复旦大学上海数学与交叉学科研究院应用统计考博的参考书写作需注重理论与实践的深度融合，重点考察考生对数理统计基础、现代统计方法及跨学科应用的综合掌握能力。建议考生以《数理统计与数据分析》（胡志德著，第2版）为核心教材，系统构建统计理论框架，同时结合《回归分析：方法与实例》（董剑平著）深化回归模型的理解与应用。在随机过程与时间序列分析方面，可参考《时间序列分析：建模与预测》（周纪乐著，第2版）与《随机过程》（Sheldon Ross著），重点掌握ARIMA模型、状态空间模型及长期记忆过程等核心内容。

考博复习应分三个阶段推进：第一阶段（1-2个月）完成概率论基础重构，重点突破多维随机变量、特征函数及大数定律等难点，推荐使用《概率论与数理统计》（陈希孺著，第3版）进行查漏补缺；第二阶段（2-3个月）聚焦统计推断与机器学习交叉领域，精读《统计学习方法》（李航著）中参数估计优化、支持向量机等章节，同步完成《机器学习》（周志华著）的集成学习与深度学习专题研读；第三阶段（1个月）针对交叉学科前沿开展专项突破，重点研读《贝叶斯统计与机器学习》（Trevor Hastie著）与《高维统计方法》（Hui Zou著），同时关注上海数学研究院近三年在《Journal of the Royal Statistical Society》等期刊的发表成果。

考试重点涵盖四大维度：理论深度方面要求熟练运用Fisher信息量、Cramer-Rao下界等工具进行效率分析；方法创新方面强调对copula函数、分位数回归等现代方法的算法实现能力；应用实践方面需展示基于Python/R的完整建模流程，包括数据清洗、特征工程及模型评估；跨学科融合则需结合生物统计、金融工程等场景设计解决方案。建议考生建立包含200+典型例题的错题知识库，其中重点标注20个高频考点（如广义线性模型诊断、MCMC算法收敛性判断等）。

备考策略需遵循"3+1"原则：每日3小时理论研读（早9-11点）与1小时编程实践（晚15-17点），每周完成1套模拟试卷并录制解题视频进行复盘。特别建议参与研究院组织的"统计建模工作坊"，在导师指导下完成至少2个跨学科课题（如基于LSTM的房价预测系统开发），相关成果可作为复试加分项。最后阶段（考前2周）应重点突破《高级计量经济学》（ Wooldridge著）中面板数据与离散选择模型章节，同时准备3分钟英文述职PPT，展示对最新文献（2022-2023年）的批判性思考。