人大统计专硕432考研专业课经验分享
- 背景介绍
一战，本校本专业，初试成绩398，排名18。2018年3月到6月准备本院的夏令营选拔，以概率论与数理统计为主。成功通过，但是由于绩点太低没有保上研。7月开始准备初试，最后成功上岸。鉴于网上的公共课资源十分丰富，这篇经验贴主要介绍人大统计专硕专业课备考经验。
- 复习内容
初试我一共复习了以下几本书：统计学、回归、时序、多元、概率论与数理统计，具体的版本如下所示
统计学与回归今年与往年没有太多不同，大家只要认真刷书、做笔记、做真题、背书，这两科应该是不会丢分的。
时序这门课变化很大。往年都是考非平稳时序的建模，今年初试考了平稳的定义与检验，复试笔试考了纯随机性检验，这些都是《统计学》之外的内容，所以《应用时间序列分析》这本书大家是一定要好好看的。至于看到什么程度，视大家自己的时间松紧来定，我因为时间比较紧，并且本科已经学过一遍，所以多元时序分析那一章根本没有看，大家时间宽裕的话可以从头到尾刷一遍。
多元是我今年初试丢分最多的科目。我在做完往年真题之后发现多元只会考文科题，所以复习多元时根本没有推导中间的数学过程，就只背了答案，结果上了初试考场发现一共有45分多元……而且都是偏数理证明方向的，我只能凭着自己的印象一阵狂糊。所以大家一定一定要把多元这本书中的数理推导自己推一遍，PCA跟因子分析是重点。目前来看多元一般只会考到第8章，但是最近专业课变得厉害，时间宽裕的同学多看点吧。
人大对于概率论与数理统计考得不多，而且题都比较简单，把茆诗松的那本书从头到尾刷了一遍，基本没有什么问题。尽管这一块考得比较简单，但是对于理解其它科目非常重要，建议大家把茆诗松的这本书从例题到习题通通刷一遍。相信我，刷完之后你对统计学的理解会上一个档次。
今年大家复习一定要带上《抽样技术》这本书，初试考了半道大题，复试笔试考了一道大题，然而我这本书一个字都没有读过……在考场上看到抽样的题特别想抽死自己，没办法，一阵狂糊，就结果来看还不错，后面会专门讲一下面对不会写的题目时的应对措施。
总的来说，统计学、回归、概率论与数理统计与往年变化不大；但是时序、多元的考试内容变化较大，并且考得更数理一些；抽样则从时考时不考变成了必考。因此大家的复习要比往年更全面、更细致。
复试在初试六本书的基础上又增加了两本书：国核、非参，图片如下：
这两本书一般不会出现在复试笔试中，但是面试中可能会问到。我的一个同学面试时就抽到了一道国核的题，他只好说他不会……不过这两本书占面试题目的比例应当不会特别大，我就根本没有买这两本书……学有余力的同学可以扫一下，没有必要细刷。
- 复习方法
首先明确一点，人大统计432主要考察你对专业课知识的理解与背诵，出的题目形式也往往是简答题、论述题和有套路的计算题，因此大家要把专业课当作文科而非理科来复习。既然是文科，笔记就极端重要。记笔记、整理笔记可以帮助你理解知识点，而到考前直接背诵自己的笔记即可，下面介绍一下我记笔记的方式。
第一步是刷书，在刷书的过程中把笔记记到笔记本上，而且不放过任何一个细节。无论是琐碎的知识点（比如LB统计量的表达式），还是复杂的数理推导（比如多元正态分布协方差阵的最大似然估计），统统记到笔记上。因为你永远不知道今年会考什么，你的一时侥幸可能就是20分的差距。上面举的两个例子都是今年的初试与复试题，而我在第一遍刷书的时候都忽视了，然后我就付出了20分的代价，希望大家不要重蹈覆辙。
第二步是把你笔记本上记的笔记转化成自查提纲。转化时先用黑笔写出提示词，答案空着，复印几份（黑字笔记），然后用红笔填好答案（红字笔记）。下面是我做的提纲示例：
第三步是背诵你的红字笔记。背诵时不能觉得自己懂了就差不多了，要争取做到一字不落，这是专业课背诵与政治背诵的区别。专业课考察以文科题为主，但是内容依旧是理科内容，只有专业准确的表述才能拿到一道题的满分。
第四步是在你的黑字笔记上默写，然后对照你的红字笔记进行批改。默写一遍之后基本上就很难再忘了，即使忘了捡起来也很快。我在复试之前也忘记了很多专业课知识，但是用三天就全部回忆起来了，默写一遍的印象是单纯背诵无法比拟的。有时间的同学还可以默写一下数理推导，人大的专业课即使考数理一般也是考书本上的证明，把专业课的数理推导弄清楚对于理解帮助也很大。
我相信如果能够做到上面四步，初试的专业课基本没有问题。这种方法的缺点是十分耗时，我大概要用一整天的时间才能完成一个专题的量。所以大家一定要尽早开始专业课的复习！
- 复试经验
复试一共分为三个部分：笔试、英语面试、专业课面试。其中笔试包括英语听力、翻译和专业课。听力个人感觉比六级难不少，可能跟播音模糊有关，我基本上每段录音都有听不清的地方，建议大家直接用托福听力练手。翻译依然是政府工作报告里的原文，大家在复试之前多背几个政策名词、经济名词。
专业课笔试一共5道大题，每题20分。今年考了多元、时序、抽样、统计学和一道课外的辛普森悖论。除了辛普森悖论这道题不常规，其它都是常规题，如果你按照我上面给出的方法进行复习，应当没有什么问题。而辛普森这道题则是在考察大家平时的积累了，吴恩达的机器学习课程中提到过辛普森悖论，所以我在考场上凭借印象答了出来。如果现在你还是大一大二的话，可以多到Coursera上修几门数据科学的课程，拓展一下视野。事实上，辛普森这道题在下面这个公众号上出现过，题干几乎一模一样，而且推送时间就是在复试笔试的前一周，个人感觉出题老师就是直接从这个公众号上扒的题目……大家可以关注一下，万一明年又扒了一道呢。
专业课面试是从一堆题中间抽两题作答，老师会根据你的回答扩展性地追问。我运气比较好，抽到了两道很简单的题目，一道是K-means聚类的过程以及如何确定K，一道是探究性别与学习成绩的关系。第一道问题的答案在学长的资料中都有，面试时候直接背就行了。后来老师追问我有哪些随机因素影响K-means聚类的表现，我直接答得学长资料中总结的K-means聚类的缺陷，所以大家在背书时要多留个心眼，一个答案是可以回答多个题目的。
第二题的题干让我以为这是在考两总体的均值差检验，然后我就背了一遍，结果老师说不是这个意思……其实老师是想考你运用所学知识解决现实问题的能力，给你一个大的话题然后让你自己想模型来解决，这也是人大统计面试的一大特点。遇到这种题目，先回答需要搜集哪些自变量、因变量的数据，然后说运用什么模型，最后说如何分析模型的结论。比如这道题我就回答了自变量可以搜集高考分数、家乡省份、学习时间，因变量可以取某次考试的成绩，建立多元线性回归模型，然后按照性别分类作一个邹至庄检验，如果通过了邹至庄检验则说明性别对学习成绩的影响不显著，如果没有通过就说明显著。然后老师就问我如果要把多次考试的成绩引入因变量呢？我回答可以用指数平滑加权成一个成绩。如果有多个科目的考试成绩呢？我回答可以用因子分析得到公共因子后分别作检验。答完这两个问题我感觉老师们对我还是比较满意的。可以看出这种面试题目已经不可能通过简单地背诵作答了，需要多个学科的交叉运用以及对于问题本身的洞悉。因此我建议大家平时复习时不要把课本上的内容看作知识，而是看作工具，每复习到一个知识点就想想自己可以在哪些场合使用它，到时面试时就不会慌。
今年的英语面试变化很大。往年英语面试一般不会问专业课问题，而今年则完全不同，逮着专业课问题猛问……面试老师是教过我的时序老师，用英语问我最喜欢的科目是什么，我想都没想就答了时序，然后对时序一通猛夸，夸的时候我看到老师不好意思地笑了……然后她就问Please name several models in time series.我心里一万匹草泥马飘过，怎么今年还问专业课问题？？？幸好只是模型名称，我就答了Autoregression和Moving average.然后她又问我时间序列与横截面数据有哪些不同……这道题是在书上的一个小角落里，所以真的不能放过任何一个知识点。我看到旁边的老师都已经开始坏笑了，不过我好歹也是修过纽约大学时序的人，当我说出stationary这个词的时候我看到老师惊喜地对视了一眼，我就知道英语面试稳了。后面又问了我大学最难忘的经历是什么，属于很常规的问题了，我在考前总结了一份常规的英语面试题，下面列给大家：
- Why is your gpa so low?
- What’s your dream and how do you plan to achieve it?
- What’s your study plan when you are a graduate?
- What if you fail this interview?
- What’s your biggest strength and weakness?
- Why do you choose our school?
- Why do you choose statistics as your major?
- What’s your hobby?
- What’s your favorite book / movie / canteen?
- Who is your idol?
- Do you want to go for a doctor’s degree later?
- Introduce your graduation project.
- Introduce yourself.
- Have you done any research project when you are an undergraduate?
- Have you read other books about statistics?
- Introduce your hometown.
- Introduce your family.
- What’s your best memories?
- Where have you travelled to? Which place interested you most?
- What’s your most interested research topic?
所以大家在复习专业课时记得背英文的专业术语，到时即使不会用英语答题，扯几个专业术语至少也不会特别难看。至于发音跟口语，我在考前一个星期每天都找人练半个小时，不需要练到什么水平，只要做到敢于说英语，不会出现dead silence就好了，复习的重心依然要放到专业课上。
总的来说，面试考察的是大家真实的数据思维与数据素养，这些是不可能通过背书跟刷题获得的，只能在实践与思考中获得。我的建议是本科时多做几个项目，多干几份实习，多参加几个比赛；如果你已经在备考了，不要只把知识当作通过考试的工具，在复习时多想想每个模型的用处，读死书的应试型选手是最容易在复试中被淘汰的。
- Tips
- 在笔试中遇到不会写的题，糊也要糊完，不要空着；在面试中遇到不会答的题，直接承认不会，糊只会让你死得更难看。
- 对于计算跟证明题，糊题的精髓在于让答案看上去很有道理，以至于老师在快速批卷的过程中误以为你是对的；对于论述题，糊题则需要创新精神，虽然答不出标准答案，也应该能够让老师的眼前一亮。比如初试中的那道抽样题，我根本不知道怎么设计抽样方案，于是就把贝叶斯统计中的共轭分布糊了上去……跳出频率统计的范围，设计了一个动态抽样过程。从结果来看应该是拿到了大部分分数。
- 面试前找同学帮你模拟面试，这样可以互相查漏补缺。同时，从面试官的角度审视面试这一过程会让你重新思考自己的答案。我在面我的同学时，发现答案长度如果超过一分钟我就会走神，碰到长篇大论更是听不下去。所以我在面试时把所有回答都控制在了一分钟以内，并且在回答中加了很多提示词：第一点，第二点。这样可以让你的面试官更加舒服，你也更有可能获得更高的分数。
- 接着上面那一条，有时一分钟不足以详细回答一个问题，这时就需要概括总结。不要尝试把所有答案都放在一次回答中，正确的做法是引导老师追问。举个例子，老师让你介绍爬虫，不要上来就想把所有事情说清，而应该凝练地答几个点：“爬虫是一种搜集网络数据的计算机程序，由三个步骤组成：第一步，向目标服务器发送request；第二步，解析得到的response；第三步，储存数据。可以通过Python或者R实现。”注重全面而不注重细致。此时老师一般会接着追问某一步的具体操作，在追问的时候细致地问答。通过这种操作可以把一个冗长的回答切分成为几个结构清晰、组织干练的回答，老师也更容易接受。
- 面试时主动地展示态度而非主动地展示力量。你在自我介绍时谈到你对报考学校与报考专业的喜爱，这叫做主动地展示态度；你在自我介绍时谈到你在本科时取得的成就，这叫做主动地展示力量。主动地展示态度不说了，大家都明白，为什么我反对主动地展示力量呢？因为考研时的面试官都是学术造诣很高的老师，咱们在本科时期取得的所谓成就可能根本入不了人家的法眼。而这群老师的业余爱好之一就是怼人……别的院不知道，我们院老师可喜欢笑眯眯地怼人了（别问我怎么知道的！）。会数据库？在纸上给我写个sql；美赛得过奖？你给我建个模型算一下写满一个黑板需要多少支粉笔；懂机器学习？你给宿管大妈解释一下什么叫做回归；概率论学得不错？你来证一下每个分布都有特征函数……所以我决定复试面试不带简历，千万千万不要给他们考你课外知识的把柄，老老实实把课内知识的问题答上来比什么都强。
- 与其在考前拜杨超越，不如做一些善事。我在复试前给一个人大校友的水滴筹捐助了点钱，结果整个复试特别顺，抽到的题全是准备过的。现在我只要见到人大校友的水滴筹都会捐助一点。并不是从玄学的角度鼓吹封建迷信，而是想提醒一下大家，赠人玫瑰手有余香。
- 以上的这些都只是技巧，技巧是需要实力作背书的。不要指望这些技巧能够帮助你翻盘，它们只是给你的实力加了一个杠杆，所以大家还是要一步一个脚印地复习。