over 3 years ago

最近正值申請美國學校放榜時段
碰到許多未來要讀統計/相關領域的學弟妹們跟我討論怎樣的人適合做統計

我覺得 只要對資料分析有興趣並且善於量化分析的人
都適合來做統計
而且統計並不一定要有個Master或PhD學位才能做
只要想做 而且知道怎樣把問題model寫下來並跟data做結合
就能進行統計分析

只是如果要知道哪個統計方法比較有效 或想了解為什麼有效
就適合多學點統計方法或念個degree
當然真正要了解統計方法
一定程度以上的數學跑不掉的

許多人很關心申請統計MS/PhD的條件與背景
我覺得統計MS的要求並不太嚴格
只要以前有理工學院背景的數理能力 加上一些對統計/機率模型的了解
(當然這些能力不能太差)
就有足夠的能力來念MS

統計界我個人感覺非常不吃血統
特別是MS 非常適合以前"非"統計/數學背景的人來申請
理學院如物理 化學 心理系等等
社科院如經濟 社會等等
還有各個工程科系或EE CS都很適合來念
只要你的數量化分析能力足夠 加上不錯的成績 並不算太難申請上

PhD的話 會要求多很多
大部分PhD還是數學背景居多 因為統計理論到後來真的都是數學
但如果是跨領域但具備核心數學能力 我覺得申請上的機會高很多
我聽說對統計PhD而言的核心數學能力是來自下列課程:

  1. 高等微積分
  2. 測度論
  3. 線性代數(數學系)
  4. 機率/統計(數學系) 特別是高等微積分 並不會有硬性門檻說一定要很高分 但通常會希望至少要有修過 因為進來之後大家都是預設你學過 甚至都認為你該反射理解(e.g. lim,積分,微分等等各個operation可否交換; open, close set; continuity...) 統計PhD必修課程之一是機率論 如果沒有高等微積分基礎 在機率論會非常辛苦

我最近聽我們系上教授說 各校開始放寬qualify exam的難度
但可能就會隱性的提升錄取學生的數學能力要求
因為沒有qualify來把數學能力不足的學生刪掉

不過如果你來自其他領域 但上述的數學課程都有基礎甚至有不錯的成積
聽說申請上的機會反而會比純數學的同學還要高

另外申請統計PhD基本上不太會有publication
因為統計的publication幾乎都是journal 而且都會要求不少理論證明
幾乎大家都沒有 所以沒有publication其實完全不用擔心
(甚至沒有研究經驗也可--我當初就完全沒有研究經驗)
其實許多統計PhD(包含很多很強的)都到畢業前一兩年才開始發paper
這和許多做實驗的領域很不同

撇開統計研究或PhD不談 要做統計其實門檻並不高
最關鍵的還是一顆喜歡做資料分析的心
統計和其他應用數學領域最大的差異就是資料分析
統計的各種推論還有分析成果 都可以根據資料跑出來後來進行比較
你能知道你原本預設的模型或使用的方法是好是壞 再來決定下一步的分析

如果只是喜歡研究有趣的模型 並不喜歡透過資料的分析與推論
我個人推薦去讀應用數學 應用數學也是門非常有趣的領域

← likelihood function迷思 母體性質 →
 
comments powered by Disqus