大学学统计专业怎么样？
本人，南京某211统计学专业，毕业十年整，现在从事大数据相关的工作。 先摆结论，如果现在让我重新选择一次专业，我还是会选统计学！（只讨论统计学本硕）
1.统计的专业内容与计算机结合紧密，非常适合有编程基础的人学习；没有基础也不要紧，跟紧老师的步伐，利用图书馆的资源和网络，自学也来得及。本专业对数学要求较高，如果数学基础不好，建议慎入。
2.个人感觉本科阶段的学习过程是一个从简单到复杂的过程。从高数，线性代数，概率论与数理统计，再到统计软件操作，本科学的内容并不多，而且大多都比较容易理解，所以只要认真上课，考试周认真复习，通过率还是比较高的。如果有同学觉得难，大概率是还没找到合适的方法。个人建议多刷题，刷真题，历年真题往往重复率蛮高，且年份越久越容易出原题。
3.读研期间可以选择的方向很多，统计，统计机器学习，数据挖掘，风险管理与精算，金融计量等等吧。每个方向都有值得学的地方，主要看个人兴趣。
4.统计就业面比较广，不管是数据分析师，算法工程师，还是咨询师，研究员，甚至产品经理，都需要用到统计知识。总之，只要你喜欢，统计可以给你提供很多的机会和时间进行钻研和探索。
这个专业听起来不是很热门但是就业很不错的，可以到统计局，普查中心去工作的
主要课程有：
1、概率论
概率论是研究随机现象数量规律的数学分支。随机现象是相对于决定性现象而言的，在一定条件下必然发生某一结果的现象称为决定性现象。例如在标准大气压下，水加热到100℃时必然会引起沸腾等。随机现象则是指在基本条件不变的情况下，每一次试验或观察前，不能肯定会出现哪种结果，数据分析，这种现象称为随机现象。例如，掷一硬币，可能出现正面或反面。随机现象的出现，并非完全没有规律性。在数量上，随机现象可能的结果中，某些结果发生的可能性大些，某些结果发生的可能性小些。现代概率论是建立在测度论的基础上的，由A.-H.柯尔莫哥洛夫于1933年完成。
2、应用回归分析
应用回归分析是数理统计中一个应用广泛的重要分支。回归分析是研究变量之间相关关系的一种统计技术。例如人们发现，人的身高和体重之间存在着一种相关关系。一般说来，身高的人相对要重一些。通常，人们将身高的平均值记为X，相应的体重的平均值记为Y。变量Y与X之间是一种函数关系，记为Y=f(X)。我们把自变量X对应的应变量Y称为X的回归值。回归分析就是研究回归值随自变量变化的规律性。它通过一些二重观测值组，来建立回归值和自变量之间的函数表达式。函数表达式称为回归方程。例如，可以作出人的身高和体重之间的回归方程是 Y=a+bX。
在经济学和人文学科的量化研究中，相关与回归分析的应用十分普遍。在进行相关分析时，必须要注意：两个变量之间相关，并不说明两个变量之间存在着因果关系。在使用相关分析方法时，常常要作一个假设：两个变量至少有一个是随机变量。如果两个变量都是确定的变量，就要用最小二乘法。回归分析的研究对象是自变量和应变量之间在数量方面的依存关系。应变量又称因变量。在回归分析中，自变量通常是确定性的量，而应变量则被看作是一个随机变量。在很多应用中，回归分析的对象是“多变量回归分析”，即应变量是一个，而自变量不止一个。
3、时间序列分析
时间序列是指把一个变量不同时间上的取值按照时间的先后顺序排列成的数据集。例如某种产品各年(或月、周、日)的销售量、某地各年(或月、周、日)的降水量、某股票各年(或月、周、日)的收盘价(或最高价和最低价)等。时间序列分析主要包括以下两方面的内容：
(1)对数据指标本身的变化进行描述和解释。如分析指标的波动程度是大还是小，是逐渐增大还是逐渐变小，是围绕某条水平线上下频繁波动等。
(2)预测此指标(也可以是其他指标)未来的变化。时间序列分析方法有多种，主要分为平稳序列分析方法、趋势序列分析方法、季节性序列分析方法和组合性序列分析方法。具体分析时要根据指标变量变化的规律来选择适当的方法。
时间序列分析是随着电子计算机的发展而成长起来的。20世纪50年代后期，Box和Jenkins在原有时间序列分析方法的基础上提出了谱分析、滤波与平滑和ARIMA这三个重要方法，并形成了博克思——詹金斯方法论体系，使时间序列分析形成了一门新的学科。时间序列分析方法因其使用性强、见效快，得到了迅速的推广。在需求分析领域，“时间序列分析法”已经成为一种使用最普遍的预测工具，并且可以同经济计量模型配合使用以发挥更大的作用。
