
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
解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26