MIT应用数学与统计研究项目：基于图形方法的数据分析与模型研究
2025-02-13 09:52:55项目基本信息
专业类别
理工
参加形式
线上
适合人群
适合对数学、统计概率、生物统计、经济统计、数据科学、公共卫生数据分析等专业感兴趣的高中生及以上学历。
导师介绍
Peter
麻省理工学院终身教职
Peter 导师以优异的成绩获得哈佛大学(Harvard University)应用数学学士学位，并当选为Phi Beta Kappa Alpha Chapter的成员。后续他攻读统计学，获得了帝国理工学院(Imperial College London)的硕士学位以及加州大学伯克利分校(University of California Berkeley)的博士学位。Peter 曾任哈佛大学统计系教授，任教期间获得了美国国家科学基金会的博士后数学科学研究奖学金。随后成为麻省理工学院Sloan管理学院终身教授兼首席研究科学家，在经济和管理科学计算研究中心(CCREMS)和国际金融服务研究中心(IFSRC)进行研究。他是风险管理项目组的积极成员，并开发了纳入行业标准RiskMetrics方法论的分析方法。现为麻省理工学院数学系金融数学与统计讲师。2014年在北京交通大学全球暑期学校任教期间，被聘为计算机与信息技术学院特聘教授。
项目背景
时间序列是指将某种现象某一个统计指标在不同时间上的各个数值，按时间先后顺序排列而形成的序列。时间序列法是一种定量预测方法，亦称简单外延方法，在统计学中作为一种常用的预测手段被广泛应用。时间序列分析在第二次世界大战前应用于经济预测。二次大战中和战后，在军事科学、空间科学、气象预报和工业自动化等部门的应用更加广泛。时间序列分析(Time series analysis)是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题。时间序列构成要素是：现象所属的时间，反映现象发展水平的指标数值。
项目大纲
一、MIT应用数据与统计研究项目
研究主题：基于图形方法的数据分析与模型研究项目-以金融经济、公共卫生等多领域应用为例
本课程将融合计算机编程的R语言辅助统计模型在多维度的数据中的处理分析。目前，主流数学统计数据分析往往会以图形方法来进行呈现，这些可视化方法被用于大数据探索、分析模型的有效性验证和数据预测结果的展现。在本课程中，导师开发并应用了趋势和季节性的重要时间序列模型，包括经典分解和多级指数平滑模型。同时导师将利用真实世界的时间序列数据(包括美国联邦储备局、世界银行和政府机构公卫数据)对本课程中涵盖的统计概率方法进行分析和实践应用。
二、MIT应用数据与统计研究项目课题安排
1、时间序列分析导论 Graphing Time Series
2、数据预测工具 Tools of Forecasting
3、预估噪声序列的时间序列相关性检验固定的流程 Testing estimated noise sequences for time series dependence; stationary processes
4、时间序列分解研究 Decomposing Time Series
5、季节性模型、平滑模型和趋势模型;模型选择和应用 Exponential Smoothing
6、学术研讨1 Final Project Phase I
7、学术研讨1 Final Project Phase II
8、项目回顾和成果展示 Program Review and Presentation
9、论文辅导Project Deliverables Tutoring
三、MIT应用数据与统计研究项目时间安排
截止招生：2025-04-12（项目开启时间）
课程时间：7周在线小组科研学习+5周不限时论文指导学习
课时安排
12周时间安排
报名方式
项目收获
1、加强应用数学与统计相关基础
2、加强申请者背景竞争力
3、获得项目证书
4、优秀学员获得导师高质量推荐信
上一篇: 没有了
