复旦大学统计学考研经验与复习技巧
考研政治方面：
我高中时期专攻文科，因此对政治这类文科科目的复习有一定了解。我的政治复习起步相对较晚，大约在8月才开始。我按照不同阶段设定不同的学习目标，以全面提升。8月，我只是浏览肖秀荣的1000题，重点在于单项选择题，通常在一天的学习疲劳时抽出20到30分钟做一些题目。遇到关键知识点，我会大致记忆，但务必标记错误题，红色最佳，这对后续复习大有裨益。不必过于追求复习书籍的整洁，多做标记是个实用策略。整个8月，我专注于此，并逐渐构建我对政治的理解框架（这种方法因人而异，有些人仅通过阅读知识点就能理解）。
接下来，我使用了风中劲草的核心考点，发现其归纳得很到位。我深入运用《肖秀荣1000题》，快速完成单选和多选，对照其他答案解析。记住，关键是要掌握相关知识点，而非仅仅一道题。迅速查看答案解析，将不清楚的部分写在题目旁边或笔记本上（类似于错题集，实际上并不会占用太多时间）。
对于系统的政治知识复习，一般需等待大纲解析发布，但去年发布时间较晚，我记得是在9月。在这之前，我已经粗略地读了两遍任汝芬的序列一。由于不太细致，进度较快。其中，哲学部分最耗时，其他部分则相对容易些。
大纲解析是非常权威的资料，需要高度重视，直至考研前至少应精读3至4遍。在这个过程中，序列一和大纲解析可以结合多选题一起复习，因为多选题难度较大，建议对照知识结构来复习，这有助于巩固知识点，增强记忆，同时也能提高论述题的答题能力。
考研数学方面：
从课本开始，因为准备得早时间比较充足所以把课后题都做了做，大概四月看完课本开始看复习全书，第一遍的时候全书上题十有八九不会，耐着性子把解析从头到尾看懂为止，这一遍特别费时，大概到六月份才把全书高数部分看完。然后马上开始第二遍，因为第一遍巩固的不错，所以第二遍就轻松很多。九月从最早的真题开始做，一天一套，不熟练的知识点需要针对性地练习，不能留死角。早期的真题大致会做就可以，不用太计较，毕竟时间久了，变化还是挺大的。因为复习的时间比较充足，最新的几年真题想留到考前训练用，所以突然就闲下来了，但数学又不能停，听说张宇的《高数18讲》不错，就找了一本开始看，有好的内容就做笔记。然后进行冲刺阶段的复习，技巧性比较强，题目也更灵活，但一定要基础过硬再来学，在几遍全书的基础上做也许会更好，否则可能会跟不上节奏。在看完《18讲》之后觉得时间还是很充足，就做了《660题》的选择题部分，做起来很难，很多题还是会卡壳，但收获也是很大的。这时候差不多到了11月，这时候数学的时间就需要减少了，于是开始每天一套做李永乐的十年真题（留了最近三年的在考前做），这本书的编排我觉得很好，前面是成套的题，后面是把历年真题按章节知识点编到一块，可以按章节练习，适合查漏补缺。经过前面这么多轮的复习，这时候做真题会很轻松，基本上一个半小时到两个小时就能做完，成绩稳定在140左右。做完套题再按章节继续做，做错的题做好记录。到了十二月开始做模拟卷，比较常见的就是张宇《八套卷》、李永乐《6+2》、合工大超越，模拟卷会比往年真题难很多，但也是必要的，尤其是这两年的难度明显在提高，需要做一些难题。考前几天把之前留的几年真题做了感受感受最近几年的出题风格以及保持做题的感觉，翻翻笔记、全书看有没有生疏的知识点，再看看错题本，然后就可以放心地上考场了。考研数学还是挺重基础的，只要复习地扎实了就不怕，近几年真题的计算量不小，需要格外注意，如果因为粗心失分就很可惜了。
考研英语方面：
英语真题具有极高的价值。因此，我在研习真题的同时也会记忆词汇，反复操练了三遍之后，有时我会尝试张剑的黄皮书150篇，第一次时我选择了下篇提升部分，因为上篇的解析过于繁琐，让我感到困扰。下篇提升篇的答案简洁明了，我认为精研真题是极其有益的，能多做几次就尽量多做，而模拟阅读主要用来巩固词汇和实战训练，适度即可。阅读理解不仅可以帮助记忆单词，还能学习语法规则和短语表达，对于提升写作技能也有所裨益。至于英语词汇，我不建议专门花费大量连续的时间去学习，反而应该充分利用碎片化时间，比如在手机上安装一个记单词的应用程序，非常便捷。此外，在做阅读或处理复杂句子的过程中遇到的生词，都应确保理解和掌握。
考研专业课方面：
概率论部分，理解基本概念是关键。事件、样本空间、概率、条件概率、独立事件、随机变量等，这些基础概念需扎实掌握。尤其是随机变量，它的分布是概率论的核心，如离散型随机变量的概率质量函数（PMF）和连续型随机变量的概率密度函数（PDF）。对各种分布，如二项分布、泊松分布、正态分布、均匀分布等，不仅要它们的公式，更要理解其性质和应用场景。
数理统计部分，要关注抽样分布、参数估计和假设检验。抽样分布的理解有助于理解参数估计的合理性；最大似然估计法和矩估计法是常用的参数估计方法，要熟练运用并理解其优缺点。在假设检验中，理解p值、临界值和拒绝域的概念，并能灵活应用t检验、Z检验、卡方检验等，是这一部分的重点。
线性代数知识在概率论与数理统计中也有重要应用，比如协方差矩阵、相关系数、主成分分析等。对矩阵运算和特征向量的理解将大大帮助你解决实际问题。
学习方法上，理论结合实践至关重要。阅读教材的，多做习题，凭实例来加深理解。利用R或Python等编程语言进行模拟实验，帮助你直观地感受概率与统计的魅力。参加讨论组或者找到学习伙伴，共同探讨难题，也是一种有效的学习方式。
复旦大学的大数据学院强调实践与理论相结合，在学习过程中，不仅要有深厚的理论基础，还要有解决实际问题的能力。在复习概率论与数理统计时，我经常尝试用所学知识去解释生活中的现象，这样既能巩固知识，也能提高应用能力。
