中山大学概率论与数理统计研究生专业是数学与计算科学学院下设的在职研究生专业,研究生教育设有基础数学、计算科学、概率论与数理统计、应用数学、运筹学与控制论、信息计算科学、统计学等7个科学学位的博士生、硕士生专业,应用统计1个专业学位的硕士生专业。中山大学概率论与数理统计研究生专业简介如下:
1、随机分析
研究内容:Brown运动,独立增量随机过程,Markov过程,鞅,随机微分方程及其应用(主要是在金融工程中的应用)。
预备知识:大学数学系(广义,含例如统计系)本科毕业所要求具备的知识
应用领域:金融工程
研究成果:随机微分方程的极限定理,光滑鞅的分析,无穷维空间上的分数次Sobolev空间及在随机分析和高分子测度中的应用,微分同胚群上的Brown运动的基本性质,Levy过程驱动的随机发展方程及其在金融中的应用
2、马尔可夫决策过程
研究内容:Markov决策过程(又称Markov控制过程,或序惯随机优化)是研究随机系统的最优控制问题。其主要研究对象是状态转移结构受控的随机系统。通过引入效益结构(如花费或节约的时间, 资金或其他资源等),研究根据系统状态的变化如何选取一个“好的”策略,使系统运行的总效益在某种目标下达到最优。主要研究目的是给出“好的”策略存在性条件、计算方法、和实际应用等。
研究成果:主要从事Markov决策过程 (简记为MDP) 和随机对策的研究,并分别在非平稳离散时间MDP、连续时间MDP和随机对策、 部分可观察的离散时间MDP和扰动分析、排队系统的最优控制, 以及受约束的离散和连续时间MDP等方面取得系列重要研究进展。主要成果已发表在国际权威刊物SIAM J. Optim., SIAM J. Control Optim.,Ann. Appl. Probab.,IEEE Trans. Autom. Control,Math. Oper. Res., Automatica, J. Appl. Probab., Acta Appl. Math. 和《科学通报》等上。这些研究成果包括:(1) 创立了离散时间非平稳MDPs平均模型的最优方程, 否定了著名学者的相关论点; (2) 实质性推进了连续时间MDP理论和应用研究的新进展, 回答了著名学者的有关问题; (3) 首次建立了连续时间Markov随机对策的概率论基础, 丰富了随机对策的研究内容。
3、随机点过程及其应用
研究内容:参考随机运筹学专业研究方向3中的内容
研究成果:排队模型和可靠性模型的分析; 随机序的比较。
4、马氏过程与分形
研究内容:马氏过程的边界理论,及其在分形几何中的应用。
预备知识:实变函数与泛函分析,测度论、概率论。
5、基因组分析、生存数据分析、高维数据分析, 大样本理论
研究内容:1。大范围基因组的关联分析以及基因-基因或环境-基因间的交互作用。
2。非参数和半参数方法在生存数据,高维数据,纵向数据中的应用。
3。大样本理论在各种非参数和半参数模型中,尤其在U-过程上。
6、数据智能分析技术
研究内容:当基于数据进行统计决策时,实际中很难给出YES或NO的答案,寻求最优决策解是我们的目标;基于统计理论的智能分析技术包含许多有效的求解最优决策解的理论和算法,如:聚类分析,判别分析,人工神经网络,支持向量机理论,贝叶斯决策方法,决策树方法,智能搜索算法,高维数据的有效降维技术,复杂数据的特征提取技术等等。本方向的目标是掌握解决智能决策领域问题的基本理论和常用算法,创造性地应用于某个具体问题中,如:商业智能,各行业的数据分析问题,数据挖掘问题等等。
预备知识:概率论与数理统计,时间序列分析,统计模式识别,统计软件与程序设计
应用领域:商业智能,统计决策,数据挖掘
研究成果:曾参加计算机通信和数据库管理系统的开发;在微分方程的孤立子解的探讨与求解算法,符号计算与机器证明,统计决策和数据智能分析,图形创作与生成等方面发表了多篇论文。