大家好，我首先要自我介绍。我是Raghvendra Pandey，目前是IIT孟买的 应用统计和信息学 理学硕士 。我已经在2016年的Ewing基督教学院毕业。
让我从统计学的机会开始。如果您想在统计学领域继续攻读研究生，朋友，统计学是一个很好的学科。统计学，企业，教学和研究领域的大量机会供统计学专业的学生使用。如果成功，您的成功机会将会成倍增加您将进入IIT，IISC，IISER等一流机构。然后出现一个重要问题，即如何为使用数学统计的IIT-JAM做准备？ 有哪些重要的准备书？ 让我们从教学大纲开始。
教学大纲-数学统计（MS）
数学统计（MS）试卷包括数学（权重40％）和统计学（权重60％）。
数学
序列和级数：实数序列的收敛性，比较，根和比率检验，用于实数序列的收敛性。
微分微积分：一和两个变量的函数的极限，连续性和可微性。 Rolle定理，平均值定理，Taylor定理，一和两个变量的函数的不确定形式，最大值和最小值。
积分微积分：积分微积分的基本定理。 双和三重积分，定积分的应用，弧长，面积和体积。
矩阵：秩， 矩阵的逆。 线性方程组。 线性变换，特征值和特征向量。 Cayley-Hamilton定理，对称，斜对称和正交矩阵。
微分方程：形式为y’= f（x，y）的一阶普通微分方程。 具有常数系数的二阶线性微分方程。
统计
概率：公理定义概率和属性，条件概率，乘法规则。 总概率定理。 贝叶斯定理和事件的独立性。
随机变量：概率质量函数，概率密度函数和累积分布函数，随机变量的函数分布。 数学期望，矩和矩生成函数。 切比雪夫的不平等。
标准分布：二项式，负二项式，几何，泊松，超几何，均匀，指数，伽玛，β和正态分布。 二项分布的泊松和正态近似。
联合分布：联合，边际和条件分布。 随机变量的功能分布。 乘积矩，相关性，简单的线性回归。 随机变量的独立性。
抽样分布：卡方分布 ，t和F分布及其属性。
极限定理：弱大数定律。 中心极限定理（仅适用于有限方差情况）。
估计：估计的无偏性，一致性和效率，矩量法和最大似然法。 充分性，因式分解定理。 完整性，Rao-Blackwell和Lehmann-Scheffe定理，一致最小方差无偏估计量。 Rao-Cramer不等式。 一元正态，两个独立正态和一个参数指数分布的参数的置信区间。
假设检验： Neyman-Pearson引理的基本概念，在检验简单假设和综合假设中的应用。 单变量正态分布参数的似然比检验。
重要手册（主题明智）-
数学
顺序和系列： NN Bhattacharya的书（我确信ECC学生很清楚），课堂笔记（如果可能的话，Massey先生笔记）或Shanti Narayan的真实分析书
微分学：阅读Goarakh Prasad的微积分书，课堂笔记（不要小看）
积分微积分：戈拉克·普拉萨德（Gorakh Prasad）的书
矩阵： Schaum系列，NN Bhattacharya的书，课堂笔记（如果可能的话，SS Tripathi Sir笔记）
微分方程： Gorakh Prasad的书，B Rai，DP Chaudhary的书，课堂笔记
统计
在统计学中，这些是课程提纲中提到的主题。我只阅读了课堂笔记Gupta-Kapoor和VK Rohtagi。
概率： Hoel，Port and Stone或Gupta Kapoor撰写的概率论概论，或Rohatgi和Saleh +课堂笔记概率与统计学概论
随机变量： Hoel，Port和Stone或Gupta-Kapoor撰写的概率论入门，或Rohatgi和Saleh +课堂笔记概率与统计学入门
标准分布： Hoel，Port and Stone或Gupta-Kapoor撰写的概率论概论，或Rohatgi和Saleh +课堂笔记对概率和统计概论
标准分布： Hoel，Port和Stone， Gupta-Kapoor或Rohatgi和Saleh +课堂笔记，概率论概论
抽样分布：概率论入门，由Hoel，Port和Stone， Gupta-Kapoor或Rohatgi和Saleh +课堂笔记
极限定理： Hoel，Port and Stone或Gupta-Kapoor的概率论入门，或Rohatgi和Saleh +课堂笔记的概率和统计学入门
假设的检验 -Casella berger的统计推断，Gupta-Kapoor，VK Rohtagi +课堂笔记
如果愿意，您还可以下载谢尔顿·罗斯（Sheldon Ross）撰写的“概率第一门课程”的pdf 。
任何考试中最重要的事情是练习上一年的试卷。相信我，如果您已经解决了100本书，但您还没有练习过上一年的试卷，那么成功的机会是有限的（存在例外）。因此，请转到网站，下载上一页JAM-MS的年度论文并开始准备。不要跳过上一年的论文。上一年度的论文就像Brahmastra一样。
重要主题-尽管每个主题都很重要，但应更多地关注分布理论，贝叶斯定理，最大Likelihhod估计量，无偏性，一致性等。
相信我，如果您遵循上述建议，没有人能阻止您获得良好的JAM排名。
请原谅我在语法上的任何错误。
请随时发送电子邮件至eccpandey@gmail.com。
