跳到主要内容

工业 & 应用数学辅修

关于项目

工业与应用数学辅修是一个灵活的课程,旨在提高学生在不同领域攻读学位的量化能力. 辅修课程结合了数学和统计学, 包括数学建模和统计规划. 两门选修课允许学生根据他们的教育和职业相关的目标定制课程.

学生的结果

完成工业与应用数学辅修课程后,学生将能够:

  • 运用数学和统计知识在不同的情况下制定适当的模型和解决问题的方法
  • 利用计算技能解决问题,数据分析和可视化 

如何注册

在校生:申报本课程

一旦你被录取为本科生,并满足了你所选专业的进一步录取要求, 你可能 宣布重大事件 or 选修辅修课程.

全国信誉第一的网投平台:现在就申请

适用于大都市州: 开始你的旅程 工业 & 应用数学辅修 现在. 了解注册的步骤 或者,如果你对大都会州能为你提供什么有疑问, 询问信息,参观校园或与招生顾问聊天.

开始你的 工业 & 应用数学辅修

项目资格要求

对工业与应用数学辅修课程感兴趣的学生必须被正式录取. 要被录取,学生必须在线提交理学院声明表格. 转学课程的等价性由数学系决定.

课程及要求

跳到课程要求

该辅修课程不向攻读数学学士学位或工业与应用数学学士学位的学生开放.  学生必须在全国信誉第一的网投平台完成至少13个辅修学分.  学生必须修至少8个辅修学分,这些学分不计入他们的专业或其他辅修课程.  所有必修课程必须以C-或以上成绩完成.  与你的学术顾问合作,确保在计划毕业前每个学期的课程负荷时,满足主修和辅修的要求.

小的需求

+ Core (16) - 18学分)

本课程涵盖统计学的基本原理和方法. 它强调技术和应用在现实世界的问题解决和决策. 主题包括频率分布, 位置和变化的测量, 概率, 抽样, 实验设计, 抽样分布, 区间估计, 假设检验, 相关与回归.

完整的课程描述统计学I

从一开始, 微积分已被证明是人类最伟大的智力成就之一. 这门多面手的学科已被证明在解决从物理学、天文学到生物学和社会科学的各种问题方面是有用的. 通过概念和理论框架,本课程涵盖了微分学的主题,包括极限, 衍生品, 超越函数的导数, 微分的应用, 洛必达法则, 隐函数微分, 及相关费率.

完整的课程描述微积分I

这是数学210微积分I的延续和工作知识的材料是预期的. 通过概念和理论框架,本课程涵盖定积分, 微积分基本定理, 集成的应用, 求积分的数值方法, 积分和级数的技巧.

微积分2的完整课程描述

数学建模是使用数学和计算工具来洞察科学中出现的复杂问题的过程, 业务, 行业, 和社会. 数学建模是一个迭代的过程,它涉及到科学方法的计算方法. 假设已经建立, 一个与这些假设一致的数学结构被开发出来, 根据经验证据提出和检验假设, 然后对模型进行相应的细化. 这些模型的质量作为验证过程的一部分进行检查, 当对模型进行改进和调整时,整个循环重复进行. 本课程介绍了数学建模过程以及通常用于研究与时间相关的现象的确定性和随机方法.

完整的课程描述介绍数学建模

选择下列课程之一(2或4学分)

介绍数据科学中常用的方法和技术. 本课程将使用面向对象的计算机程序设计相关的处理方法, 数据的汇总和可视化, 怎样才能使学生在他们的研究领域中使用数据并有效地交流定量研究结果. 主题包括计算机编程的基础知识, 数据可视化, 数据争吵, 数据改变, 数据使用的伦理问题, 并使用面向对象的编程语言进行数据分析. 学生将完成一个数据科学项目.

完整的课程描述数据科学和可视化

本课程涵盖了高级统计编程技术,包括数据处理, 数据可视化和假设检验. 本课程的主题包括R语法, 在R中输入和输出, 数据可视化, 交互式数据图形, 数据争吵, 整理数据, 和假设检验. 本课程以在STAT201中学到的知识为基础.

统计编程的完整课程描述

+选修课(8学分)

学生必须完成以下课程中的至少两门.

这是一门基于微积分的概率论课程. 它涵盖了以下主题. (1)一般概率:概率的集合表示法和基本要素, 组合概率, 条件概率和独立事件, 和贝叶斯定理. (2)单变量概率:二项, 几何, 超几何, 泊松, 统一的, 指数, 和正态分布, 累积分布函数, 的意思是, 方差和标准差, 矩和矩产生函数, 和切比雪夫定理. (3)多变量概率:联合概率函数和联合密度函数, 联合累积分布函数, 中心极限定理, 条件概率和边际概率, 矩和矩产生函数, 方差, 协方差和相关性, 和转换. (4)在医学检验问题中的应用, 保险, 政治调查, 社会不平等, 游戏, 以及其他感兴趣的领域.

概率论的完整课程描述

本课程涵盖统计分析中的方差分析(方差分析)方法的入门和中级概念. 本课程建立在STAT201(统计学I)中学习的假设检验思想的基础上。. 重点是学习新的统计技能和用于实际应用的概念. 学生将使用统计软件进行分析. 主题包括单因素方差分析模型, 双因素方差分析模型, 重复测量设计, 随机和混合效果, 主成分分析, 线性判别分析和聚类分析.

方差分析和多元分析的完整课程描述

本课程涵盖基础到中间回归分析. 本课程建立在STAT201(统计学I)中学习的假设检验思想的基础上。. 重点是学习新的统计技能和用于实际应用的概念. 学生将使用统计软件进行分析. 主题包括简单线性回归和二元线性回归, 残留分析, 多线性模型建筑, 逻辑回归, 一般线性模型, 协方差分析, 以及时间序列数据的分析.

回归分析的完整课程描述

本课程涵盖生物统计学的基础和中间主题, 并建立在STAT 201(统计I)中学习的假设检验思想的基础上。. 重点是学习新的统计技能和用于实际应用的概念. 学生将使用SPSS进行分析. 主题包括生物统计学的设计研究, 方差分析, 相关, 线性回归, 生存分析, 分类数据分析, 逻辑回归, 非参数统计方法, 以及临床试验分析中存在的问题.

生物统计学的完整课程描述

本课程涵盖了非参数统计分析的基本到中间概念. 本课程建立在STAT201(统计学I)中学习的假设检验思想的基础上。. 重点是学习新的统计技能和用于实际应用的概念. 学生将使用统计软件进行分析. 主题包括成对数据的非参数方法, Wilcoxon秩和检验, 克鲁斯卡尔-沃利斯测试, 拟合优度检验, 非参数线性相关与回归. 完成STAT201(统计学I)是本课程的先决条件.

非参数统计方法的完整课程描述

本课程涵盖了分类数据统计分析的基本到中间概念. 本课程建立在STAT201(统计学I)中学习的假设检验思想的基础上。. 重点是学习新的统计技能和用于实际应用的概念. 学生将使用统计软件进行分析. 主题包括对2x2表的分析, 分层分类分析, 优势比的估计, 一般双向表和三向表的分析, 概率单位分析, 以及对数线性模型的分析. 完成STAT201(统计I)是先决条件.

分类数据分析的完整课程描述

本课程涵盖分析环境和生物数据集的中间统计方法. 本课程建立在统计学和假设检验的基础上. 课程内容包括配对t检验, 未配对t检验, 野生, 单、双向方差分析, 多元方差分析, 重复的措施, 回归, 主成分分析和聚类分析. 学生将学习如何使用统计软件进行所有的分析.

环境统计的完整课程描述

时间序列是在连续的时间点或连续的时间段内对一个变量进行的一系列观察. 本课程介绍标准和先进的时间序列分析和预测方法. 使用图形技术和数值摘要来确定数据模式,如季节性和周期性趋势. 预测方法包括:移动平均线, 加权移动平均线, 指数平滑法, 状态空间模型, 简单线性回归, 多元回归, 分类和回归树, 还有神经网络. 预测准确性的衡量标准用于确定使用哪种方法获得未来时间段的预测.

时间序列分析与预测的完整课程描述

检查表