82×0.18/120]≈1.52
④ p=0.064>0.05 ⇒ 不显著
⑤ 可能犯II类错误（未检测出真实提升）
2020年前真题：侧重基础计算，适合入门训练
2. 2020-2022年真题：开始出现应用建模，需结合实际背景作答
3. 2023-2024年真题：强调模型解释与误差分析，要求用统计语言描述结论
特别提醒：2025年考生需重点关注：
• R/Python基础代码（如：用summary(lm())输出解读）
• 非参数方法应用（如：Mann-Whitney U检验场景）
• 多重比较校正（Bonferroni、FDR）
第一阶段（3-6月）：基础夯实
• 精读《概率论与数理统计》（浙大四版）+《数理统计》（韦博成）
• 完成课后习题（重点：最大似然估计、假设检验）
• 建立公式卡片：每日默写10个核心公式
第二阶段（7-9月）：真题攻坚
• 分模块刷近10年真题（按知识点归类）
• 建立错题本：标注错误类型（概念/计算/审题）
• 开始R语言入门：掌握mean()、t.test()、lm()等基础函数
第三阶段（10-12月）：模拟冲刺
• 全真模拟（3小时/套，严格计时）
• 重点突破高频考点：回归分析、参数估计、假设检验
• 组建学习小组：每周1次错题讲解
【2024年考生经验】
张同学（总分412）：
“我将最大似然估计题型拆解为5步模板：①写似然函数；②取对数；③求导；④解方程；⑤验证二阶导。考试时按模板作答，步骤清晰，阅卷老师给满15/20分。”
| 备考阶段 | 概率论得分率 | 统计学得分率 | 总分预估 |
|---|---|---|---|
| 基础阶段结束 | 65% | 58% | 320 |
| 强化阶段结束 | 82% | 75% | 375 |
| 冲刺阶段结束 | 92% | 88% | 405+ |
关键突破点：
• 概率论：极限定理与大数定律应用（提升空间15分）
• 统计学：回归分析与模型诊断（提升空间20分）
• ❌ 只做题不总结：某考生刷题200+，但未整理“T检验与Z检验选择条件”，考试混淆失分
• ❌ 忽视软件操作：2023年新增R语言代码题，未练习者完全空白
• ❌ 死记结论：如“p<0.05即有效”，未理解“统计显著≠实际重要”
正确做法：
① 每周做1次知识点图谱复盘
② 每月完成1个小型数据项目（如：用lm()分析房价影响因素）
③ 加入真题讨论群：定期分享解题思路
logL <- function(theta){ -sum(dnorm(x,theta[1],theta[2],log=TRUE)) }
optim(c(0,1), logL)model <- lm(y~x, data=df); plot(model)可以！2024年录取考生中32%为跨考生，主要来自数学、计算机、经济学专业。但需在备考中：
• 补学《概率论》《数理统计》核心内容
• 掌握R/Python基础操作
• 重点突破“统计建模”题型
• 3月前：基础教材学习
• 4-6月：课后习题训练
• 7-9月：真题分类突破
• 10-12月：模拟冲刺+查漏补缺
关键节点：9月大纲发布后需调整重点（2024年新增“统计因果推断”）
北大应用统计硕士复试占比50%，包含：
• 专业综合面试（60分）：统计思想、建模能力
• 英语口语（20分）：自我介绍+文献翻译
• 上机测试（20分）：用R完成简单数据分析
提示：2024年新增“统计伦理”论述题（如：数据隐私保护原则）
建议分三步补救：
① 先掌握微积分核心（导数、积分、泰勒展开）
② 再学习线性代数基础（矩阵运算、特征值）
③ 最后攻克概率统计（从离散分布入手）
推荐资源：《微积分入门》（小平邦彦）、《线性代数应该这样学》
参考三要素：
• 个人兴趣（是否愿意长期研究该领域）
• 导师风格（严格型/宽松型/企业合作型）
• 就业前景（数据科学方向起薪高、金融统计稳定性强）
案例：2023年王同学因擅长编程，选择数据科学方向，实习于阿里达摩院
北大统考试题严格保密，但：
• 近年真题回忆版可通过考生社群获取
• 2010-2019年真题已部分公开
• 重要提醒：警惕“内部题库”骗局！易搜职考网所有资料均来自公开渠道整理
• 应届生：时间充裕，但缺乏实际项目经验
• 在职考生：有工作经验优势（如金融统计方向），但需平衡工作与学习
建议：在职考生可选择“非全日制”项目（2024年新增，周末授课）
重点练习：
① 数据读取（read.csv()）
② 描述统计（summary()、table()）
③ 基础建模（lm()、t.test()）
④ 结果输出（print()、write.csv()）
模拟题：用mtcars数据集分析mpg与wt的关系，并绘制散点图+回归线
年北大应用统计有5个调剂名额：
• 南京大学（统计与数据科学学院）
• 中山大学（数据科学与计算机学院）
• 华东师范大学（统计学院）
• 需初试分数≥360，且专业课考432
提示：调剂系统开放前3天准备个人陈述+成绩单
届毕业生去向：
• 互联网大厂（35%）：阿里、腾讯、字节（数据分析师/算法工程师）
• 金融机构（25%）：中信证券、平安保险（风险管理/精算）
• 继续深造（20%）：海外名校（CMU、UCLA）
• 公务员（10%）：国家统计局、央行
• 创业（10%）：数据科技公司创始人
平均起薪：28K/月（北京），3年经验可达50K+
关注易搜职考网公众号，回复“北大统计2025”获取：
① 《432统计学基础核心公式手册》（PDF）
② 《近10年真题分类汇编》（含详细解析）
③ R语言入门10讲（视频+代码）
④ 2025模拟卷（含答案与评分标准）