一、项目背景
应用数学统计是研究如何应用数学知识到其它范畴（尤其是科学、工程技术、经济等领域）的数学分枝，属于基础专业，是其他相关专业的“母专业”。在现实生活中无论是进行科研数据分析、软件开发还是从事金融保险，国际经济与贸易、工商管理、工程管理、科技开发、建筑设计等，都离不开相关的数学专业知识。
本研究课题隶属于是哈佛大学工程与应用科学学院Harvard School of Engineering and Applied Sciences（HSEAS）环境工程与能源系。课题组主要研究方向为用数学统计的方法来解决现实生活中交通工程、大数据以及交通经济等相关领域的现实问题。主要涵盖交通规划、道路安全和城市经济等。
二、项目说明
面向对象：欲申请美国名校应用数学、统计、计算机、数据科学等相关专业的高中生，大学生；
软性背景：数学、计算机、物理、经济、工程类等相关专业；
科研导师：哈佛大学SEAS资深博士后研究员；多个SCI期刊审稿人。侧重数理统计、数学建模，大数据在交通工程、交通经济、能源经济等领域的应用研究。
科研形式：远程线上科研，导师授课+练习实战结合，完成课题学习、选题、研究实战及报告撰写。
phase 1：课题基础知识学习，课程+文献阅读
phase 2：确定研究课题，讨论研究思路以及研究进展
phase 3：汇报答辩+报告撰写
科研周期：线上一对一
三、项目/研究课题简介
这是一个以应用数学理论为基础解决城市交通问题的研究项目。该课题的重点是数理统计，更具体地说，包括描述性统、建模结构和数值计算。重点介绍了决策过程中与数理统计有关的几种经典方法，如层次分析法、TOPSIS法、RSR法等，同时介绍了常用的数学软件包，如MATLAB、SPSS等。
此外，本研究还将介绍商业参考资料管理软件EndNote的使用，EndNote是一个商业参考资料管理软件包，用于在撰写论文和文章时管理参考书目和参考资料。总的来说，通过参加这个项目，在试探中发现、分析和解决与他们未来的研究密切相关的数学问题方面会有很大的进步。
四.课题大纲
Specific techniques and tools that would be delivered in this program:
- Data collection: Various databases at international, regional, and national
levels - Data pre-processing: Data cleaning and data normalization
- Weighting: Entropy Method and Analytic Hierarchy Process (AHP)
- Aggregating: TOPSIS (Technique for Order Preference by Similarity to an Ideal Solution)
- Robustness analyses: Correlation analysis
- Grouping: RSR (Rank-Sum Ratio), Regressions, Clustering Analysis (CA), and Multiple Correspondence Analysis (MCA)
- Robustness analyses: Principal Component Analysis (PCA) and Common Factor Analysis (CFA)
- Data decomposition and deconstruction
- Neural Network: BP Neural Network
- Visualization: AutoCAD Drawing
- Coding: MATLAB and SPSS
- Reference Management: EndNote
- Paper Writing: Journal article or Conference paper writing
五、项目收获
◆ 深入学习该领域知识和研究方法，积累科研经历和经验；
◆ 完成学术科研报告或者科研论文；
◆ 优秀学员将获得导师推荐信，助力世界名校申请；
◆ 学术成果有机会在专业国际学术期刊或EI/CPCI国际会议收录发表；
◆ 积累学术领域人脉；
◆ 有机会参加校内的讲座/专家研讨/学术活动等。
相关资料：
Mathematical Analytics and Modeling_Harvard University
