• MTH10401 (4TC): Lý thuyết  độ đo và xác suất

Giảng viên phụ trách: GS. TS. Đặng Đức Trọng
Học phần cung cấp kiến thức về lý thuyết xác suất cơ bản, lý thuyết độ đo trừu tượng, biến ngẫu nhiên, luật số lớn và các định lý giới hạn.

• MTH 10402 (4TC): Đại số A2
  Học phần trang bị cho sinh viên những kiến thức cơ bản về đại số tuyến tính nâng cao, làm nền tảng cho các học phần chuyên ngành về Toán.  Cụ thể, sinh viên sẽ nắm vững sự chéo hoá và Jordan hoá của toán tử tuyến tính trên các không gian vector hữu hạn chiều, cấu trúc của không gian Euclide, dạng song tuyến tính và dạng toàn phương.
  
  

• MTH 10401 (4TC): Giải tích hàm
  Học phần cung cấp những kiến thức về: không gian metric, không gian định chuẩn, ánh xạ tuyến tính liện tục giữa hai không gian định chuẩn cùng các định lý cơ bản về chúng, không gian Hilbert. Môn học được coi là kiến thức căn bản cho trình độ đại học ngành Toán. Môn học cần thiết và bổ trợ cho các môn hình toán học dùng không gian hàm và không gian vô hạn chiều.
  
  

• MTH 10404 (4TC): Lý thuyết thống kê

Giảng viên phụ trách: TS. Hoàng Văn Hà, TS. Nguyễn Thị Mộng Ngọc
Học phần cung cấp kiến thức cơ bản của Lý thuyết Thống kê Toán-phân tích số liệu để đưa ra các mô hình tổng quát và các quyết định thống kê cũng như sử dụng thành thạo phần mềm thống kê chuyên dụng R để phân tích, xử lý số liệu thống kê.
Phần lý thuyết: bao gồm các kiến thức về mẫu (sample), các đặc trưng mẫu, ước lượng, các phương pháp ước lượng; khoảng tin cậy cho kỳ vọng, phương sai và tỷ lệ; cùng với bài toán xác định cỡ mẫu. Kiểm định giả thuyết: trường hợp 1 mẫu và trường hợp 2 mẫu; kiểm định giả thuyết về phân phối, kiểm định giả thuyết về tính độc lập. Kiến thức về hồi quy thống kê và tương quan.
Phần thực hành: áp dụng các kiến thức đã học trong phần lý thuyết và sử dụng phần mềm R để thực hành các bài toán thống kê trên máy tính với số liệu thực: mô phỏng, chọn mẫu, ước lượng, kiểm định giả thuyết, hồi quy và tương quan.

• MTH 10426 (4TC): Quá trình ngẫu nhiên

Giảng viên phụ trách: TS. Lê Thị Xuân Mai
Lý thuyết xác suất có nhiều ứng dụng rộng rãi không chỉ trong toán học mà còn trong các ngành khoa học khác. Học phần này sẽ trang bị cho sinh viên những kiến thức nền tảng và quan trọng của lý thuyết xác suất, mà cụ thể là quá trình ngẫu nhiên hiện đại.
Các khái niệm về quá trình ngẫu nhiên, quá trình Markov, bước chuyển ngẫu nhiên (random walk) và chuyển động Brownian (Brownian motion) cùng một số tính chất cơ bản sẽ được giới thiệu và khảo sát tương đối đầy đủ.
Một số mô hình ứng dụng trong vật lý, sinh học, ..., cũng sẽ được giới thiệu trong môn học. 

• MTH 10423 (4TC): Xác suất nâng cao

Giảng viên phụ trách: GS. TS. Đặng Đức Trọng
to-be-updated!!

• MTH 10424 (4TC): Thống kê toán nâng cao

Giảng viên phụ trách: TS.  Hoàng Văn Hà
Học phần giới thiệu về cấu trúc thống kê và hàm mật độ tổng quát. Về Thống kê đủ: phân phối có điều kiện đối với thống kê đủ, tiêu chuẩn tách, cải tiến ước lượng nhờ thống kê đủ. Về Ước lượng thống kê: Bất đẳng thức Crámer-Rao, thông tin Fisher, ước lượng hữu hiệu. Bên cạnh đó, sinh viên sẽ tìm hiểu về tính chất tiệm cận; cũng như các phương pháp tìm hàm ước lượng và  hàm hợp lý. Về Kiểm định giả thuyết: bổ đề Neyman-Pearson. Ngoài ra, còn có các nội dung về: Đối thuyết hợp, tiêu chuẩn mạnh đều nhất, họ phân phối có tỉ số hợp lý đơn điệu. Về Tập hợp tin cậy: liên hệ với họ tiêu chuẩn kiểm định giả thuyết.

• MTH 10619 (4TC): Thống kê nhiều chiều

Giảng viên phụ trách: TS.  Nguyễn Thị Mộng Ngọc
Học phần cung cấp một số phương pháp phân tích số liệu thống kê nhiều chiều. Môn học giúp sinh viên hiểu rõ về phân phối chuẩn nhiều chiểu, ước lượng và kiểm định giả thuyết về các tham số trong phân phối chuẩn nhiều chiều. Các phương pháp suy luận liên quan đến các trung bình nhiều chiều như: Hotelling’s T2;  Phân tích phương sai nhiều chiều (MANOVA) và Hồi quy tuyến  tính bội nhiều chiều. Các phương pháp suy luận về cấu trúc Hiệp phương sai như:  phân tích thành phần chính (PCA), phân tích nhân tố (FA). 

 Xử lý số liệu thống kê nhiều chiều bằng phần mềm thống kê R ( hoặc Python)  cho các bộ dữ liệu khác nhau để hiểu rõ các phương pháp trên. Qua đó trang bị cho sinh viên các kiến thức cơ bản về xử lý số liệu thống kê nhiều chiều và các kỹ năng ứng dụng trong việc giải quyết một số bài toán thực tế.

• MTH 10485 (4TC): Chuỗi thời gian

Giảng viên phụ trách: ThS. Nguyễn Thị Hồng Nhung
Trang bị cho sinh viên các kiến thức về phân tích chuỗi thời gian và quá trình ARIMA. Từ đó sinh viên có thể nhận dạng quá trình ARMA đối với một tập dữ liễu cho trước và dùng phần mềm R phân tích chuỗi thời gian để đưa ra các dự báo.

• MTH 10516 (4TC): Lý thuyết Xác suất cơ bản

Giảng viên phụ trách: ThS. Nguyễn Văn Thìn
Học phần cung cấp các kiến thức cơ bản trong Lý thuyết Xác suất - ngành khoa học nghiên cứu về các hiện tượng ngẫu nhiên.
Sinh viên sẽ học các khái niệm cơ bản về xác suấ như phép thử, sự kiện, các định nghĩa và tính chất của xác suất, định lý Bayes. Biến ngẫu nhiên, vector ngẫu nhiên: các đặc trưng, phân phối lề, phân phối có điều kiện, kỳ vọng có điều kiện, tính độc lập, hiệp phương sai, hệ số tương quan và Định lý giới hạn trung tâm.

• MTH 10508 (4TC): Seminar Xác suất - Thống kê
  Sinh viên sẽ liên hệ với sự đồng ý của giảng viên hướng dẫn để thực hiện báo cáo seminar khoa học về một chủ đề phù hợp theo các hướng nghiên cứu của bộ môn Xác suất-Thống kê.
  
  

• MTH 10511 (4TC): Mô hình thống kê tuyến tính

Giảng viên phụ trách: TS. Nguyễn Thị Mộng Ngọc
Học phần trang bị cho sinh viên các kiến thức về phân tích hồi quy (phân tích sâu về mô hình hồi quy tuyến tính bội), phân tích phương sai (ANOVA) 1 nhân tố, 2 nhân tố. Kế đến là phần lựa chọn mô hình phù hợp nhất (các tiêu chuẩn chọn mô hình tối ưu, các phương pháp chọn mô hình phù hợp nhất: phương pháp chọn tập con tốt nhất - best subset selection, phương pháp chọn bước từng bước - stepwise selection, phương pháp shrinkage, phương pháp giảm số chiều - principal component regeression PCR). 
Ngoài ra, việc kiểm tra các giả định của mô hình hồi quy; xác định và xử lý hiện tượng đa cộng tuyến; các phép biến đổi (transformations) của các biến phản hồi và biến dự đoán để làm cho mô hình phù hợp với dữ liệu hơn.     

Giải quyết các bài toán thực tế được đưa ra trong mỗi chương bằng phần mềm thống kê R (hoặc Python).

• MTH 10621 (4TC): Mô hình thống kê tuyến tính nâng cao

Giảng viên phụ trách: TS. Tô Đức Khánh
Môn học nhằm cung cấp cho sinh viên các kiến thức cần thiết để xây dựng và sử dụng mô hình hồi quy tuyến tính trong các trường hợp khác nhau của dữ liệu quan sát, ví dụ: dữ liệu nhị phân (binary data), dữ liệu phân loại (categorical data), dữ liệu là số đếm (count data). Đây là những loại dữ liệu thường được quan sát trong các vấn đề của thống kê kinh tế, y khoa, sinh học, hay xã hội học. Bên cạnh các kiến thức lý thuyết về mô hình thống kê, các kỹ năng sử dụng phần mềm xử lý số liệu thống kê R cũng được trang bị cho sinh viên, để giải quyết các mô hình.

• MTH 10512 (3TC): Thống kê kinh tế

Giảng viên phụ trách: ThS. Nguyễn Văn Thìn
Giảng viên sẽ hướng dẫn và thảo luận với sinh viên các vấn đề căn bản và ứng dụng của lý thuyết thống kê đương thời. Sinh viên có thể thu nhận các kỹ năng cần thiết để hiểu và đánh giá mô hình thống kê kinh tế. 

Học phần tập trung vào các kỹ thuật để ước lượng mô hình hồi quy, các vấn đề gặp phải trong khi ước lượng và giải thích được các ước lượng từ các mô hình này. Dựa trên các phương pháp trong thống kê, cung cấp những điều cơ bản về lý thuyết và thực hành kinh tế và cho phép sinh viên làm quen với việc đánh giá các mô hình kinh tế với các dữ liệu thực tế.

• MTH 10513 (3TC): Xử lý số liệu thống kê

Giảng viên phụ trách: TS. Nguyễn Đăng Minh (GV. thỉnh giảng)
Học phần trang bị cho sinh viên các kiến thức cơ bản về xử lý dữ liệu thống kê một cách cơ bản, từ đó có thể dễ dàng hơn khi tiếp cận các bài toán trong Data Analysis hay Computer Vision. Chẳng hạn, sinh viên sẽ biết dạng các dữ liệu số, âm thanh, hình ảnh, ... ; đồng thời, sử dụng được các phần mềm để thao tác trên các dữ liệu này.

Học phần giúp sinh viên có thể xử lý một cách cơ bản các dữ liệu dạng dataframe, dạng hình ảnh, video và sóng âm thanh với các thư viện trong Python như Pandas, open cv, seaborn, ... Một số học phần có liên quan trong chương trình: Thống kê nhiều chiều, Dữ liệu lớn, Xử lý ảnh, ... .

• MTH 10510 (3TC): Thống kê trong sinh học

Giảng viên phụ trách: TS. Tô Đức Khánh
Mục tiêu của môn học là phát triển năng lực của sinh viên trong việc áp dụng các phương pháp phân tích thống kê để giải quyết các nghiên cứu sinh học thông dụng. Nội dung chính của môn học sẽ dựa trên các kiến thức nền đã được giảng dạy ở các môn học trước đó, bao gồm: Xác suất, Lý thuyết Thống kê, Thống kê Toán nâng cao, Mô hình thống kê tuyến tính và Mô hình thống kê tuyến tính nâng cao. Từ đây, một góc nhìn tổng thể về thống kê hay áp dụng thống kê (tại sao, khi nào và sử dụng như thế nào) sẽ được mang tới cho sinh viên, dựa vào các kiều dữ liệu từ bài toán nghiên cứu sinh học khác nhau. Ngoài ra, môn học cũng sẽ cung cấp cho sinh viên một số cung cụ mở rộng (nằm ngoài các môn học trước đó) dành cho một bài toán thống kê sinh học đặc thù. Môn học sẽ thiên về kỹ năng chuyển đổi câu hỏi nghiên cứu sinh học sang câu hỏi nghiên cứu thống kê, và áp dụng các phương pháp phân tích thống kê tương ứng, do đó, ký năng về sử dụng phần mềm xử lý số liệu thống kê R (hoặc python) cũng được trang bị cho sinh viên.

Lưu ý:  Sinh viên chỉ cần đã học qua học phần Lý thuyết Thống kê là có thể đăng ký được học phần.

• MTH 10517 (4TC): Lý thuyết và phương pháp chọn mẫu

Giảng viên phụ trách: TS. Nguyễn Tiến Đạt
Học phần cung cấp kiến thức cơ bản về phương pháp thiết kế và phân tích chọn mẫu, để có thể xác định những yếu tố sử dụng cho các thiết kế mẫu khác nhau, hữu ích cho việc nghiên cứu và quản lý trong nhiều lĩnh vực; sử dụng phần mềm thống kê R để phân tích và thiết kế chọn mẫu thống kê.
Phần lý thuyết: bao gồm các kiến thức về chọn mẫu và ước lượng, đơn vị lấy mẫu, sai số trong chọn mẫu, các thiết kế mẫu cơ bản và các phương pháp chọn mẫu thông dụng như: chọn mẫu ngẫu nhiên đơn giản, xác định kích cỡ mẫu, chọn mẫu với xác suất không cân bằng, chọn mẫu phân tầng, chọn mẫu theo nhóm và hệ thống, chọn mẫu đa tầng.
Phần thực hành: áp dụng các kiến thức trong phần lý thuyết và sử dụng phần mềm R để giải quyết các bài toán chọn mẫu thống kê trên máy tính với số liệu thực: mô phỏng, chọn mẫu, phân tích mẫu.

• MTH 10514 (4TC): Thống kê Bayes

Giảng viên phụ trách: TS. Lê Thị Xuân Mai
Học phần cung cấp kiến thức về phân phối có điều kiện, phân phối đồng thời, phân phối lề, ước lượng mật độ phi tham số, phân phối tiên nghiệm, phân phối hậu nghiệm, phân phối dự báo, hàm niềm tin, luật Bayes, tính hoán đổi, liên hợp, bán liên hợp, phương pháp Monte Carlo, tạo mẫu theo phương pháp Gibbs, mô hình nhị thức, mô hình Poisson, mô hình chuẩn một chiều, mô hình chuẩn nhiều chiều, phân phối Wishart và Wishart ngược, dữ liệu bị thiếu, hồi quy Bayes, chọn lựa mô hình.

• MTH 10515 (4TC): Thống kê phi tham số

Giảng viên phụ trách: GS. TS. Đặng Đức Trọng
Học phần trình bày phương pháp xây dựng các ước lượng phi tham số cho hàm phân phối tích luỹ, hàm mật độ, bài toán hồi quy. Học phần cũng khảo sát tính vững và tính minimax của các ước lượng này.

• MTH 10609 (4TC): Kiểm định phi tham số

Giảng viên phụ trách: TS. Lê Thị Xuân Mai
Học phần sẽ giới thiệu về kiểm định trung vị tổng thể hoặc so sánh trung vị của hai tổng thể. Kiểm định phi tham số sẽ là phương án thay thế trong trường hợp mẫu nhỏ hoặc dữ liệu vi phạm các giả thiết kiểm định phi tham số.

• MTH 10518 (4TC): Giải tích hàm trong thống kê

Giảng viên phụ trách: GS. TS. Đặng Đức Trọng
to-be-updated!!