概率论与数理统计是以随机性为研究对象、以公理化体系为基石、以推断与预测为核心的基础数学分支，是连接抽象理论与现实世界不确定性的关键桥梁，涵盖极限理论、随机过程、大样本统计、贝叶斯推断、高维概率、随机分析、信息几何、机器学习理论等方向，支撑国家“人工智能可信性”“金融风险防控”“精准医疗决策”“基础研究可重复性危机应对”“量子信息理论突破”等重大战略需求。浙江大学该专业隶属070103概率论与数理统计 （二级学科），依托数学科学学院 、教育部大数据算法与分析技术工程研究中心 、浙江省智能计算与数据科学重点实验室 、良渚实验室“健康大数据科创平台” 、浙江大学杭州国际科创中心“人工智能与数据科学研究院” 、紫金港校区东教学区数学楼全研究集群 等平台，实行“二级学科招生、多方向培养”模式，设置极限理论与随机分析、高维概率与集中不等式、贝叶斯非参数与不确定性量化、随机微分方程与金融数学、统计学习理论与泛化界、信息几何与最优传输 六大主干方向，并拓展量子概率态空间结构、大模型输出分布收敛速率、跨境科研数据GDPR/PIPL合规推断、AIGC生成内容新颖性度量理论等前沿交叉领域，致力于培养兼具扎实测度论功底、敏锐随机思维、严谨证明能力与家国情怀的高层次复合型概率统计人才。

学科沿革 ：浙大概率统计教育可追溯至1936年 原国立浙江大学设立概率论课程。1952年 院系调整后归属数学系；1978年 ，恢复本科专业；1981年 ，获批首批概率论与数理统计硕士点；1998年 四校合并后，整合原杭大数理统计力量，形成理论与应用并重格局；2003年 ，获一级学科博士点支撑。2017年 ，入选国家“双一流”建设支撑学科；同年，建成国内高校首个“概率理论-统计推断-AI验证三位一体平台”。2022年 ，通过教育部第五轮学科评估获评A- （数学）；同年，发布《长三角概率统计协同发展白皮书》。2024年 ，启动“之江实验室-浙大可信AI联合攻关计划”；同年，与蚂蚁集团、华大基因、国家统计局共建三大联合实验室。2025年 ，获批教育部“新工科+基础理科”交叉试点专业；同年，牵头编制《浙江省AI辅助概率统计伦理与安全指南》。2026年 ，首届“中国概率统计青年学者启真论坛”在杭州举办，标志着浙大该学科从经典理论导向迈向“问题驱动-公理奠基-计算验证-全链条闭环”创新范式。

导师队伍 ： 林正炎 教授、数学科学学院学术委员会主任（极限理论、强逼近、经验过程，《Annals of Probability》多篇通讯作者，中科院院士）； 张立新 教授（重尾分布、大偏差、高维集中不等式，《Probability Theory and Related Fields》通讯作者，国家重点研发计划首席科学家）； 王毅 教授（贝叶斯非参数、函数型数据、后验收缩速率，《Journal of the American Statistical Association》合作作者）； 李东 教授（随机微分方程、Malliavin演算、金融衍生品定价，《Finance and Stochastics》通讯作者）； 陈松男 教授（高维协方差估计、因子模型、谱方法，《The Annals of Statistics》通讯作者）； 赵琳 副教授（统计学习理论、Rademacher复杂度、神经网络安全界，《NeurIPS》《ICML》通讯作者）。团队还聘请蚂蚁集团、华大基因、国家统计局、之江实验室等机构专家担任兼职或产业导师，形成“公理构建-定理证明-数值验证-合规评估”全链条育人格局。

培养特色 ：实行“测度筑基+问题驱动+证明实操+产教融合”四位一体模式。核心课程覆盖测度论概率、高等数理统计、随机过程、泛函分析、科研伦理等；各方向另设实务课程（如Doob鞅收敛定理L¹有界性验证、Donsker类熵积分有限性检查、MCMC几何遍历性drift condition验证、Wasserstein距离对偶公式 Kantorovich-Rubinstein实现、VC维shattering coefficient显式计算、Fisher-Rao度量Christoffel符号推导）。学术型硕士须在导师指导下完成面向真实随机问题的理论创新或系统解决方案，鼓励参与国家自然科学基金重点项目、可信AI/金融风险攻关课题，赴蚂蚁、华大顶岗实习。数科院建有高性能随机模拟集群 、大偏差仿真平台 、贝叶斯计算工作站 、金融衍生品定价实验室 、AIGC伦理审查工作站 及科技伦理案例库 ，定期举办“求是概率讲堂”、随机分析研讨会、“大师工作坊开放日”。学生在《Ann. Probab.》《Ann. Stat.》《PTRF》《NeurIPS》等顶级期刊/会议屡获佳绩，毕业生广泛就职于各大金融/互联网/医药企业、科研院所、国家部委、高校及海外顶尖研究机构与硬科技创投平台。

保研要求 ：2026年招收070103概率论与数理统计学术型硕士，按二级学科招生、多方向培养，计划招生约40–60人（含推免与统考）。推免网申预计2025年9月上旬开放，需提交代表性科研成果/学术论文/个人陈述、两封专家推荐信及实践能力证明（如英语六级≥480；有核心期刊论文或全国大学生统计建模大赛/数学竞赛获奖者优先）。初试科目为731数学分析 + 831高等代数 ，复试科目为概率论与数理统计综合答辩与伦理评估 （无指定参考书目，含研究设想阐释、定理证明逻辑推演、数据安全与合规审查）。本科背景以数学类为主，欢迎统计学、计算机、金融学、物理学等跨学科申请人。有高质量学术论文、国家级竞赛获奖、大创项目、头部企业长期实习、核心期刊实证研究或AI辅助概率统计项目经验者优先。复试含专业面试（理论思维能力、证明严谨性、创新潜力与伦理意识评估），重视解决复杂随机问题的能力、学术自觉与社会责任感，建议提前12个月确定研究方向并联系意向导师。

辅导要点 ：①极限理论与随机分析：CLT Lyapunov/Lindeberg条件δ→0验证、SLLN Kolmogorov三级数定理截断水平选择、鞅差序列Azuma-Hoeffding常数c_i显式估计、Itô积分isometry E[∫f dW]²=E∫f²dt验证、Girsanov测度变换Novikov条件E[exp(½∫θ²dt)]<∞检查、局部时Tanaka公式sign函数正则化近似；②高维概率与集中不等式：sub-Gaussian ψ₂范数Orlicz norm等价性验证、矩阵Bernstein ‖X‖≤R几乎 surely bound、empirical process covering number N(ε,F,L₂)积分熵有限性、sparse covariance thresholding λ√(log p/n)相变点定位、random projection JL lemma ε-distortion概率≥1-δ维度k≥8log n/ε²验证、concentration on product space tensorization argument；③贝叶斯非参数与不确定性量化：DP/GP先验support KL稠密性验证、posterior contraction rate ε_n=n^{-α}(log n)^β匹配minimax lower bound、MCMC geometric ergodicity drift function V(x)→∞ as |x|→∞检查、variational inference ELBO gap ≤O(n^{-1}) asymptotic tightness、calibration frequentist coverage CP nominal vs empirical偏差≤0.02、predictive interval width adaptive to local smoothness；④随机微分方程与金融数学：SDE解存在唯一性Lipschitz+linear growth验证、Feller diffusion boundary classification entrance/exit/natural判定、Heston model characteristic function φ(u,t) analytic strip Im(u)∈(-ν₁,ν₂)确认、rough Heston Hurst index H∈(0,½) Volterra kernel singularity处理、credit risk intensity process λ_t≥0 a.s. preservation、option pricing PDE Feynman-Kac representation validity；⑤统计学习理论与泛化界：Rademacher complexity R_n(F) chaining integral bound、uniform convergence sup_f|P_n f-Pf|≤ε with prob≥1-δ sample size n≥C(VC-dim)/ε²验证、stability-based generalization β-stability O(1/n) for SGD、neural network Lipschitz constant spectral norm product bound、margin distribution PAC-Bayes bound tightness、online learning regret O(√T) minimax optimality；⑥信息几何与最优传输：Fisher metric g_ij(θ)=E[∂_i log p ∂_j log p] positive definiteness、natural gradient descent invariance under reparameterization、Wasserstein-2 distance W₂²(P,Q)=inf_π E‖X-Y‖² c-cyclical monotonicity verification、Sinkhorn algorithm ε-scaling convergence rate O(ε⁻² log n)、entropic regularization bias-variance trade-off γ→0 limit recovery、barycenter existence uniqueness in Wasserstein space；⑦前沿交叉：quantum probability state space C*-algebra positivity、large language model output distribution total variation distance to target、federated learning privacy budget ε composition advanced composition theorem、digital twin model fidelity gap quantification via KL divergence、carbon footprint optimization LCA uncertainty propagation chain、AIGC novelty measure Rényi divergence threshold calibration；⑧方法论：Python numpy.random.Generator reproducibility seed setting、R rngkind("L'Ecuyer-CMRG") parallel safety、Stan/NUTS divergent transition count <1%、PyMC arviz r_hat<1.01 ESS_bulk>400、Julia Distributions.jl type stability check、MATLAB mersenne twister stream independence validation；⑨热点议题：浙江“数字经济+生命健康+金融科技”产业升级痛点、长三角可信AI/精准医疗/金融风险自主可控瓶颈、国产概率统计软件/算法框架突围路径、青年学者如何平衡理论原创与产业需求、“卡脖子”基础理论突破目标下研究者角色重塑、AI时代概率统计范式变革与伦理边界重构。

面试训练侧重典型概率统计问题即兴分析（如某极限定理失效归因、某MCMC混合缓慢排查、某AIGC输出偏差侵权风险根因）、公理与现实的逻辑论证（从测度结构到推断可靠性再到多维度验证-解释权衡）、创新能力与伦理底线的协同。文书应体现对概率统计事业的真诚热爱、扎实的测度论功底与批判思维能力、避免空泛追捧技术热点或脱离随机本质，强调“在不确定性中求真，在公理中验证，在服务国家战略与人民福祉使命中践行数理担当”的职业态度。

咨询保研报名事宜，请拨打4000003363，或添加微信13671344286，获取一对一详细解答。