我來簡單說下這個問題吧。
其實志願填報的方法還是挺多的，題主問到兩個，我就簡單說說這兩個
看您的成績在全省排名，然後再看你希望報考的學校專業之前幾年的錄取分數及當年這個分數在全省的排名。看你的排名和當年的排名來預測是否可以選擇這個學校的這個專業。
比如你今年排名是全省第1000名，有一個範圍，然後你想報A大學的甲專業，然後看之前幾年這個A大學的甲專業錄取分是多少分，然後在看當年這個分數在全省的排名，比如是1200名、1100名、900名、1150名……，那從排名對比上看，你感覺這個專業是否可以報，自己衡量一下。
看你分數與提檔線差多少，然後再看你想報的學校專業過去幾年每年與提檔線差多少分，根據你實際的分差與過去幾年的分差，去衡量這個專業是否可以報。
知道上面方式，這個應該能看懂，不舉例了。
位次法：
數據來源簡單，但是沒法規避大小年和平行志願妥當等風險。
同時，對於全省排位，對排名位次穩定的名校更適用，但是對排名誤差可能在幾百、上千或者幾千的學校，誤差會比較大。
線差法：
這個其實很好理解，不同分數的錄控線，將產生不同的“線差”。600多分錄控線（浙江）下的“線差10分”，300多分錄控線（江蘇）下的“線差10分”，二者的數理差值絕不相同，故誤差較大，脫檔風險也大。
你這說的是《劉氏定律》麼？劉氏定律的內容：受GPS誕生過程啟發，在一依據前提下高考滿分為750分且實行平行志願投檔規則的省份，通過對“線差”(即:各院校和專業錄取分數與最低省控線的差值)這一相對穩定分數區域的深度研究，並通過數千萬條數據的反覆演算與驗證，成功提煉出《基於“線差均值迴歸”遞推院校和專業預期錄取分數優化算法》及其系列衍生公式。經將採用該算法遞推出的2017年數千所院校預期錄取分數與實際錄取分數比對，適格度高達98%以上。數據證明，《劉氏定律》科學地揭示了院校（含隸屬專業）錄取分數與“線差”內在的相互關聯規律，極大概率地預測了什麼分數（或名次），能適報哪（些）所院校（含隸屬專業），系統地探索出一條既契合現行高考平行志願投檔規則，又能提供一站式“讓數據說話”高考志願填報關鍵問題解決方案的創新模式。指尖教育官網
你這說的是《劉氏定律》麼？劉氏定律的內容：受GPS誕生過程啟發，在一依據前提下高考滿分為750分且實行平行志願投檔規則的省份，通過對“線差”(即:各院校和專業錄取分數與最低省控線的差值)這一相對穩定分數區域的深度研究，並通過數千萬條數據的反覆演算與驗證，成功提煉出《基於“線差均值迴歸”遞推院校和專業預期錄取分數優化算法》及其系列衍生公式。經將採用該算法遞推出的2017年數千所院校預期錄取分數與實際錄取分數比對，適格度高達98%以上。數據證明，《劉氏定律》科學地揭示了院校（含隸屬專業）錄取分數與“線差”內在的相互關聯規律，極大概率地預測了什麼分數（或名次），能適報哪（些）所院校（含隸屬專業），系統地探索出一條既契合現行高考平行志願投檔規則，又能提供一站式“讓數據說話”高考志願填報關鍵問題解決方案的創新模式。指尖教育官網
