Statistics MSc

该课程为统计学硕士项目，包含必修与选修模块。必修核心模块共120学分，包括：统计学家工具包（30学分），涵盖线性与广义线性模型及R语言数据分析；贝叶斯统计与计算方法（30学分），讲授贝叶斯推断基础、先验信念整合及MCMC、Gibbs抽样等计算技术，使用R和Python编程，进阶内容使用STAN；机器学习（15学分），聚焦模型训练与数据分类；抽样理论与实验设计（15学分），关注高效数据收集方法；时间序列（15学分），研究时序数据建模与R实现；医学统计（15学分），介绍临床试验设计与生存分析；以及毕业论文（60学分），要求完成大型数据分析项目并撰写报告。学生可在获得批准后，用最多两门选修课（共不超过30学分）替换部分必修课，可选模块包括：机器学习与自适应智能、数据建模与机器智能、优化理论与应用、经济评估、流行病学、定性研究设计与分析、系统综述与批判性评价技术，每门均为15学分。课程注重理论与实践结合，强调编程能力与实际应用。