Apa saja kursus matematika murni yang penting bagi calon mahasiswa statistik PhD?

9

Saya tahu bahwa aljabar linier dan analisis (terutama teori ukuran) penting. Apakah bermanfaat untuk mengambil kursus tingkat pascasarjana dalam analisis nyata dan kompleks? Haruskah saya mengambil kursus dalam aljabar abstrak di luar kursus pengantar, misalnya, aljabar komutatif dan geometri aljabar?

user36587
sumber

Jawaban:

4

Menurut pendapat saya, beberapa opsi untuk menyelidiki di tingkat pascasarjana dapat berupa: analisis fungsional (kerangka kerja alami untuk formulasi statistik), proses stokastik, kontrol stokastik (analisis sekuensial adalah penghentian optimal), berbagai rasa PDE (banyak masalah probabilistik dirumuskan sebagai PDE parabola dan nonlinier). Hampir semua ini memerlukan analisis nyata pada tingkat sarjana. Jika Anda tertarik pada hal-hal teoritis, maka mengambil teori ukuran juga cukup penting sebagai prasyarat untuk perawatan penuh dari topik ini. Analisis kompleks akan memiliki beberapa kegunaan, tetapi kurang dari yang di atas; ada koneksi ke probabilitas (yaitu fungsi harmonik), tetapi bisa sangat tidak layak

Aljabar komutatif dan geometri aljabar tidak akan sangat berguna (satu koneksi yang dapat saya pikirkan adalah statistik aljabar, yang tidak diajarkan secara luas). Topik-topik ini juga akan sangat menantang tanpa latar belakang yang kuat dalam matematika.

sok
sumber
Saya tahu bahwa saya membutuhkan kursus PDE, tetapi saya mengatakan "matematika murni" karena suatu alasan. Saya tidak memikirkan analisis fungsional. Saya melihat hubungannya, tetapi saya tidak tahu apa yang benar-benar layak diambil.
user36587
1
PDE dapat diajarkan dalam berbagai rasa. Seseorang mungkin memusatkan perhatian pada penyelesaian contoh-contoh dasar secara eksplisit, dan yang lain mungkin berkaitan dengan keberadaan umum dan keunikan kelas-kelas masalah, dan yang lain mungkin pada metode numerik dan ketika mereka bekerja dengan baik.
kuasi
Analisis kompleks dapat sangat berguna dalam teori distribusi! (Membalik transformasi oleh integrasi kontur ...). Juga fungsi khusus untuk teori distribusi.
kjetil b halvorsen
Pada PDE, saya suka pendekatan dalam fisika matematika - ini adalah laser yang berfokus pada aplikasi, Anda akhirnya menyelesaikan banyak PDE, secara numerik juga, tetapi Anda juga belajar teori yang cukup untuk tidak terpotong di tepinya. Sangat penting untuk benar-benar menyelesaikan masalah yang dapat ditelusuri dengan PDE, yang banyak dimiliki fisika.
Aksakal
1

Jika Anda ingin memahami teori ukuran Anda tidak punya pilihan selain mengambil analisis nyata dan analisis lanjutan (yaitu topologi set point). Aljabar abstrak jelas lebih ramah tingkat daripada analisis, namun saya pikir itu jauh kurang berguna.

rocinante
sumber
1

Dapatkan analisis nyata, tetapi tidak dengan cara saya melihat orang melakukannya. Ketika kami mewawancarai matematika tingkat bawah, mereka tampaknya tidak menguasai alat analisis nyata, hal-hal sederhana seperti mengambil integral tidak terjangkau oleh sebagian besar dari mereka. Saya masih tidak mengerti mengapa. Jadi, saran saya: perhatikan aplikasi pertama dan terutama.

Juga mendapatkan kursus ODE dan PDE, dan analisis fungsional dan diferensial geometri. Aljabar dan tensor linier, tentu saja juga. Semua dengan fokus pada aplikasi.

Aksakal
sumber
Geometri diferensial adalah untuk geometri informasi khususnya atau apakah ia memiliki aplikasi yang lebih umum untuk teori statistik? Saya benar-benar tidak tahu dan ingin mencari tahu
Chill2Macht
1
Tautan antara statistik dan geometri dalam dan banyak sisi. Saya mengalami masalah baru-baru ini melihat ukuran kovarians antara kurva, misalnya, sebagai perpanjangan terus menerus dari vektor. Ada juga diskusi terbaru tentang manifold terkait dengan penduga parametrik, itu lin lain, dan daftar berjalan. Hal-hal dengan subjek mewah ini seperti topologi adalah bahwa kecuali Anda mengetahuinya Anda tidak akan pernah tahu Anda bisa menggunakannya.
Aksakal
0

Berkenaan dengan aljabar komutatif dan geometri aljabar, subjek yang paling tidak dibahas dalam jawaban lain, kesan saya adalah bahwa selama Anda menghindari statistik aljabar, Anda dapat memperoleh seluruhnya tanpa mereka. Menghindari statistik aljabar mungkin lebih dan lebih sulit di masa depan, karena memiliki banyak aplikasi dan persimpangan dengan pembelajaran mesin / statistik, yang sangat menonjol dalam penelitian saat ini, serta aplikasi di bidang lain. Aljabar komutatif dan geometri aljabar adalah mata pelajaran yang paling ingin Anda pelajari untuk statistik aljabar, lihat misalnya jawaban untuk pertanyaan ini: Aljabar Geometri untuk Statistik

Sebaliknya, semua subbidang statistik menggunakan analisis. (Meskipun demikian, tidak terlalu banyak analisis yang rumit, meskipun itu mungkin berguna untuk memahami fungsi-fungsi karakteristik, suatu hal yang tampaknya belum dikemukakan.) Saya pikir teori ukuran tingkat sarjana mungkin cukup, karena saya telah bertemu ahli statistik profesional (misalnya profesor di departemen atas) yang memandang rendah teori ukuran, tetapi jika Anda benar-benar ingin memahami teori ukuran, kursus tingkat pascasarjana dalam analisis nyata sangat membantu. Teori ukuran sarjana cenderung berfokus secara eksklusif pada ukuran Lebesgue pada garis nyata, yang memiliki banyak sifat bagus yang mungkin tidak perlu dimiliki ukuran umum, dan terlebih lagi merupakan ukuran tak terbatas. Sebaliknya, kursus analisis nyata tingkat pascasarjana akan cenderung lebih menekankan pada tindakan abstrak, yang membuat langkah-langkah probabilitas secara umum lebih mudah untuk dipahami, dan juga membuat hubungan lebih jelas antara pengukuran probabilitas kontinu dan diskrit - dengan kata lain, Anda akan dapat melihat kedua subjek bersatu dalam satu kerangka kerja di pikiran Anda untuk pertama kalinya. Demikian juga, orang mungkin membuktikan teorema ekstensi Kolmogorov dalam kursus semacam itu. Dan pemahaman tentang langkah-langkah abstrak sangat diperlukan untuk pemahaman yang ketat tentang proses stokastik dalam waktu terus menerus. Bahkan berguna untuk memahami proses stokastik dalam waktu diskrit, meskipun kurang penting daripada dalam kasus kontinu. Anda akan dapat melihat kedua subjek bersatu dalam satu kerangka kerja di pikiran Anda untuk pertama kalinya. Demikian juga, orang mungkin membuktikan teorema ekstensi Kolmogorov dalam kursus semacam itu. Dan pemahaman tentang langkah-langkah abstrak sangat diperlukan untuk pemahaman yang ketat tentang proses stokastik dalam waktu terus menerus. Bahkan berguna untuk memahami proses stokastik dalam waktu diskrit, meskipun kurang penting daripada dalam kasus kontinu. Anda akan dapat melihat kedua subjek bersatu dalam satu kerangka kerja di pikiran Anda untuk pertama kalinya. Demikian juga, orang mungkin membuktikan teorema ekstensi Kolmogorov dalam kursus semacam itu. Dan pemahaman tentang langkah-langkah abstrak sangat diperlukan untuk pemahaman yang ketat tentang proses stokastik dalam waktu terus menerus. Bahkan berguna untuk memahami proses stokastik dalam waktu diskrit, meskipun kurang penting daripada dalam kasus kontinu.

rev Chill2Macht
sumber