【正文】 預(yù)期效果:通過理論學(xué)習(xí)和實踐鍛煉，實現(xiàn)教學(xué)目標(biāo)。大綱撰寫人: 李慧孫永強《抽樣技術(shù)與市場調(diào)查》教學(xué)大綱課程中文名稱：《抽樣技術(shù)與市場調(diào)查》課程英文名稱：Sampling Technique and Market Survey總學(xué)時: 36 學(xué)分: 2適用專業(yè)(學(xué)科方向): 統(tǒng)計學(xué)及相關(guān)專業(yè)先修課程(含已具備的學(xué)識基礎(chǔ)的要求):高等代數(shù)、微積分、概率論、統(tǒng)計學(xué)教學(xué)目標(biāo):通過理論學(xué)習(xí)和實踐訓(xùn)練，使學(xué)生具備組織、設(shè)計一項抽樣調(diào)查的能力，同時具備撰寫一份完整的調(diào)查報告的能力?！稌r間序列的理論與方法》，J. Brockwell ，田錚譯，Springer出版社齡踐硯語蝸鑄轉(zhuǎn)絹攤濼絡(luò)減貽顏饌農(nóng)。以老師講授為主，學(xué)生討論為輔。3. VAR模型的統(tǒng)計方法167。1. 多元平穩(wěn)時間序列167。3. 隱含周期項的檢測方法167。1. 離散Fourier變換167。1. 平穩(wěn)序列自協(xié)方差函數(shù)的譜表示167。2. 異方差的檢驗167。4. 新息預(yù)報第六章：具有異方差特征的時間序列處理方法核心要點 BoxCox變換,ARCH模型,GARCH模型167。2. 平穩(wěn)序列的預(yù)報167。9. 其它時序模型的統(tǒng)計方法第五章：時間序列的預(yù)報核心要點最小方差預(yù)報,平穩(wěn)線性預(yù)報167。7. 廣義ARMA模型167。5. 自回歸滑動平均模型擬合167。3. 自回歸模型擬合167。1. 平穩(wěn)序列均值估計167。7 常見幾種非線性時間序列模型第四章：時間序列的時域統(tǒng)計分析核心要點平穩(wěn)序列的樣本均值,樣本自協(xié)方差函數(shù),樣本自相關(guān)函數(shù),樣本偏相關(guān)函數(shù)參數(shù)的矩估計,極大似然估計等薊鑌豎牘熒浹醬籬鈴騫違紗駑緩馬蝕。5. 周期與乘積模型167。3. 自回歸滑動平均混合模型167。1. 自回歸模型167。4. 平穩(wěn)時間序列167。2. 趨勢項和季節(jié)項的估計和分離167。2. 應(yīng)用分類第二章：時間序列的時域描述方法核心要點時間序列定義,平穩(wěn)時間序列,有限參數(shù)模型167。主要章節(jié)：第一章：引言核心要點引入時間序列的概念,常見分類已經(jīng)應(yīng)用背景167。《時間序列分析》教學(xué)大綱課程中文名稱：時間序列分析課程英文名稱：Time Series Analysis總學(xué)時: 36 學(xué)分: 2適用專業(yè)(學(xué)科方向): 統(tǒng)計學(xué)先修課程(含已具備的學(xué)識基礎(chǔ)的要求):概率論與數(shù)理統(tǒng)計,隨機過程教學(xué)目標(biāo):掌握時間序列的基本定理,常用的時序模型(包括:線形和非線性模型),并會使用一門統(tǒng)計軟件分析時間序列數(shù)據(jù)貞廈給鏌綞牽鎮(zhèn)獵鎦龐朮戧籩賂馱見。鈀燭罰櫝箋礱颼畢韞糲銨鵬駱隸驅(qū)訛。主要章節(jié)：第一章 介紹 Kolmogrov 相容性原理 隨機過程可分、可測性 停時，Laplace變換第二章 泊松過程 泊松過程的性質(zhì) 非時齊泊松過程 復(fù)合泊松過程 有限點過程和一般標(biāo)值點過程似然 雙隨機點過程 點過程模擬算法第三章 更新過程 更新報酬過程 再生過程第四章 離散時間參數(shù)馬氏鏈 Kolmogorov 方程 狀態(tài)分類 遍歷和周期馬氏鏈 生滅過程 分支過程第五章 連續(xù)時間參數(shù)馬氏鏈 Kolmogorov 方程 常返性與遍歷性 吸收馬氏鏈 階段型分布 均勻化 可逆連續(xù)時間參數(shù)馬氏鏈，連續(xù)時間參數(shù)馬氏鏈的條件模擬 一般馬氏過程第六章 馬爾科夫更新過程和半再生過程介紹 馬爾科夫更新方程 半馬氏過程及相關(guān)報酬過程 半再生過程第七章 布朗運動與其它擴散過程 布朗運動 Ito公式與隨機微分方程 多維Ito公式教學(xué)方式: 課堂講授、分組討論考核方式: 開卷考試，實際數(shù)據(jù)分析或者完成部分書后習(xí)題。根據(jù)學(xué)生的基礎(chǔ)可適當(dāng)增減學(xué)習(xí)內(nèi)容。預(yù)期效果: 掌握經(jīng)典隨機過程模型的理論和方法及其模擬、推斷。The Statistician對任課教師的要求:大綱撰寫人: 張淑梅《隨機過程》教學(xué)大綱課程中文名稱：隨機過程課程英文名稱：Stochastic Processes總學(xué)時: 36 學(xué)分: 2適用專業(yè)(學(xué)科方向): 統(tǒng)計學(xué)、應(yīng)用統(tǒng)計先修課程(含已具備的學(xué)識基礎(chǔ)的要求): 概率論教學(xué)目標(biāo):通過本課程的學(xué)習(xí)，使學(xué)生掌握經(jīng)典隨機過程模型的理論和方法，能應(yīng)用相關(guān)隨機模型進行實際數(shù)據(jù)的建模，模擬，擬合和推斷等。教材(含經(jīng)典學(xué)術(shù)名著)及參考文獻(含境內(nèi)外學(xué)科主流名刊)：Geof H. Givens等著，王兆軍等譯. 計算統(tǒng)計. 北京：人民郵電出版社, 2009.Sheldon ，王兆軍等譯. 統(tǒng)計模擬. 北京：人民郵電出版社，2007.Geof H. Givens等著. Computational Statistics. Wiley, 。平時成績包括習(xí)題討論，內(nèi)容演講，編寫程序等方面的考核，平時成績占60%。1. 多元預(yù)測響應(yīng)數(shù)據(jù)光滑方法167。5. 置信帶167。3. 線性光滑函數(shù)的比較167。1. 預(yù)測響應(yīng)數(shù)據(jù)167。3. 非核方法167。1. 績效度量167。6. Bootstrap近似的階167。4. Bootstrap推斷167。2. 非參數(shù)Bootstrap和參數(shù)化Bootstrap方法167。5. 馬氏鏈極大似然第九章：Bootstrap 方法核心要點167。3. 完美抽樣167。1. 輔助變量方法167。2. 不同類型的提案分布得到的幾種MetropolisHastings的變形167。3. 方差縮減技術(shù)第七章：MCMC方法核心要點167。1. Monte Carlo 方法的介紹167。3. Guass 求積167。1. NewtonCotes 求積167。2. EM算法167。4. 遺傳算法第四章：EM優(yōu)化方法核心要點167。2. 禁忌算法167。第三章：組合優(yōu)化核心要點167。1. 對于單變量問題：Newton法，F(xiàn)isher得分法，正割法，不動點迭代法167。3. 似然推斷，Bayes推斷167。1. Taylor 定理和數(shù)學(xué)極限定理167。該櫟諼碼戇沖巋鳧薩錠謨贛贅眾騶嶠。主要內(nèi)容包括：優(yōu)化與求解非線性方程組，組合優(yōu)化，EM優(yōu)化方法，數(shù)值積分，隨機模擬與Monte Carlo積分，MCMC方法，Bootstrap方法，非參數(shù)密度估計，二元光滑方法，多元光滑方法。預(yù)期效果: 在求解模型的參數(shù)估計、模擬試驗等問題中能選擇適當(dāng)?shù)慕y(tǒng)計計算方法。對任課教師的要求: 博士學(xué)位，學(xué)過概率論與數(shù)理統(tǒng)計，學(xué)過數(shù)值計算等相關(guān)課程?？己朔绞? 考試教材(含經(jīng)典學(xué)術(shù)名著)及參考文獻(含境內(nèi)外學(xué)科主流名刊)：《貝葉斯統(tǒng)計》，卯詩松，湯銀才編著，中國統(tǒng)計出版社。4. Metropolis—Hasting算法167。2. 貝葉斯分析中的直接抽樣方法167。5. 貝葉斯估計的性質(zhì)第七章：貝葉斯計算核心要點 MCMC算法以及在實際問題中如何使用167。3. 最小最大準(zhǔn)則167。1. 風(fēng)險函數(shù)167。5. 最佳樣本量的確定167。3. 常用損失函數(shù)下的貝葉斯估計167。1. 貝葉斯決策問題167。5. 常用損失函數(shù)167。3. 先驗期望準(zhǔn)則167。1. 決策問題的三要素167。4. 無信息先驗分布167。2. 利用先驗信息確定先驗分布167。5. 似然原理第三章：先驗分布的確定核心要點確定先驗分布的常規(guī)方法167。4. 假設(shè)檢驗167。2. 估計167。第二章：貝葉斯推斷核心要點貝葉斯推斷的常用方法167。4. 超參數(shù)及其確定167。2. 貝葉斯公式167。167。預(yù)期效果: 將該課程的相關(guān)方法用于實踐主要內(nèi)容: 前三章主要介紹貝葉斯推斷方法,中間三章主要介紹貝葉斯決策方法,最后一章是貝葉斯計算。Davison, A. C. and Hinkley, D. V. (1997) Bootstrap methods and their application. 。Silverman, B. W. (1984) Density Estimation for Statistics and Data Analysis. Chapman and 。緦徑銚膾齲轎級鏜撟廟耬癬紇徑驕鄰。主要章節(jié)：介紹 (2學(xué)時)核心要點、符號秩統(tǒng)計量及其分布 次序統(tǒng)計量的分布 經(jīng)驗分布函數(shù)U統(tǒng)計量 (4學(xué)時)核心要點 一樣本U統(tǒng)計量 投影原則及一樣本U統(tǒng)計量 兩樣本U統(tǒng)計量線性秩統(tǒng)計量 (4學(xué)時)核心要點 線性秩統(tǒng)計量 分布性質(zhì) 漸進正態(tài)性功效函數(shù)和檢驗的漸進相對效率 (6學(xué)時)核心要點 無偏檢驗和相合檢驗 局部最優(yōu)勢檢驗 Pitman漸進相對效 Noether定理可微統(tǒng)計泛函、廣義估計方程 (6學(xué)時)核心要點 Hadamard可微統(tǒng)計泛函 泛函Delta方法 L，M，R 估計量和秩統(tǒng)計量 密度估計 (4學(xué)時)核心要點 一元和多元核密度估計 罰似然方法非參數(shù)回歸 (8學(xué)時)核心要點 線性光滑 樣條回歸和粗糙罰 核回歸和局部多項式回歸自助法 (11學(xué)時)核心要點. Bootstrap的基本原則. Bootstrap置信區(qū)間. Bootstrap檢驗. Bootstrap迭代 Dependent Data Jackknife估計簡介經(jīng)驗似然簡介 (3學(xué)時)核心要點 經(jīng)驗似然置信域 經(jīng)驗似然比檢驗教學(xué)方式: 課堂講授、分組討論考核方式: 開卷考試，實際數(shù)據(jù)分析或者完成部分書后習(xí)題。根據(jù)學(xué)生的基礎(chǔ)可適當(dāng)增減學(xué)習(xí)內(nèi)容。預(yù)期效果: 掌握經(jīng)典和現(xiàn)代主要非參數(shù)理論和方法，靈活應(yīng)用有關(guān)方法于實際數(shù)據(jù)分析。3. 資源環(huán)境核算專題教學(xué)方式: 課堂授課與專題討論考核方式: 課程論文教材(含經(jīng)典學(xué)術(shù)名著)及參考文獻(含境內(nèi)外學(xué)科主流名刊)：聯(lián)合國等：國民賬戶體系2008《統(tǒng)計研究》、《經(jīng)濟研究》、《中國社會科學(xué)》《the review of ine and wealth》、《social indicators research》視絀鏝鴯鱭鐘腦鈞欖糲僉爾魷癆駱鈐。1. 住戶部門衛(wèi)星賬戶167。1. CPI專題167。1. 出口貿(mào)易增加值專題167。2 資金流量表專題167。6. 政府財政統(tǒng)計專題第四章：金融與資本核算167。4. 地區(qū)與國家GDP銜接專題167。2. 服務(wù)業(yè)增加值專題167。9. 中國國民經(jīng)濟核算體系修訂第三章：生產(chǎn)與收入核算167。7. 政府許可收費167。5. 金融工具核算方法167。3. 生產(chǎn)資產(chǎn)修訂167。1. SNA3008的更新方案167。1. 聯(lián)合國三大核算體系的演化167。夾覡閭輇駁檔驀遷錟減汆藥徑鴕駭槍。預(yù)期效果: 準(zhǔn)確把握國民經(jīng)濟核算前沿問題，掌握國民經(jīng)濟核算高級方法。對任課教師的要求: 獲得統(tǒng)計學(xué)博士學(xué)位，具有很深的統(tǒng)計學(xué)理論大綱撰寫人: 童行偉《高級國民經(jīng)濟核算》教學(xué)大綱課程中文名稱：高級國民經(jīng)濟核算課程英文名稱：Advanced national accounts總學(xué)時: 36 學(xué)分: 2適用專業(yè)(學(xué)科方向): 先修課程(含已具備的學(xué)識基礎(chǔ)的要求):高級宏觀經(jīng)濟學(xué)教學(xué)目標(biāo):使學(xué)生跟蹤國內(nèi)外國民經(jīng)濟核算的前沿進展，學(xué)會國民經(jīng)濟核算的專門分析方法，并運用有關(guān)核算知識解決具體問題。陳希孺，（1999），高等數(shù)理統(tǒng)計學(xué)，中國科技大學(xué)出版社。Lehmann, . (1998). Elements of LargeSample Theory. SpringerVerlag, New York鐒鸝餉飾鐔閌貲諢癱騮吶轉(zhuǎn)鮭錢驗鎖。7. 檢驗和區(qū)間估計167。5. 多參數(shù)情形Ｉ: 漸近正態(tài)性　167。3. 漸近正態(tài)性167。1. 極大似然167。4. 密度估計167。2. 統(tǒng)計量范函167。7. 擬合優(yōu)度檢驗第六章：非參估計核心要點：U統(tǒng)計量，統(tǒng)計量范函，密度估計　167。5. 應(yīng)用案例　167。3. 線性代數(shù)167。1. 多元分布的收斂167。3. 估計方法的比較167。1. 區(qū)間估計167。4. 檢驗方法的比較：相對效率167。2. 效用比較167。8. 相關(guān)隨機變量的中心極限定理第三章：統(tǒng)計檢驗的性質(zhì)核心要點：臨界值，效用，功效，相對效率167。6. 一致收斂167。4. 中心極限定理167。2. 應(yīng)用167。6. 分布第二章：依概率收斂與依分布收斂核心要點：依概率收斂，依分布收斂，中心極限定理167。4. 收斂速度167。2. 嵌入列167。主要章節(jié)：第一章：統(tǒng)計基本概念核心要點：極限，收斂速度，連續(xù)性167。主要內(nèi)容:介紹統(tǒng)計學(xué)的大樣本理論的基本概念，證明方法。預(yù)期效果: 掌握統(tǒng)計學(xué)中的大樣本基本概念和基本理論，掌握收斂速度，依概率收斂，依分布收斂，極限定理，點估計，區(qū)間估計，并善于利用概率論的基礎(chǔ)知識來證明估計量的大樣本性質(zhì)。A. Agresti (張淑梅等譯, 2008). 屬性數(shù)據(jù)分析引論. 北京：高等教育出版社.. Dunteman, . Ho （林毓玲譯，2011）。4. 統(tǒng)計推斷167。2. 無序響應(yīng)模型167。4. Bayes方法第三章多元廣義線性模型核心要點：介紹多元廣義線性模型的結(jié)構(gòu)，參數(shù)估計和假設(shè)檢驗方法，以及模型擬合優(yōu)度檢167。2. 極大似然推斷方法167。167。4. 關(guān)于離散數(shù)據(jù)的統(tǒng)計推斷167