统计学学科

统计学学科现有教师37人、专技2人，其中教授7人（含特聘教授1人，跨学科教授4人，兼职教授2人），副教授13人，其他19人，专任教师中具有博士学位的比例100%。统计学学科博士生导师9人，统计学硕士生导师25人，应用统计专业学位硕士生校内导师31人。教师队伍中全国科技先进工作者1人，北京市教学名师1人，教育部霍英东基金高等院校青年教师奖获得者1人，入选北京市优秀人才培养资助计划及青年拔尖人才培育计划3人，入选“京华人才”1人，入选北京市级其他人才计划5人。形成了以老一代学科带头人为指导、以中青年骨干教师为主体的团结、活跃的研究团队。概率论与数理统计是北京市重点建设学科，设立了北京工业大学应用统计研究所。2006年入选北京市学术创新团队，2008年入选北京市优秀教学团队，2010年获得应用统计硕士专业学位授予权，2011年获得统计学一级学科博士和硕士点授予权，2012年获准设立统计学一级学科博士后流动站。第四轮学科评估中统计学科获得B+，第五轮学科评估再次得到同行高度认可。

学科方向在传承中有所调整更新，一方面为了便于积累创新和人才培养的实施，另一方面也是为了适应学科前沿和社会需求的发展。本学科目前设有五个研究方向：数理统计，生物医学统计，工业统计，机器学习与大数据分析，应用概率与数理金融，其中机器学习与大数据方向是新增设的方向，旨在适应学科前沿的迅速发展，面向经济社会发展对大数据分析人才的广泛需求。随着师资队伍的建设，预计在今后会继续拓宽相关方向的内涵，强化研究特色，进一步优化研究方向的布局。数理统计主要研究基于各种统计模型的统计推断理论与方法，包括统计估计、假设检验、降维与建模、抽样调查理论与应用等。生物医学统计方向主要研究生物医学相关的统计问题，包括试验设计、临床医学与流行病学试验的统计分析、观测性数据的因果推断、生物信息学以及来自生物医学工程的数据分析等。工业统计是本学科的传统优势方向，研究与工业生产、质量管理等相关的统计分析问题，包括统计标准、试验设计、可靠性统计、质量监控、统计分布理论及其工业应用等。机器学习与大数据分析研究主要集中在统计机器学习和大规模数据分析，包括统计机器学习理论、方法及其应用、基因组数据分析、大规模稀疏矩阵的压缩分解等。 应用概率与数理金融主要研究应用概率及其在金融中的应用，包括集值随机分析、随机微分方程、马氏过程及大偏差理论及其应用。

理论研究与实际应用均衡发展是该学科的基本特色。近年来该学科在教学和科研工作中取得了显著成绩。在国内外重要学术刊物发表论文700余篇，出版著作40余部；获得省部级以上奖励10多项；主持完成和在研的省部级以上科研项目80余项，其中包括：国家自然科学基金，国家社科基金，教育部高等学校博士学科点专项科研基金，教育部高校骨干教师资助计划项目、教育部优秀青年教师基金,教育部留学回国人员科研基金, 北京市自然科学基金，北京市人才强教深化项目，北京市委组织部优秀人才项目等。在出版教材和发表教学论文方面也做了许多工作，建设了国家精品课程《概率论与数理统计》，获北京市普通高校教学成果奖多项。

统计学学科由数理统计研究所、应用概率统计研究所和数据科学研究所构成。

数理统计研究所现有教师10人，其中教授2人，副教授4人，讲师4人，博士生导师2人。研究所有全国优秀科技工作者、北京市教学名师、北京市教学科研成果一等奖(2项)获得者、国防科技进步二等奖获得者、北京市青年教师教学基本功比赛一等奖获得者、教育部霍英东青年教师奖获得者、北京工业大学高层次人才队伍建设计划“青年优秀人才”等国内著名统计专家或优秀中青年统计学者，人才荟萃，成果累累。

数理统计研究所教师主要从事统计理论、方法及其应用方面的研究，利用概率论和统计学等工具进行数据分析与统计建模研究。主要研究领域包括统计分布理论及其应用、纵向数据分析、生物医学统计、线性模型与多元分析、机器学习等。

应用概率统计研究所现有专职教师13人，其中教授2人，副教授4人，讲师7人，博士生导师3人。研究所有入选北京市第一批科技新星计划获得者、全军科技进步二等奖获得者、北京市教学成果一等奖获得者、北京市精品教材编著者、中国标准创新贡献奖二等奖获得者，研究所教师曾任中国科协第八、九届全国委员会委员，教育部数学与统计学专业教学指导委员会委员等，青年教师曾获美国统计学会物理与工程奖等各种奖励。

应用概率统计研究所教师主要从事应用统计和概率统计的研究。主要研究领域包括生物统计、稳健统计中的数据深度及其应用、复杂数据的建模与模型检验、集值、模糊集值随机变量的极限理论、随机过程及极限理论、马氏过程的极限理论、随机微分方程及数值计算、随机微分对策、计算机试验的设计、建模及不确定性量化等。

数据科学研究所现有教师13人，其中教授1人，副教授4人，高级实验师1人，讲师4人，其他专技人员1人，博士生导师2人，北京市青年拔尖人才1人，日新人才1人 。

数据科学研究所教师的研究方向主要有，机器学习、贝叶斯机器学习方法、压缩感知、因果推断、脑科学神经网络、支持向量机、深度学习、函数型数据分析、空间数据分析、计算机试验设计与建模等。