京公网安备 11010802034615号
经营许可证编号:京B2-20210330
看一个地区的高考录取难度,通常会看其录取率,也就是当年高考录取人数/当年高考报考人数。
2018年中国各省录取率倒数前三的是这3个:
但大家都是80%以上,又不太能衡量一个地区的高考难度。
我们再看一下2018年中国各省 本科录取率 的倒数前三,一般来说这个比较能说明问题:
可以看到第一的河南将第二的甘肃远远甩开!
再看一下 一本录取率 的倒数前三:
再挖一下 985 和 211 的录取率,发现都是河南垫底
以上可以得出,河南是当之无愧的高考地狱模式之首。
僧多粥少是河南高考录取率低的原因
2018年高考报名人数最多的前三是
河南有接近100万人报考,整整比第二的广东多出23万人。
报考人数这么多,而河南的高校数量却没那么多。
2018年河南共有153所大学,包括71所本科院校和82所大专院校,这个数量在全国排在第四。
不仅如此,河南省内的重点大学还特别少,一所985大学都木有,仅有一所211就是郑州大学。
可能有人会问,那不考河南省内大学,考省外的不就好了?
你要知道,考入省外学校,可比考自己省内的学校难太多了!
我们国家的高校在每个省的招生人数都是提前计划好的,以清华大学为例,2017年清华在河南的招生人数是198人,而当年河南的高考报名人数是82.6万人,也就是说每个河南考生考上清华的概率是198/82.6万=0.024%,这个概率在全国31个省份中位列倒数第8。
而17年清华在北京的招生人数是296人,当年报考人数是6.06万人,人均概率高达0.488%,位居31个省市第1位。
北京考生的概率足足是河南考生的20.3倍!
我们再来看看其他省份,比如广东省首屈一指的高校中山大学,2017年中大在广东的招生人数是3202人,河南招生人数仅是212人。
广东考生考上中大的概率是0.439%,而河南考生考上中大的概率排在31个省的倒数第二,仅有0.026%,广东考生的概率是河南考生的16.8倍。
综上所述,本省学校不多且好学校极少,外省学校又特别难考,你说河南是不是高考录取率最低的省份,简直是炼狱模式的每年大考!
那么哪些省市是高考的easy模式呢?
毫无疑问是北京、上海、天津了,其中又以北京为首!
北京2017年仅有6万人报名参加高考,人数位居31个省的倒数第六,而北京的高校数量是92所,位居31个省的14名,但北京的211高校高达26所,位居31个省第1名,985高校8所,又是31个省第1名。
上海的话有211高校10所,31个省第3,985高校4所,31个省第2;
天津的211有3所,985有2所,虽然不多但胜在考生少,2017年仅有5万8千人,比北京还少。
不仅如此,北京、上海、天津考其他省的高校还容易!
以中山大学为例,2017年中大在北京的招生人数是296人,除以当年高考报考人数得出人均概率是0.074%,位居31个省第5名,天津第4名,上海第6名。
以清华大学为例,北京考生人均概率第一,上海第二,天津第三。
这也是北京户口那么值钱的原因之一,生在北京,子女的高考甚至人生轨迹瞬间切换到easy模式。
文末挖数根据2018年各省的本科以及211高校的录取率,将各省的高考难度可视化成这张图:
以上都是小编个人的见解和简单分析,不代表任何公众立场。高考录取率孰高孰低,都只是一个宏观数据,回归到个人,还是得看自己的实力和临场发挥。2019年高考即将拉开大幕,预祝天下所有的高考学子,有志者事竟成,考取自己理想的分数,考取自己梦寐的大学,开启人生全新美好的大学篇章!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27