人大数科 432 题库升级:15 个专题 320 题,无死角覆盖

之前给大家更新过一版人大 432 数据科学专题模拟题。最近我们又做了一轮扩充，现在是 15 个专题、320 道题。

新专业第一年招生，没有历年真题，复习最怕的就是 "不知道考什么"。我们的思路是：把 432 考试大纲能拆的知识点全拆开，每个知识点配 20 道左右的题，难度分层，答到哪一步就算拿到哪一步的分。

unsetunset这次更新了什么unsetunset

新增 3 个专题：

专题 13：次序统计量与充分统计量

样本中位数、样本分位数、箱线图、Q-Q 图这些描述统计的进阶内容，再加上充分统计量和因子分解定理 —— 给一组样本，怎么判断哪个统计量 "保留了全部关于参数的信息"。

比如这道题，给一个幂函数分布，先让你用因子分解定理找出充分统计量，再问它和 MLE 是什么关系。一道题把充分统计量的构造和 MLE 的性质串起来。

专题 14：统计决策与贝叶斯统计推断

注意，这不是分类算法里那个朴素贝叶斯，而是贝叶斯派的整套统计推断框架：损失函数、风险函数、共轭先验、后验分布推导、可信区间、MCMC。

平方损失对应后验均值、绝对损失对应后验中位数、0-1 损失对应 MAP—— 这些对应关系是考试常考点，我们在高频易错里专门标了 "不要搞混"。

专题 15：再抽样方法

这是数据科学区别于应统的特色内容：Bootstrap 自助法、Jackknife 刀切法、置换检验。

Bootstrap 是有放回重抽样，置换检验是无放回重新分组，这两个概念最容易搞混；Jackknife 公式里的 (n-1)/n 系数也容易忘。这些都在高频易错里列出来了。

unsetunset现有专题也补了题unsetunset

参数估计专题加了 5 道：EM 算法、UMVUE、C-R 不等式、MSE = 偏差 ²+ 方差分解。

EM 算法这道题出到了混合高斯分布，E 步算后验概率（责任度），M 步更新混合比例和各分量参数。这是机器学习里 GMM 的核心步骤，考到的概率不低。

假设检验专题加了 5 道：广义似然比检验、卡方拟合优度、KS 检验、Bonferroni 校正、FDR。

这道题给了 20 个 p 值，分别用 Bonferroni 和 BH 方法做多重检验校正，最后比较为什么 BH 更灵敏。Bonferroni 控制的是 FWER（至少一个假阳性的概率），太严格；BH 控制的是 FDR（假阳性占显著结果的比例），更适合大数据场景。

unsetunset现在的完整结构unsetunset

概率统计基础（必做部分）： 描述统计｜概率论｜参数估计 (27 题)｜假设检验 (24 题)｜回归分析｜方差分析｜次序统计量与充分统计量

数据科学基础（选做部分）： ML 概述与模型评估｜线性模型进阶｜决策树与集成学习｜聚类分析｜分类算法与贝叶斯｜优化方法与大规模数据计算｜统计决策与贝叶斯统计推断｜再抽样方法

每个专题 20 题左右，难度分基础 / 中等 / 较难三档。每道题都是多小问递进，参考答案 LaTeX 公式排版，学长点拨标易错点，专题结尾有核心考点清单和高频易错点。

另外还有一份纯享版，只有题目没有答案，方便掐时间做。

unsetunset写在最后unsetunset

新专业第一年，信息不对称就是最大的壁垒。谁先把题库刷完、把考点过一遍，谁就占先手。这套题会持续更新，后续补充的题目直接加到飞书文档里，不用反复下新版本。

unsetunset购买方式unsetunset

• 微店下单，售价249元，即可获取全套【人大432数据科学专题模拟题320题】，购买后添加小统微信【stat-union】,获取资料渠道。

扫一扫，添加应统联盟官方微信 【小统】，在朋友圈遇见更多精彩内容~