medley的biostat&stat申请总结（转载）

挖坟挖出来的一北大同学的总结，个人感觉优点在于介绍的很细致，可以作为确定专业普及读物（虽然现在发有点晚吧）

————————---——我是进入正文的分割线——————————————

本来想等I20来了再动笔的，既然有师弟师妹等着要看，只好抛砖引玉了。观点难免偏颇
，欢迎批评指正。
本人基本情况：概率统计系03级小本，GPA：major 3.71/ general 3.72（北大算法）。
做过校长基金，没有paper。从我major<general的GPA就可以知道本人专业成绩一般……
申请了18个学校，其中13个是生统专业，5个是统计专业，最后结果如下：
offer: biostat@Columbia，stat@Rutgersstat@NCSU，stat@Umass，biostat@UIowa，biostat@Emory，biostat@BU.
Ad: biostat@UNC
Rej: biostat@Harvard，biostat@Uwashington，biostat@JHU，biostat@Upenn，biostat@Yale,biostat@UCDavis.
Withdraw: biostat@Minnesota,stat@TAMU,stat@PSU,biostat@USC.
最后从了Columbia，感觉还是挺满意的。但是今年统计系申请形势依然严峻，校内校外竞
争激烈，我的申请过程也不是一帆风顺。所以在此把自己的经验和教训写下来，希望能对
后来人有所帮助。

一、 专业与方向选择
1、生物统计专业介绍
因为我主要申的生物统计，而这个专业很多人并不了解，所以首先就介绍一下它吧。我对
该专业的认识也是在申请过程中逐渐形成的，肯定比不上已经在生统系学习的师兄师姐，
大家轻拍~
正如freeasy师姐所说，生物统计分理论和应用两大领域，对于统计系出身的同学来说理
论领域应当更加合适。在生物统计理论中，我认为至少有临床统计学和统计遗传学(stat
istical genetics)两大方向。临床统计学主要研究临床实验(clinical trials)的设计与
数据分析，主要的方向有：生存分析(survival analysis)，纵向数据分析(longitudina
l data analysis)，临床试验设计(clinical trial and design)等等。统计遗传学顾名
思义是运用统计手段研究遗传学与分子生物学中的问题，以前主要研究遗传过程中基因之
间的连锁行为(linkage analysis)，现在逐渐转向通过微阵列等基因表达数据对基因的调
控行为与功能进行研究。这两大方向的理论工具和研究手段各不相同，孰优孰劣难以一言
概之。总体来说，临床统计学较为传统，理论推导和数理统计类似；统计遗传学由于处理
的数据通常是高维数、高噪声的，因此更注重计算机算法的设计与实现。但这决不是说临
床统计就不用计算机，遗传统计就不用建立概率模型，进行统计推断等。具体应该选择哪
个方向还应看个人兴趣。
下面对我比较熟悉的几个临床统计学方向简单介绍一下，genetics部分期待iammax的总结
^_^
生存分析：上过多元分析的同学应该已经有所接触。它主要处理临床实验中的个体寿命数
据（在工业生产中也可估计产品寿命、可靠性等），主要目的是得到寿命时间的概率分布
以及各种协变量对该分布的影响和效应，主要克服的困难是寿命数据中经常出现的删失、
截断(censoring)现象。生存分析以前主要用Kaplan-Meier和Cox两大模型，现在又出现了
frailty models, accelerated failure time models, transformation models等新的理
论。
纵向数据分析：主要处理临床实验中对同一个体重复观测得到的数据。与数理统计中经常
出现的独立同分布样本不同，来自同一个体的纵向数据之间往往存在相关性（纵向数据实
际上属于clustered data的一种），这就对参数估计、统计推断等造成了困难。描述纵向
数据常用的模型有random effects models, marginal models等等，具体可以看Peter J
. Diggle, Kung-Yee Liang and Scott L. Zeger写的Analysis of Longitudinal Data一
书。
临床实验设计：主要研究在随机化实验中，如何在保证统计功效的条件下，尽可能让患者
接受新药治疗(intention to treat)进行实验设计。近年来讨论得较多是interim analy
sis，即在临床实验过程中在固定的时间点检查已有的实验结果，并依此调整实验人数和
时间的手段。这方面较新的理论是alpha spending functions，可以处理不等间距时间点
的情况。
2、统计专业漫谈
    说了那么多生统，简单说一下统计吧。首先要说的是，统计领域的分类依据有两种：
理论领域分类和应用领域分类。理论领域如：回归，非参，时序，贝叶斯等等，应用领域
如经济、金融、环境、生物等等。有些统计理论，如回归、非参，贝叶斯方法，模型选取
，缺失数据，测量误差等是普适性的，在很多（如果不是全部）应用领域中都有所应用；
而有些统计理论是专门为某一应用领域的某一种数据设计的，如空间统计之于环境统计等
等。因此大家在看专业、看文献的时候要对这两者分清楚。对于这些方向我不一一讨论了
，大家可以参看网上的台湾行政院科学委员会撰写的《学门与资源规划报告——统计科学
》，里面有详细的统计方向与热点介绍。（遗憾的是我还没有在网上看到大陆有这么全的
总结。）
下面针对很多人关心的一些问题（也是我选择专业和方向时关心的问题）写几个FAQ，欢
迎大家参与讨论：
1) biostat or stat?
这个问题要综合考虑。首先当然是兴趣，但一定要建立在对两个学科都有充分了解的基础
上。然后要看具体学校的专业设置和师资力量：一般来说，国外大学的生物统计系都设立
在公共卫生学院或医学院下，少数的是在统计系内，因此学生物统计经常会与生物医学背
景的人打交道，从而沟通与交流的能力，尤其是对统计方法和结果进行interpret的能力
要强；而统计系更看重数学背景，一般来说课程、考试都比生物统计要难（但是生统牛系
如JHU、UMich等的课程也是很难的）。再要看自己的人生规划：读生物统计毕业后主要是
做学术或者进药厂当programmer或statistician，当然也有去consulting、nonprofit机
构甚至finance的，而读统计总体来说出路较宽，当然现在很多人是读完之后做quant。最
后，从今年北大统计系申请交流会来看，统计系申请竞争十分激烈，几乎稍微体面一点的
系就有二位数的人要申请，而生物统计申请的人就相对较少（但是也不要忘记来自校外的
强大竞争压力）。大家选择的时候要综合兴趣、实力、期望等各方面因素。
2) 生物统计学(Biostatistics)与统计遗传学(Statistical Genetics)、生物信息学(Bi
oinformatics)、计算生物学(Computational Biology)之间的关系是怎样的？
以往在提到生物统计学时，人们往往就指临床统计学，但是随着统计遗传学的快速发展，
现在的生物统计学范畴已经大大拓宽了，目前认为统计遗传学属于生物统计学的一个分支
。而生物信息学最先是CS的人在做，当然现在统计、物理、力学等背景的人也都进入了这
个领域；计算生物学起初自然是生物学的分支，可是现在统计遗传学、生物信息学、计算
生物学三者已经混在一起了，研究的问题也差不多。所以统计系的同学在申请时，如果看
到后两个专业也可以尝试。
3) 统计学习(statistical learning)、数据挖掘(data mining)与机器学习(machine le
arning)之间的关系是怎样的？
这个更是一个众说纷纭的问题……可以说这三者的目的都是从数据中寻找感兴趣的规则或
者模式，机器学习方法是数据挖掘的核心，二者都是从CS界形成的概念；而Trevor Hast
ie，RobenTibshirani和Jerome Friedman的《统计学习基础——数据挖掘、推理与预测》
一书则是统计学习一词的来源，它将数据挖掘和机器学习的方法纳入统计学领域，从统计
学角度解释、分析了已有的算法并进行了发展。这本书内容广泛，可以说是现代统计学的
入门教程，推荐统计学员们都看一下。
4) 统计学与生物统计学的发展方向和前景如何？
由于统计学里的各种分类，很难对这一问题有确定的答案。而有一点是肯定的，现代统计
学将会与计算机科学进行进一步的融合与交流，统计计算将成为各个分支不可或缺的一部
分。至于生物统计方面，统计遗传学的研究在经过了近十几年来的热潮之后，受生物领域
研究的制约已经逐渐凸显，如何将统计方法与生物实验进一步结合是一大难题；临床统计
的发展较为平静和稳定，在此不一一细说。
说了那么多，其实并不是要大家从申请的时候就把自己限制在某个小方向里，而是希望大
家能对今后的学习、研究有所了解，做到心中有数。其实大多数人申请时面临的选择无非
是专业、系别的选择，至于具体的方向可能要到写硕士、博士论文时才能最终确定下来。
当然，如果有同学能从本科生科研的经历中就确定自己的方向那更好，这样在选校、选教
授、陶瓷、写PS上都会方便很多。另外我写的这些内容也不一定准确，对统计学科的了解
是一个长期的过程，不仅需要在申请前、申请时多阅读，与老师、师兄师姐多沟通，在申
请后的研究生活中可能才有较为完整、深刻的认识。最后向大家推荐一本统计学期刊：S
tatistical Science，其中主要是综述性的论文，能够帮助大家了解前沿的理论发展和背
景。凡是IMS的会员都可以选择免费订阅该期刊，而学生的membership也是免费的哦。（
本帖非广告……勿删勿封）

二、    学校选择
我认为选校是申请中最重要的一步，而我在这方面的教训实在是太多了。看学校网页的确
是很累的事情，但是我建议大家一定不要图方便，而要全面地看到该校的各方面信息。具
体可以从以下几个方面入手：
1、     师资与科研
在选校前我们或许能从文献中知道几个比较牛的教授，但是我相信大部分的教授还是我们
从网页上看到的。教授的网页列表一般在系里的主页上people或faculty一栏里，而这个
列表往往很长。如何快速找到与自己兴趣相符的教授呢？很多系的网页上都有research一
栏，其中经常将从事每个研究方向的教授名单列出。从这里入手就可以节省很多时间。另
外research本身也是值得关注的：该系有哪些组？主要方向是什么？有哪些交流活动？这
些问题往往可以从research一栏中找到答案。
2、     program的设置
这个一定要看清楚。有些系要求本科毕业生只能申请Master学位，不能申请PhD。有的学
. From 1point 3acres bbs校甚至连PhD学位都没有。我有三个学校都是在快要网申的时候才发现只能申Master（
biostat@Minnesota，stat@TAMU, biostat@UIowa，只好又狼狈地重签推荐信、改申请
材料……虽然不是每个人都会犯这么愚昧的错误，但是百密一疏，还是仔细为好。
3、     奖学金政策
不要想当然地认为每个学校都有奖学金。实际上每个学校的奖学金政策都不一样。例如我
在申请Columbia生统的MS/APT项目（后面会介绍）时，看到主页上一句"fellowships
are available to MS/APT students"就只想到"有钱！"，然后就不假思索地申了。等到
被放在wl上之后打电话给小米才知道，原来一共只有4个fellowship的名额，还是被
MS/APT、PhD和另外一个项目（没听清）瓜分的；而他们系的政策是MS学生第一年不给TA
或者RA。也就是说我只能指望拿那4个fellowship中的一个，这个概率实在太低了！虽然
后来等到了，可是也很危险。如果能在申请之前问清楚，或许会有更多的心理准备。
4、     Placement、alumni和地理位置
这个主要是针对毕业后想找工作的同学。有些系会把毕业生去向的统计数据或者校友的去
向写出来，这对于我们估计该校与业界的联系有很大帮助。当然网页上这些信息通常很少
，一般是通过已在国外的学长打听的。但至少我们可以知道该校的地理位置和周边的经济
发展环境。
5、申请要求
这个一般是在Admission requirements或者Prerequisites里面，主要看该项目对GT成绩
、先修课程等的要求。其实到开始申请时才知道各种学校的要求实在是五花八门，大家尤
其要看清楚先修课程的内容，例如有些生统系要求先修生物类的课程。（当然如果实在想
申，也可以问小米能不能通融一下，去了之后再补上。）有的学校也把申请材料的
checklist写在这里。
6、网申系统
我建议大家在准备申请材料的时候就开始网申。大多数学校的网申系统并不要求一次填完
马上提交，你可以先申请ID，先填一部分。之所以不要把网申放在申请材料准备之后是因
为，很多信息其实都放在了网申系统里，包括需要打印的表格、checklist等等。我就曾
经以为某系没有推荐表，而把推荐信签好封口之后又发现推荐表在网申系统里，只好拆了
重签。
7、     Deadline
很多学校研院和系里的deadline不一样，对国内学生和国际学生的deadline不一样。有些
学校的deadline特别早（如biostat@Uwashington的preference deadline是11月15号），
大家要心里有数，做好准备。
学校看得差不多时就该开始选校了。这一点在飞跃手册上说得很详细，我就不赘述了

讲得不错

赞详细～
此人是MS还是PHD?

07年的文章，03级的师兄...

写的很详细~~绝对受教了

楼主是做遗传统计学的吗？

真是个有用的材料,下来看过了,谢谢!

受教了，LZ，很有用。

感谢分享~