即将迎来金秋十月，考研复习也进入了白热化的阶段，经历了暑期几个月的强化复习，相信大家一定对专业课有了突飞猛进的进步，复习到现在，基本上就是已经过了一遍参考书，该搞明白的知识点也理清了，有的同学也开始结合应统联盟的资料整理出了属于自己的一份笔记，有很多小伙伴给小统发了自己的笔记截图，在应统联盟资料的基础上有了很多的补充，每一步都走的很扎实。接下来的3、4个月，也依然是很关键的几个月，需要大家把重点难点再认认真真的过上2-3遍，尤为重要的是，那些之前忽略的点，一定要多加注意了。
10月份开始，应统联盟会出一个冲刺课程，这个冲刺课程我们希望可以达到这样的效果，首先，所有的知识点再扫一遍，这是基础，同时也是对之前复习的强化，看看有没有漏掉的地方，查漏补缺；其次，把重难点拎出来，结合真题，内容更加聚焦，且重视答题导向。其次，再然后，我们会出一份补充资料，对人大风格的大题进行重点梳理，有了这份资料，相信一定起到事半功倍的工作。最后用模拟题来检验自己的复习效果是不是复习到位了，所以应统联盟精心准备了八套模拟题，不求押题，但求全面且优质（去年的模拟题押中了题），我们会进行三次全真模拟考试，模拟真实的考场环境，希望可以让大家提前适应考试的氛围，三次检验，足以培养其你在考场里的心态调整能力和临场发挥能力。
好了，来看看具体的课程细节吧。

一、往年反馈

经过过去几年的积累和沉淀，也经过了考试的检验，应统联盟视频课程与资料效果显著，以下是部分上岸同学的反馈：

二、课程简介

item介绍学习方式
冲刺专题课五大专题，共32课时，每个课时1-1.5小时
最后八套卷11月发出每套模拟题均配备详细解读
冲刺资料11月发出诸多细节考点提点
3次全真模拟考12月进行全真模拟考场环境

1) 冲刺专题课

概率论与数理统计专题

课程序号课程内容知识点掌握目标
11、数据分类1、了解统计学的定义
2、数据可视化2、熟练掌握多种数据分类的标准（依据数值类型、数据来源、收集特点等）
3、数据概括性度量3、熟练掌握一维数据的可视化方法，并能够依据不同类数据选择适合的可视化方法
4、随机事件与概率4、掌握多维数据的可视化方法
5、熟练掌握可以反应不同类型数据集中趋势和离散程度的指标
6、掌握随机、随机现象、随机事件、样本空间、事件域的定义
7、熟练掌握事件的关系（包含、相等、互斥）、事件的运算（并交差补）、德摩根公式
8、熟练掌握概率公理化定义，四种确定概率的方法（频率方法、古典方法、几何方法、主观方法）
9、掌握概率的性质（有限可加性、单调性、加法公式、半可加性），了解概率的连续性（上连续性&下连续性）
10、熟练掌握条件概率的定义、乘法公式、全概率公式、贝叶斯公式
11、熟练掌握独立性的定义
12、熟练掌握随机变量的定义
21、随机变量与分布1、熟练掌握分布函数、概率密度函数的定义与性质
2、多维随机变量及其分布（上半）2、熟练掌握基本的离散分布的定义、期望、方差、性质（退化分布、二项分布、泊松分布、超几何分布、几何分布、负二项分布）
3、期望、方差、协方差的计算3、熟练掌握基本的连续分布的定义、期望、方差、性质（均匀分布、正态分布、指数分布、伽马分布）
4、掌握随机变量期望与方差的计算
5、熟练掌握切比雪夫不等式
6、熟练掌握随机变量函数的期望、方差、分布函数、概率密度函数的计算
7、熟练掌握联合概率分布函数、联合概率密度函数、边际概率分布函数、边际概率密度函数的定义、计算与关系，了解基本的多维分布（多项分布、多维均匀分布、多维正态分布）
31、多维随机变量及其分布（下半）8、熟练掌握多维随机变量的独立性
2、 依概率收敛与依分布收敛9、掌握多维随机变量函数的分布
3、 大数定律与中心极限定理10、熟练掌握协方差、相关系数的计算
11、掌握柯西——施瓦茨不等式
12、熟练掌握多维随机变量的条件分布、全概率公式与贝叶斯公式
13、了解重期望与方差公式
14、掌握依概率收敛与依分布收敛的定义与联系
15、掌握一维基本分布的特征函数
16、掌握大数定律与中心极限定理的条件
17、掌握大数定律与中心极限定理的证明
41、 经典统计量1、熟练掌握总体、样本、统计量的定义
2、 三大抽样分布2、熟练掌握基本的统计量的计算与分布
3、 充分统计量与完备统计量3、了解充分统计量与完备统计量、了解因子分解定理
4、 点估计与极大似然估计4、熟练掌握点估计的评价标准（无偏性、相合性、有效性）
5、掌握极大似然估计的性质与计算
51、 点估计的评判1、熟练掌握均方误差的概念，与偏差、方差的关系
2、 UMVUE2、掌握UMVUE的概念与性质
3、 区间估计（前半）3、了解充分性原则
4、熟练掌握费希尔信息量、Cramer—Rao不等式、C—R下界、有效估计的概念、计算与证明
5、熟练区间估计的定义
6、掌握枢轴量法求区间估计
7、熟练掌握几个基本分布特征的区间估计
61、 区间估计（后半）1、熟练掌握假设检验的定义、基本步骤
2、 假设检验2、熟练掌握两类错误、显著性水平、p值、拒绝域的定义与相关计算
3、了解贝叶斯检验的定义，了解其与一般假设检验的区别
4、熟练掌握单总体基本特征的假设检验
5、熟练掌握双总体、成对数据基本特征的假设检验
6、熟练掌握置信区间与拒绝域的关系
7、了解似然比检验的思想
8、掌握几个正态性检验的方法
9、熟练掌握拟合优度检验与列联表独立性检验
10、掌握列联相关系数
71、方差分析1、熟练掌握单因子方差分析的步骤
2、多重比较2、掌握双因子方差分析的步骤
3、了解几个方差齐性检验的方法
4、掌握几个多重比较的方法
5、了解方差分析与回归分析的联系

回归分析专题

课程序号课程内容知识点掌握目标
11、 高斯——马尔可夫定理1、熟练掌握回归分析的步骤
2、回归方程的最小二乘估计法2、熟练掌握高斯——马尔可夫定理
3、 回归方程参数估计3、掌握一元线性回归的参数估计的计算
4、熟练掌握多元线性回归的参数估计
5、熟练掌握一些回归模型的检验方法（回归参数显著性检验、拟合优度检验、偏F检验等）
6、熟练掌握R方的定义与性质
7、了解复相关系数、偏决定系数、偏相关系数的定义与计算
8、掌握标准化数据的回归模型的参数估计
21、 异方差1、熟练掌握异方差、自相关的定义、产生原因、检验方法、处理措施
2、 自相关2、掌握回归断点检验的方法与处理措施
3、 断点检验与处理3、熟练掌握异常值的定义、检验方法、处理措施，了解异常值的产生原因
4、 异常值处理4、熟练掌握几个综合评价模型的指标（AIC、BIC、Cp）
5、 变量选择问题5、掌握逐步回归法
6、 多重共线性6、熟练掌握多重共线性的定义、产生原因、检验方法、处理措施
31、 内生性1、了解岭回归与LASSO的思想、步骤、联系、区别；了解岭迹法、了解岭参数、LASSO参数的选择方法
2、 岭回归&LASSO2、熟练掌握内生性的定义、产生原因、检验方法、处理措施
3、 哑变量回归3、熟练掌握哑变量回归的步骤、回归参数的意义
4、 广义线性模型4、掌握广义线性模型，掌握不同连接函数对应适用数据类型以及对应的方法（Logit、Probit、Log-log、Ln等）

多元统计分析专题

课程序号课程内容知识点掌握目标
11、 多维正态分布1、掌握多元正态分布的性质、联合概率密度函数、条件分布
2、 多元统计抽样分布2、掌握几个经典的多元抽样分布的性质、用途
3、 聚类分析3、熟练掌握聚类分析的思想
4、熟练掌握谱系聚类法的定义、步骤、计算；掌握几个类间相似性指标的定义与计算
5、掌握动态聚类法的思想与步骤
6、熟练掌握聚类分析中，类数确定的规则
21、 判别分析1、熟练掌握判别分析的思想
2、 主成分分析2、了解距离判别法
3、 因子分析3、掌握费希尔判别法的思想、步骤；掌特征向量、判别效率的计算
4、 对应分析4、了解贝叶斯判别的思想、步骤
5、 典型相关分析5、熟练掌握主成分分析的思想、步骤与相关计算问题
6、掌握主成分的载荷、方差贡献的计算
7、掌握主成分分析的一些基本用途
1、熟练掌握因子分析的思想、步骤与相关计算问题
2、熟练掌握因子载荷矩阵的三种求法（主成分法、主轴因子法、极大似然估计法）
3、了解因子分析的检验、因子旋转
4、掌握因子得分的两种求法（Thompson法与Bartlett法）
5、掌握对应分析的思想、步骤与相关计算问题
6、掌握典型相关分析的思想、步骤
7、掌握典型相关分析的一些评价标准

时间序列分析专题

课程序号课程内容知识点掌握目标
11、 时间序列预处理1、掌握时间序列样本自相关系数的计算
2、 平稳性与纯随机性检验2、熟练掌握严平稳与宽平稳的定义、联系与区别
3、熟练掌握时间序列宽平稳的检验方法
4、熟练掌握序列纯随机性的检验方法
21、 ARMA模型1、熟练掌握ARMA模型的建模步骤
2、 Green函数2、掌握AR、MA、ARMA模型的表现形式与性质
3、 Yule-Walker方程3、熟练掌握平稳性与可逆性条件
4、 ARMA模型的检验与预测4、熟练掌握Green函数，会求传递形式与逆转形式
5、掌握Yule-Walker方程、理解AR的偏自相关系数截尾性
6、熟练掌握自相关系数与偏自相关系数的计算
7、掌握ARMA模型的评价与预测
31、 ARIMA模型1、掌握Wold分解与Cramer分解定理
2、 指数平滑法2、熟练掌握ARIMA模型的建模步骤
3、 ARCH检验与建模3、掌握指数平滑法
4、 ARIMAX模型4、掌握条件异方差检验与建模步骤
5、 伪回归与协整5、了解ARIMAX模型
6、 Granger因果检验6、掌握伪回归与协整的定义
7、掌握Granger因果检验

抽样技术专题

课程序号课程内容知识点掌握目标
11、 抽样方法概论1、熟练掌握概率抽样与非概率抽样，等概抽样与不等概抽样的定义
2、 误差来源2、熟练掌握几种概率抽样的方法的定义（简单随机抽样、分层抽样、整群抽样、多阶段抽样、系统抽样）
3、 简单随机抽样3、掌握几种非概率抽样的方法的定义
4、 分层抽样4、熟练掌握抽样误差与非抽样误差的定义、来源与几种经典的类型
5、熟练掌握简单随机抽样的定义、方法操作
6、熟练掌握抽样核心定理
7、了解比估计与回归估计
8、掌握简单随机抽样中总体均值、总体总值、总体方差的估计量以及其特征
9、掌握分层抽样的定义、总体均值、总体总值、总体方差的估计量以及其特征
10、掌握最优分层比的计算
11、了解分别比估计与联合比估计的定义、联系与区别、适用范围

2）冲刺资料

冲刺资料10月中旬发出
资料目录备注
冲刺专题笔记全新打造冲刺专题笔记，增加诸多考点，全面细致
课程板书冲刺重难点课程笔记，原汁原味的课程资料
真题深度解析11年~22年真题详细解析与解读，给出复习建议，把握复习方向，包含分类整理，便于按专题复习
大题题集新增诸多细节，在原有的大题基础上增加一些新考点
思维导图思维导图呈现考点知识点，形成结构化知识块，牢固巩固知识点
冲刺笔记目录：
<<< 左右滑动见更多 >>>
冲刺笔记细节：
<<< 左右滑动见更多 >>>

3）最后八套卷

最后八套卷11月发出
资料目录备注
最后八套卷
真题预测卷，配备解读，覆盖全面；

不求押题，但求全面，考前检测良药
此示例为去年模考卷，今年的模考卷会根据最新的真题进行设置，敬请期待。
<<< 左右滑动见更多 >>>

4）全真模考

全真模拟在线测试安排在腾讯视频进行，考试前请自行准备答题卷（若干张A4纸），考试前5分钟发放试卷，需开启摄像头，全程监考，请考生自觉遵守考试规则。模拟考试结束之后使用手机扫描后答题卷，格式整理成pdf，并命名为【人大432模考-微信名】，在十五分钟内发送至小统微信号 stat-union，大家可以提前熟悉这个扫描流程。每一次模考，我们会在7天内批改完成，给出及时的反馈。初定模考时间为11月的周末，届时会根据情况进行调整。
场次时间
第一场11月12日 14:00-17:00
第二场11月19日 14:00-17:00
第三场11月26月 14:00-17:00
详情可参考去年的模考：
模考大作战 | 2022年人大应统432全真模拟考试上线啦！

三、课程售价

以上全套包括
item介绍学习方式
冲刺专题课五大专题共32课时，每个课时1-1.5小时
最后八套卷11月发出每套模拟题均配备详细解读
冲刺资料11月发出诸多细节考点提点
3次全真模拟考12月进行全真模拟考场环境
共1999元，双十一可享受9折优惠，购买课程成功后添加小统微信 stat-union，并将您拉入专门的课程答疑群，此外若之前购买过人大定向强化课程的同学，可以享受6折优惠，购买前可联系小统修改价格。
扫一扫下面的二维码，进入课程详细页购买课程吧！

小统微信

扫一扫，添加官方微信号小统，备注考研院校，邀你加入相应院校的交流群：
继续阅读
阅读原文