统计学的分类方法范文

统计学的分类方法范文第1篇

 

一、国内外统计学科分类的现状

 

一些作者认为，统计学在学科分类中将由原来的二级学科升为一级学科;①我国存在着两门统计学，国际上存在着一门统计学。②其实这些说法并不确切，对学科分类的理解也不够全面。

 

所谓学科分类，指在一定条件下运用某些原则划分各门学科的对象和领域，确定各门学:科在整个科学知识体系中的位置，阐明各学科之间的相互关系。③国内外都很重视学科分类何题研究，结合各国情况提出适合需要的分类模式，制定各种分类表。从各国情况看，有以下四种不同用途的学科分类。一是以科研统计和科研管理为目的的学科分类。例如：《联合国教.科文科学技术统计工作手册》、《中国科学院科研项目与档案分类》等。二是以教育管理学科和专业划分为目的的分类。例如：《日本大学学科分类目录》，中国《普通高等学校专业目录》等。三是以文献图书分类为目的分类。如：《美国国会图书馆分类法》、《中国人民大学图书馆图书分类法》等。四是以各种百科全书辞目分类所反映的学科分类情况。④如：《国际社会科学百科全书》分类目录、《大不列颠百科全书》辞目等。

 

很显然，根据现在科学在理论和应用两个方面的进展，根据不同的目的，学科分类是多种多样的。下面我们来看国内外把统计学作为一级学科的分类情况。

 

国内外统计学分类的门类属于社会科学。国内反映学科分类的文献较多，其中参考价值较大的有以下8种⑤：《国家科学技术委员会统计学学科分类与代码》(I989年)、《中国科学院封算机管理用代码手册》(1985年)、国务院学泣委员会办公室和国家教委研究生司《授予博士、硕士学位和培养研究生的学科、专业目录》(1988年)、国家教委高教一司《普通高等学校社会科学本科专业目录与专业简介》(1987年)®、国家教委科技司《国家教委学科分类目录代码〉》〇987年)、中国图书馆图书分类法编辑委员会《中国图书馆图书分类法(第三版)》(1"0年)、《中国人民大学图书馆图书分类法(五版)》(1989年)、《中国大百科全书(全套)》〇982—1991年)。据对这8种文献中社会科学一级学科频率的统计，可以发现：(1)国内8种学科分类文献列出的45门一级学科，其中频率4次以上的有经济学等9门;出现次数多说明公认程度和成熟度较高。(2)统计学作为一级学科出现的频率为2次，说明统计学作为一级学科早在1992年以前就已存在，只是公认程度还不算很高。

 

对国内这8种学科分类文献进一步研究还可以看出，所谓“两门统计学”之一的数理统计学，从来没有作为一级学科存在过，它只是一级学科数学下面的一个二级学科。

 

因此，应该澄清统计学科体系研究中的一些含混说法。第一，统计学“上升为一级学科”的提法不准确，只是说应该在更多学科分类中争取它的一级学科地位，特别是在国家有关部门的官方文献中。第二，两门统计学的提法很不确切。如果两门指的是二级学科(数理统计学，社会经济统计学)，那一级学科应该就是统计学。如果一门指的是一级学科社会经济统计学或一级学科经济学下的二级学科，一门指的是一级学科数理统计学或一级学科数学下的二级学科，前者显然不仅不符合学科分类原则，也违背逻辑，不可能数学同时存在两个一级学科。后者也违背提出两门统计学的初衷，既然是二级学科，就独立不起来。

 

国外统计学作为一级学科存在，在门类(大类)里归属于人文、社会科学。数理统计学无论在那种分类文献中都不是一级学科。据对联合国教科文组织于70年代初期出版的3卷本专著《社会科学和人文科学研究中的主要趋势》、《国际高等教育百科全书》、《大不列颠百科全书》、《日本大学学科分类目录》、《美国国会图书馆分类法》等15种参考价值较大的学科分类文献统计，统计学作为一级学科出现的频率为6次，说明国外统计学作为一级学科存在，已经是比较成熟和公认的了。

 

二、建立适合中国国情的统计学学科体系

 

统计学在形成和发展中，经历了一个漫长、曲折的过程。如果说以前对统计学的地位、对象争议还比较多的话(这种争论自然还会持续下去)，随着国家标准关于统计学学科分类与代码在我国的与实施，统计学科分类应用研究就显得十分重要。'

 

(一)继续加强统计学学科体系理论研究

 

长期以来，我国统计学学科分类及其应用研究十分沉闷，思维狭窄，阻碍了统计学的发展。(I)1979年以前，把统计学学科体系研究同政治形势挂钩，忽视了统计自身发展的规律。(2)强调数理统计学和经济统计学是两门统计学，两门之间相互隔绝、相互排斥。(3)将数理统计归属于自然科学的数学，经济统计归属于社会科学的经济学，认为二者之间鸿沟不可逾越，看不到社会科学与自然科学的结合、渗透、交叉。统计学学科体系研究，首先要有新的视野，新的思维。把握现代科学发展特征。人类文明发展到今天，现代科学同时在微观和宏观两个方向获得重大威果，在理论和应用方面取得卓越进展，在高度分化的同时又在高度综_合相互统一协调，由单线联系走向多维的联系。现代科学结构是一个全新的多层次的综合性的庞大网络体系，我们要把握现代科学发展的这些特点，构筑统计学的新体系。

 

1.统计学一级学科的设置。统计学是一门搜集、整理、分析数据并进行统计推断和预测的方法论科学。方法论包括两个层次的含义：其一是方法论研究，包括调查方法、整理方'法、分析方法、推断方法和预测方法。其二是运用统计方法帮助人们认识、解决自然现象、社会现象、经济现象以及医学、工程、环境等领域的具体实际问题。从统计方法的应用说，统计是人们认识世M认识社会的一种手段和工具，指导人们认识、探索、分析事物的规律，所以，统计学的研究对象包括自然现象、社会现象，经济现象，它的研究内容十分广泛，无所不包，包括人们科学实验，社会生产和生活中认识的领域或待开发的领域，只要有人类活动，就有统计方法的应用。

 

一门科学是一个历史的私动的[本系。统计学的理论体系，除继续巩固、发展比较成熟时数理统计、经济统计、人口统计外，还应该广为吸收、融合现代其他科学营养，开拓新的生存、发展空间。比如，吸收数学、信息科学与系统科学、计算机科学技术、哲学、法学、经济学等科学理论和方法，_进行移植、综合、交叉，形成新的研究方法和研究领域，加深统计学理论基础，扩大统计认识范围。统计学传统理论中，数据搜集、推断方法比较完善和精涞(可以归结为提供统计数据功能)，统计学在发展中，完全有可能也有必要向统计规律、统计控制，统计信息技术方面发展;这些领域将会涉及许多理论和方法问题。统计学成为一级学科，将更有利于统计理论的深化和应用的发展，促进统计学的成熟程度。

 

2.统计学二级学学科设置。二级学科的设置应考虑：(1)划分标志选择统计一般方法和研究领域两个标志。(2)根据学科特点考虑到在有限的三级学科分类体系中能反映该学科的全貌。(3)留有余地，以便扩延。在分类体系相对稳定的情况下，为萌芽中的新兴学科留有余地，以得到必要的补充和延续。二级学科设置10个：①理论统计学，②数理统计学，③经济统计学，④社会统计学，⑤自然科技术统计学，⑥环境生态统计学，⑦统计法学，⑧国际统计学，⑨统计学史，⑩统计学其他学科。

 

一部分统计二级学科具有交叉性和双重属性(例如经济统计，是统计与经济交叉的突出例子之一。一个时期以来有人对经济统计颇有微词，认为它不是科学，这是不公正的。有人认为经济统计能否从经济学中分离出来才是统计学成熟的标志。恰恰相反，从科学发展趋势看，二者的交叉，结合，既是经济学发展的需要也是统计学发展的必然)。建议在两处列类，两处编码。例如数理统计，既作为统计学的二级学科，又作为数学的二级学科;经济统计，既作为统计学的二级学科，又作为经济学的二级学科。

 

3.统计学三级学科的设置。统计学三级学科的设置以研究内容和应用为主要划分标志。考虑到学科发展的不平衡和分类习惯，有的二级学科下可暂不列出三级学科。本文提出部分统计学二级学科的三级学科如下：(1)理论统计学，包括：统计调查理论，统计分组理论，统计分析理论，统计指标理论，统计指数理论，统计信息理论，统计控制理论，统计预测理论，计算统计学，统计逻辑学，统计系统与管理等。(2)数理统计学，包括：抽样方法，假设检验，非参数统计，相关回归分析，统计推断，贝叶斯统计，多元分析，时间序列分析等。U)经济统计学，包括：国民经济统计，企业统计，运输统计，流通统计，财政统计，金融统计，价格统计等。(4)社会统计学，包括.人口统计，教育统计，卫生统计，生活统计等。(5)自然科技统计学，包括：科技管理统计，生物统计，遗传统计，心理统计，气象统计，农业统计等。

 

(二)强化统计学一级学科地位

 

如前所述，我国现有学科分类文献中把统计学列为一级学科的还不多。尽管国家了学科分类标准，我们仍不能仅仅满足于此，而是要让更多的学科分类文献贯彻体现国家分类标准，反映统计学成熟程度，体现现代科学发展趋势，将统计学列为一级学科。

 

当前要做的，一是要面向社会大力宣传国家学科分类标准。统计学科建设，不仅仅是统计理论工作者的事，它关系到统计的前途和发展，也关系到我国现代科学的发展。二是继续加深对按一级学科建设统计学的重要性的认识。统计学成为一级学科，是统计学自身内在发展的需要，是统计学研究对象共同特征和研究方法的通用性所决定的，完全具有必要和可能。不存在硬争统计学一级学科地位问题。三是经济统计、应用统计、理论统计工作者加强联系，携手共进，研究统计学的发展特点，内在规律，建立大统计，大统计学科。四是有步骤地向有关部门、权威机构宣传、反映、介绍统计学的发展和现状，以便将来修改、制订学科分类表时将统计学列为一级学科。五是国家统计局要广泛调查研究，制定贯彻实施国家学科分类标准的具体措施，使统计学一级学科地位真正确立起来。

 

(三)在高等学校系科专业设置中体现统计学一级学科地位

 

国内目前学科分类文献中，国务院学位委员会、国家教委联合颁布的《技卞傅工、硕士-学位和培养研究生的学科、专业目录》和国家教委的《普通高等学校本科专业目录》是两个很重要的具有实际意义的分类文献。分类的基本原则是专业设置一般以学科为主。按照这种划分就出现了令人困惑的结果：统计学一方面是经济学(一级学科)的二级学科，一方面又是数学(一级学科)的二级学科。于是在大学里就出现了一个在经济学下的统计学，一个在数学下的统计学。在研究生专业目录中还有卫生统计、生物统计、农业统计、工程统计等专业。这种状况，很不利于统计学的发展，也不利于统计学的国际交流和比较。

 

鉴于高校系科专业设置影响十分巨大，建议国务院学位委员会、国家教委尽快对这两个文献加以修订，将统计学列为与哲学、经济学、数学等并列的一级学科。

 

高等学校系科专业目录将统计学列为一级学科后，二级学科如何设置?一是沿用现在做法将原经济学下的统计学称为经济统计学(专业)，将原数学下的统计学称为数理统计学(专业)，再设置社会统计学(专业)、人口统计学(专业)两个二级学科，卫生统计学(专业)等可采用双重属性原则列入相关的一级学科。专业目录里统计学为一级学科，二级学科(专业)四个，可以和国家分类标准不完全保持一致。二是从长远看，我国现行专业设置划分太窄太细。大学应该按大学科组织教学，不设专业，只设系科。这样，就只有一个统计系，各院校根据自己的特长和优势，结合社会需求，课程设置各有侧重。

统计学的分类方法范文第2篇

关键词：多元统计分析；教学内容；教学方法

中图分类号：G424.21 文献标识码：A 文章编号：

多元统计分析是统计学中的一个重要分支，是收集、处理和分析多维样本数据的统计方法。特别是随着计算机技术的发展，计算软件的普及，多元统计分析已成为分析多元数据的一个重要工具，在自然科学、管理和社会科学、经济领域等都有广泛的应用。

多元统计分析是我校财经管理类本科生大部分专业的一门必修课程，总学时为45学时，其中理论教学时数36学时，实践教学时数时。该课程涉及到许多数学知识，有大量的理论和公式推导，且计算量比较大。同时，本课程的学生为财经管理类的本科生，大多数学基础不好，且学生基础差异较大，部分学生感觉本门课程学习有困难。本文根据本学科的特点和学生的实际情况，结合自己从事多元统计教学的实践和体会，提出几点思考，以供同行参考，共同探讨。

一、重视统计方法的应用

针对财经管理类本科生数学基础较弱的情况，在教学过程中，理论推导部分不必讲解过多，也不应该过分强调复杂的数学证明和公式推导。对于多元统计分析的每一种统计方法，重点阐述它们的统计思想，结合实例介绍涉及到的背景，在实际应用中需要解决什么问题，如何用这种统计来解决这些问题，用了这种统计方法后可以得到什么结果。以及各种方法应用的前提条件、适用范围和局限性等，教学重点从理论转移到实际应用中。为了加深学生对概念的理解，适当做一些数学推导，可以省略复杂的证明。例如在聚类分析的教学中， 借助“物以类聚，人以群分”的道理给出了“就近原则”， 聚类分析的基本思想就容易被学生接受， 然后再逐步引入为了实现就近原则的度量远近的距离及各种具体聚类方法。学生在短时间内就对统计方法有了理解，效果非常明显。

二、重视各种多元统计方法的联系

各种多元统计分析方法虽各自具有不同的特点，但它们彼此之间均有着紧密的联系。在解决实际的问题中，也需要用多种方法结合起来解决问题，对于这一点一定要讲清楚。在聚类分析和判别分析的介绍中，我们介绍了在度量工具选择上两种方法的共同点。同时，聚类分析与判别分析有以下的不同点：①聚类分析可以对样本进行分类，也可以对指标进行分类；而判别分析只能对样本进行判别归类；②聚类分析事先不知道事物的类别，也不知道应分几类；而判别分析必须事先知道事物的类别；③聚类分析直接对样本进行分类，而判别分析根据训练样本建立判别函数，然后对新的观测对象进行判别归类。在实际问题处理中，针对聚类分析归类，判别分析分类的特点，常常将两种统计方法结合使用。在因子分析的基本思想、数学模型、因子载荷矩阵的估计方法、因子得分等几个环节的学习中， 我们随时将主成分分析的相关内容拿来与之比较分析， 分析了两种方法在模型、参数唯一性、取舍因子等问题上的不同与使用环境等方面的共同之处， 学生不仅对因子分析有了深入理解，而且对主成分分析的内容有所复习，更容易实现对着两种统计方法的掌握。

三、重视统计软件地使用

各种多元统计方法解决的是大量多维数据的分析问题，自然离不开复杂数据的计算，所以在教学中必须重视统计软件的学习，完成大量的计算过程。SPSS软件简单易学，操作方便、功能强大、应用广泛，可以进行大部分多元统计分析方法的操作，基本能满足教学和实践上计算的需要。且在多元统计分析课程之前，学生已学过SPSS课程，对软件的应用也基本掌握。在教学过程中，当介绍每一种统计方法的基本思想、原理后，先对教材上的已有详细步骤和结果的例题进行操作，使学生将统计软件操作结果与其进行比较。进一步要求学生针对某一专题或结合自身专业，对某一实际问题收集数据，整理数据，利用软件进行具体分析操作，得到自己需要的结果。但是在教学过程中，需要让学生知道统计软件只是一种分析工具， 重点还是掌握各种统计分析方法的基本原理和科学选用上。同时，结合自己的一些研究课题，与学生一起探讨、研究，培养学生初步的科研能力。

四、合理制定考试方式和内容， 科学评定学生成绩

针对多元统计分析课程的特点，本门课程考核不仅要注重基本知识点的掌握，也要包括各种统计方法的理解、分析和应用。在考试的方式上，可以采用闭卷考试，开卷考试和课程论文相结合，从而多角度、全方位对学生的学习成绩给予综合评价。通过以上多种方式，考察学生理解能力、跨学科综合能力、解决实际问题的能力及创新能力。在考试的内容上，闭卷考试着重考查学生对各种统计方法和理论知识的掌握程度，并对量不大的数据进行处理；开卷考试以学生上机操作的方式进行，着重考查学生利用统计软件处理多元数据的熟练程度，以及对统计软件输出结果进行分析判断和解释说明的统计素养；课程论文侧重于考查学生运用多元统计方法解决实际问题的能力及创新能力。总成绩则有闭卷考试成绩（占60%）、开卷考试（占20%）和课程论文成绩（占20%）三部分组成，从而科学评价学生对本门课程的掌握情况。

多元统计分析作为多元数据处理的一个重要工具， 必将随着社会的需要而不断的有广泛的应用。多元统计分析教学模式的选择必须根据教学的需要和学生的实际接受水平发生改变。而作为教师，需要不断地总结经验，完善自己的教学，不懈努力，传授给学生正确的统计思想， 实用的统计方法和综合的统计能力。

参考文献：

1何晓群. 多元统计分析[M]. 中国人民大学出版社，2012.

2任雪松，于秀林. 多元统计分析[M]. 中国统计出版社，2011.

3苏金明，傅荣华等. 统计软件SPSS系列应用实战篇[M]. 北京: 电子工业出版社，2002.

4张文彤，邝春伟.SPSS统计分析基础教程[M]. 北京:高等教育出版社，2011.

5吕洁. 多元统计分析课程教学探讨[J].中国成人教育，2007 ( 8): 153- 154.

6陶胜，胡明颖. 多元统计分析课程教学研究与实践[J]. 集美大学学报， 2011( 2): 99- 102.

统计学的分类方法范文第3篇

关键词：统计教育；统计课程设置；教育发展；世界一流高校

中图分类号：G640 文献标志码：A 文章编号：1674-9324（2012）04-0110-02

统计作为一门学科，无论是在其基础理论还是在应用技术方面，得到越来越多的重视和发展。许多新兴的交叉学科，诸如生物统计、金融统计、社会统计等的形成与发展，便是一个有力的明证。另一方面，社会对于统计人才的需求，也进一步促进了高校统计专业教育的发展。本文通过对当今世界一流大学统计及相关课程设置情况的调查，了解统计教育的动向和特点，寻找对我国统计教育发展有益的启示。根据2011~2012年QS世界大学排名（统计专业），位居前列的高校分别是：斯坦福（Stanford University）、哈佛（Harvard University）、加州大学贝克莱分校（University of California，Berkeley）、剑桥（University of Cambridge）、麻省理工（Massachusetts Institute of Technology）、牛津（University of Oxford）、新加坡国立（National University of Singapore）、多伦多（University of Toronto）、英国帝国理工学院（Imperial College London）、普林斯顿（Princeton University）。这些院校涉及了美国、英国、加拿大和新加坡等，具有一定的代表性。通过对这些院校的官方网站的访问来了解各校开设的统计及相关课程的情况，获得了有意义的结论。

一、统计课程的分类呈现多样化

长期以来，统计课程大多被分成数理统计和应用统计两类，前者着重介绍统计理论，后者介绍统计应用方法。目前查阅到的资料显示，统计类课程正呈多样化趋势。这些院校所设统计课程除一部分是为统计专业学生开设的外，另有很大一部分是为其它专业学生开设的，且涉及面非常广泛，传统的分类已不能准确描述。为此，笔者将其分为四类，并将各院校的课程分别归入各个类别（从中亦可观察到目前统计课程涵盖面之广）。

1.基础理论类。这类课程介绍统计学的基础理论，主要面向统计专业的学生。典型课程有：概率论、数理统计、随机过程、统计理论、统计推断、随机矩阵理论、空间统计、系统辨识、推断算法、非线性模型、广义回归模型、广义线性统计模型、概率和测度、统计原理等。

2.应用统计类。这类课程主要介绍应用统计方法。典型课程有：应用统计、回归模型、非参数统计、多元统计分析、数据挖掘和分析、时间序列分析、风险管理及监督、贝叶斯统计、统计建模、无监督学习方法、蒙特卡洛方法、需求建模、随机控制、数据模型和决策、马尔科夫过程、应用定量分析、抽样调查、试验设计与分析、分类数据分析、纵向数据分析、非参和稳健方法、统计计算、随机网络模型、随机模拟、统计质量控制等。

3.统计应用类。这类课程的特点是统计与其它学科相结合，反映了统计学向各个领域的渗透。典型课程有：生物统计、运动统计、代码破译、工程和物理中的统计、金融统计、遗传学中的统计算法、统计咨询、公众的风险―效益分析、物流与运输规划方法、资产定价：定价模型和衍生品、高级计量经济学：时间序列模型、信息系统中的随机过程、机器学习和模式识别、社会统计、公共政策中的高级定量分析、基因调控、流行病原理、生存分析、商业统计、统计基因组学、人文社会科学定量方法导论、心理学的定量方法和行为科学、华尔街上的应用计量财务、医药统计、人口统计方法、临床试验的设计与分析、财务统计方法、统计和诉讼、提高质量和生产力的统计等。

4.普及教育类。这类课程是讲授统计基本思想的，通常是作为统计启蒙教育的。涉及的课程有：统计方法介绍：预处理、了解统计模型在社会科学中的应用、概率：有关机遇的10个伟大的想法、统计思想和数据分析、统计实践导论、统计概念、数据分析的方法、统计基础、统计的历史、了解不确定性和统计的思想等。从上面不完全的统计中可以看到，基础理论类课程变化不大，但统计应用的课程拓展了很多。特别是原属于应用统计类的课程，逐渐分化为研究统计应用方法的应用统计类和介绍统计与其它学科交叉应用的统计应用类，凸现了统计强大和蓬勃的生命力。

二、统计教育更注重应用能力的培养

在这些院校的课程设置中，明确显示出了以下几个特点：①应用统计和统计应用类课程占了很大的比重。例如在斯坦福大学，占到了78.8%；麻省理工学院为71%；普林斯顿大学为86%，其它院校情况也类似。这充分说明了在当今统计教育中，越来越强调统计应用能力的培养。从某种意义上来说，它也反映出了当今对统计应用人才的需求。②课程及时反映了统计在应用领域的最新进展。基因是分子生物学中的研究前沿，利用统计分析方法分析基因代码信息，及时反映在课程“代码破译”中（Breaking the Code，斯坦福大学）。又如，海量数据的分析又是一个研究热点，新加坡国立大学等就设有“数据挖掘”课程。③全面反映统计与其它学科的融合。各个院校开设了大量这样的课程。有生物统计、金融统计、商务统计、工程统计、物理统计、社会统计、心理统计、财务统计、医学统计，连公共事务和诉讼都有涉及。④强调依据实际问题建模和分析。各个院校都有统计建模的课程，培养学生分析问题和解决问题的能力。如“统计建模导论”（斯坦福），“统计咨询”，“需求建模”和“高级需求建模”（麻省理工），“随机建模”（普林斯顿），“统计实践”（多伦多）等。课程具体内容设计也十分注重实践环节。比如《统计咨询》课程，要求学生用6~8周时间深入实际，了解用户需求，构建模型，进而进行计算分析，最终形成分析报告交给用户。⑤推广和普及统计思想。与确定性数学不同，统计主要解决的是不确定的问题，有着其特有的思维逻辑和分析方法。学生初次接触时，一般较难理解和接受，讲授统计课程的教师都会有这样的体会。为了普及相关的教育，各校都开设了介绍统计知识的普及课程。如“了解统计模型和在社会科学中的应用”（斯坦福），“了解不确定性和统计的思想”（新加坡国立），“统计思想导引”（普林斯顿）等。学生通过这些课程，不仅能增进对统计思想的了解，亦为今后可能的统计应用打下基础。

三、建议

基于上述对部分世界一流大学所设统计课程情况所作的分析，不难看出，当今统计教育正越来越向应用方向发展。为此，笔者对我国统计专业及相关课程建设提出两点建议：①积极鼓励统计专业教师做跨学科的研究，开设交叉的统计应用类课程，充分发挥统计的分析决策作用，使统计真正成为一门强有力的支撑学科；②强化对学生统计应用能力的培养。包括开设类似于“统计咨询”这样的课程，让学生在教师的引导下，深入实际，了解用户的需求，上升为统计模型。学会判断，根据实际问题选择合适的统计方法来加以解决。一旦学生掌握了这样的能力，就能与今后的实际工作无缝对接。当然，要实现这样的目标，对教师本身的统计应用能力是一个挑战。

参考文献：

统计学的分类方法范文第4篇

关键词：大数据；经管类专业；课程体系

大数据时代给社会经济发展带来了机遇和挑战，社会各行各业对数据分析需求大幅上升，需要借助数据分析实现数据的增值，挖掘数据背后的潜在价值，为其经营管理决策、投资决策提供智力支持。随着社会经济发展对具有数据管理和数据分析能力的应用创新型经济管理人才的需求逐渐攀升，也引发了对高校经管类专业学生能力的更高要求。面对纷繁复杂的社会经济环境，经管类专业学生必须能够广泛应用定量分析技术，能够从海量数据中获取有效数据，运用科学的方法从这些数据中提取出有用信息，建立相应的模型，作出最优决策。统计学是培养经管类专业学生定量分析能力的一门重要课程，是众多高等院校经管类专业的专业基础必修课，是以后深入学习相关定量方法类课程（诸如计量经济学、管理运筹学、市场调查与预测等）的基础。因此，统计学课程体系设置是否合理，将直接影响到学生获取有效数据和分析数据应用能力的培养，进而影响学生定量分析能力的培养。

一、经管类专业统计学课程体系存在的问题

1.课程教学定位模糊。

我国高等院校经管类专业统计学教学中的最大弊端在于一直按照前苏联划分方式将其归类为一门偏重于简单数据整理课程，而将相应的统计分析所采用方法和理论归为数理统计，因此在教学中不重视对后者的学习。然而，西方发达国家的统计学课程是同时包括这两个部分内容的，尤其是后一个部分内容是定量分析的重要基础。因此，在传统统计学教学定位下，学生只认识了基本理论与概念，却掌握不了处理和分析数据的能力，这与经管类专业应用型人才培养目标相背离，难以适应大数据时代社会各领域对经济管理人才素质的新需求。

2.课程体系有待完善，与经管类专业融合不够。

目前，大多数高等院校经管类专业统计学课程设置只涉及理论统计学这一领域，未将统计分析方法与相关经管类专业知识有机结合。在这样的课程体系安排下，学生虽然掌握了统计基本理论和方法，但难以体会到统计在本专业学习中的应用价值，当面临现实的经济、管理问题却无能为力，不会运用所学统计方法，结合专业知识对实际问题进行定量分析。这种状况与经管类人才定量分析能力培养目的相违背，难以实现具有创新能力的经管类人才的培养目标。因此，如能结合经管类专业特点，对统计学的课程体系进行优化建设，势必能够培养出具有定量分析技能，满足社会需求和企业需求，符合大数据时代人才素质要求的经济管理人才。

二、大数据时代经管类专业统计学课程体系构建

1.明确课程教学定位。

目前，统计学教学中偏重于统计学基本概念、基本模型和基本方法的理论知识学习，系统性较强，有利于学生全面了解统计学的知识体系，但是对统计思维能力的培养和统计方法的应用重视不够，这不仅会让学生望而生畏，从而失去学习的主动性与积极性，更为重要的是学生不能够学以致用，在自己本专业深入学习过程中不会运用统计学知识来解决实际的经济管理问题，而在教与学中出现的这些问题源头在于教学定位不够准确。因此，本文提出新的课程教学定位：以应用创新型人才培养为导向，提高经管类专业学生定量分析能力为目标，结合经济学科和管理学科的特点，通过统计学的理论教学、案例分析、课程设计、实验（践）等教学环节，培养学生统计思维能力和统计应用能力，具备运用统计学理论与方法，研究社会经济管理领域有关数据收集、整理、分析等解决实际问题的综合能力，以适应大数据时代对经济管理人才的新需求。

2.课程体系优化建设。

根据新的教学定位，统计学课程体系优化建设的基本思路：一是课程体系设置要强调基础知识、注重灵活应用、突出定量分析的教学理念和教学目标；二是课程结构上，突出专业针对性，强调统计学科和经济学科、管理学科的有机结合，使课程特色化；三是建立实践教学体系，加强学生实践能力的锻炼，为学生提供综合素质和能力提高的实训平台；四是将统计分析软件的运用融入到课程体系之中，加强统计分析软件的技能培养。因此，本文将运用模块化系统集成思想，根据经济与管理类各专业的要求，提出按专业分模块，按模块分层次，按层次定内容的改革方案，构建“课程体系课程子系统课程模块具体内容”的递阶控制结构模型。在统计学课程体系优化建设中，我们运用系统科学的方法构建出模块化、层次化集成的课程体系在整体功能上达到了最佳状态。课程基础子系统是统计学理论基础和统计思维培养阶段，由统计学基本原理和基本理论构成，体现了“厚基础”的功能。课程应用子系统和课程案例子系统是统计分析能力训练阶段，首先结合认知性案例模块系统介绍统计分析方法，让经管类专业学生了解统计分析方法的基本原理，其次进一步结合专业特色案例模块和统计分析软件模块，通过分专业教学方式，使不同专业学生能够体会到统计学在本专业中的应用，增强学生的学习兴趣，体现了“强能力”的功能。课程实践子系统是统计应用能力实践阶段，是培养大数据时代应用型经管人才的重要环节。课程实践主要包括课堂实践和实验室模拟，课外实践主要包括社会实践活动、实训实习和相关竞赛，通过课程实践和课外实践两大平台训练学生运用所学统计调查、统计整理和统计分析等知识解决实际问题的综合能力。课程选修子系统是统计应用能力扩展阶段，该阶段在学生掌握统计学相关知识的基础上，通过选修统计预测与统计决策两大模块，进一步培养学生的定量分析能力。

三、结束语

大数据时代经管类专业统计学课程体系构建，应注重强化基础理论，突出知识的实用性和创新性，做到统计知识与实例分析相结合，与软件应用相结合，理论教学与实践教学相结合，与实际应用相结合。根据经管类各专业特色，以“知识+能力+应用”模式进行模块化、层次化课程体系设置，从本质上提升学生的数据素养和信息素养，提高解决实际问题的定量分析能力，以适应大数据时代对人才素质的新需求，使具有数据管理和数据分析能力的经济管理人才在就业市场上更具有竞争力。

参考文献：

[1]孙根年.课程体系优化的系统观及系统方法[J].高等教育研究，2001，（2）.

[2]曾五一，肖红中、庞皓，朱建平.经济管理类统计学专业教学体系的改革与创新[J].统计研究，2012，（2）.

[3]姚寿福.经济管理类本科专业统计学课程教学改革思考[J].高等教育研究（成都），2012，（3）.

[4]朱怀庆.大数据时代对本科经管类统计学教学的影响及对策[J].高等教育研究（成都），2014，（3）.

[5]姜钮，姜裕，吕洁华.高校经济管理专业统计课程教学改革探讨[J].教育探索，2014，（6）.

统计学的分类方法范文第5篇

关键词：自动控制原理；实验成绩；改进灰统计；比较

作者简介：胡志华（1980-），女，河南商丘人，华北水利水电学院机械学院，讲师；王瑞莲（1976-），女，河南南阳人，华北水利水电学院电力学院，讲师。（河南 郑州 450011）

基金项目：本文系河南省高等学校实验教学示范中心（教高【2010】1047-25号）资助的研究成果。

中图分类号：G642.423?????文献标识码：A?????文章编号：1007-0079（2012）21-0086-02

“自动控制原理”是电气类、信息类、机械类等专业的专业基础课，熟练掌握这门课程，是为专业课奠定基础。它是一门理论性较强的课程，课堂理论教学结束后需要进行实验教学。实验教学是理论联系实际的过程，是灵活运用课堂上所学理论知识的过程。但实验成绩的评定通常情况下是把每个学生所做的每个实验分数进行“和平均”得到一个最终的分数即为学生的总成绩，依此分数确定学生的实验成绩等级。基于对教学的改革，衍生了对成绩评定方法的优化研究。文献[1]把灰统计方法应用于创新型实验成绩的评定，但是该方法在确定学生的成绩为“优秀”或者是“良好”和“及格”与“不及格”时有争议，本文采用改进的灰统计的方法，用于确定自动控制原理实验的总成绩，使该课程实验成绩的最终确定更有理论依据，为教学成绩的确定提供经验。

一、建立灰统计模型

1.样本矩阵

每个学生做的自动控制原理实验个数n=8，分别为：实验1：典型环节的电路模拟与软件仿真；实验2：线性定常二阶系统的瞬态响应；实验3：线性系统稳态误差的研究；实验4：系统频率特性的测量；实验5：线性定常系统的串联校正；实验6：非线性系统的描述函数法；实验7：具有内部模型的状态反馈控制系统；实验8：采样控制系统的分析。

假设有m个学生，这m个学生做的n个实验成绩就构成统计矩阵D：

假设第m个学生的第n个实验分数属于统计灰类k，分为优、良、中、及格、不及格5大类，分别记为k1(优)，k2(良)，k3(中)，k4(及格)，k5(不及格)。

2.灰类白化函数

文献[1]中的白化函数定义如表1。从表1中可以看出，分数在[90，100]和[0,60]这两个范围内定义的灰类白化函数表达式为1，和其他范围分数段的灰类白化函数表达式定义不同，相比之下，对[90，100]和[0,60]这两个范围内得出的白化函数值要偏大，即容易把接近于“优秀”的“良好”得出“优秀”的成绩，容易把接近于“不及格”的“及格”成绩得出“不及格”的成绩，文献[1]中的算例也是这样的结果。基于这个原因，考虑采用表2所示的白化函数表达式。

3.计算k类决策系数nmk及综合决策系数nm

计算k类决策系数nmk：nmk为第m个学生属于第k个灰类的系数，公式如下：

其中为第m个学生第n个实验的成绩所提供的决策量白化值。

计算综合决策系数nm的公式如下：

k类决策系数nmk及综合决策系数nm计算结果见表3。

4.计算决策权

决策权rmk为第m个统计指标对灰类k的灰评估值，采用公式如下：

决策权向量表示第m个在不同统计灰类下的权。

5.判断灰类

若决策权向量中第k*个权rmk*最大，即：

则第m个指标属于第k*个灰类。

二、应用实例

假设某年毕业设计成绩样本如下表3。

灰统计计算结果如表4。

可见这5个学生的决策权向量：

由决策权向量即可得出这5个学生属于的灰类:

R1k*=max(r1k)= max(r11)=0.257，学生1的自动控制原理实验成绩属于k1灰类，即为优秀；

R2k*=max(r2k)= max(r21)=0.254，学生2的自动控制原理实验成绩属于k1灰类，即为优秀；

R3k*=max(r3k)= max(r34)=0.223，学生3的自动控制原理实验成绩属于k4灰类，即为及格；

R4k*=max(r4k)= max(r45)=0.232，学生4的自动控制原理实验成绩属于k5灰类，即为不及格；

R5k*=max(r5k)= max(r53)=0.226，学生5的自动控制原理实验成绩属于k3灰类，即为中等；

R6k*=max(r6k)= max(r64)=0.217，学生6的自动控制原理实验成绩属于k4灰类，即为及格；

R7k*=max(r7k)= max(r74)=0.218，学生7的自动控制原理实验成绩属于k4灰类，即为及格；

R8k*=max(r8k)= max(r82)=0.232，学生8的自动控制原理实验成绩属于k2灰类，即为良好。

三、分析与比较

“改进和平均”方法就是把每个学生的8个分数去掉1个最高分和最低分后平均，对这8个学生8个成绩采用“和平均” 、“改进和平均”、“灰统计”和“改进灰统计”的方法得出的成绩的等级进行比较，如表5。

由表5知，采用文献[1]中的灰统计方法得到的学生成绩等级与用“和平均”和“改进和”平均方法得到的成绩等级基本相同，但是“学生3”的成绩用这两种方法区别较大，和平均方法“学生3”的成绩评定等级为“及格”，而用灰统计方法得到的成绩是“不及格”，采用“改进灰统计”方法得出的成绩等级也是“及格”。另外，按照文献[1]中所述，用“灰统计”方法得出这样的结果是因为各位老师给“学生3”的成绩评定分散较大所致，即为各个老师对这个学生的成绩分歧较大造成，但是看“学生4”和“学生6”，各老师对这个学生打分的分散性更大，但是与“和平均”的成绩等级一样，只有“学生7”符合文献[1]所述结论，因而考虑采用改进的灰统计方法分析自动控制原理实验的总成绩比较合理。

参考文献：

[1]吴石林,等.创新型实验成绩的灰统计评估[J].实验技术与管理，2009,(4):132-134.

[2]邓聚龙,等.灰理论基础[M].武汉:华中科技大学出版社,2002.

[3]彭计红.高等教育中平时成绩评定的思考[J].南京中医药大学学报:社会科学版,2011,12(4):246-246.

[4]罗晓琴.大学物理实验成绩评定方式探索[J].实验科学与技术,2011,(5):102-10.

[5]刘宏超,岳红云.基于因子分析法的学生成绩影响因素的数学模型研究[J].高等函授学报(自然科学版),2011,(5):57-58,60.

[6]张志英.模糊评价法在本科毕业设计成绩评定中的应用[J].浙江理工大学学报,2011,(3):467-470.

[7]张陆.基于灰统计模型的图书馆用户满意度评估方法研究[J].情报杂志,2006,(12):51-52.

[8]张继东.AHP方法在课程教学质量评价中的应用[J].天津理工大学学报,2008,(4):82-84.

[9]张峰,胡艳连.模糊综合评判和层次分析法在高校教学评价中的应用[J].长春师范学院学报(自然科学版),2006,25(3):10-13.

[10]黄淑兰,郑承志.高职院校教师课堂教学质量灰色综合评价[J].宁波职业技术学院学报,2010,(2):46-50.

[11]江捷.美国大学课程成绩评定方法及启示[J].电气电子教学学报,2011,(6):21-22,30.

[12]罗忠.大学课程平时成绩的评定方法探索与实践[J].教学研究,2011,(5):31-34.

[13]柴伟文,曹黎侠.关于考查课教育及成绩评定的思考与探索[J].价值工程,2011,(24):264-265.

统计学的分类方法范文第6篇

关键词: 生物信息学 医学统计学 课堂教学

生物信息学融合了生物技术、计算机技术、数学和统计学的大量方法，已逐渐成为发现生命过程中所蕴涵知识的一门重要学科。其基本问题主要包括：DNA分析、蛋白质结构分析、分子进化。医学统计学作为医科院校的基础课程之一，长期以来其理论和方法就广泛应用于临床医学、基础医学的各类研究中。随着生物新技术的诞生，在推动生物信息学发展的同时，医学研究对象也由宏观的病人、生物组织拓展到微观的基因领域，所面对的实验数据在性质和结构上也都有所不同，这对医学统计学的应用提出了新的更高的要求。

目前，医学统计学的很多原理和方法已成功地应用于这些新研究之中，并在此基础之上有了新的发展和改进。如概率分布的知识与序列相似性分析、蛋白质分类等技术密切相关；方差分析、非参数检验方法经改进和结合后在基因表达数据的前期分析中发挥了较好的作用；而聚类分析、判别分析、相关分析这些大家所熟知的统计学方法更是在基因分类和调控网络的建立中得到了广泛的应用。在进行医学统计学课堂教学时加入生物信息学方面的应用实例，不仅可以使学员了解本学科研究的前沿和医学、生物信息学研究的新发展，还可以提高学员对于医学统计学理论学习的兴趣，掌握先进的生物实验数据分析方法，提高今后从事医学科研的能力。下面，本文在回顾医学统计学授课主要内容的基础上，就医学和生物信息学中的可能应用举例如下：

一、概率分布

概率分布（probability distribution）是医学统计学中多种统计分析方法的理论基础。授课内容一般包括：二项分布、Possion分布、正态分布、t分布、F分布等。

借助概率分布常常可以帮助我们了解生命指标的特征、医学现象的发生规律等等。例如，临床检验中计量实验室指标的参考值范围就是依据正态分布和t分布的原理计算得到；许多医学试验的“阳性”结果服从二项分布，因此它被广泛用于化学毒性的生物鉴定、样本中某疾病阳性率的区间估计等；而一定人群中诸如遗传缺陷、癌症等发病率很低的非传染性疾病患病数或死亡数的分布，单位面积（或容积）内细菌数的分布等都服从Poisson分布，我们就可以借助Poisson分布的原理定量地对上述现象进行研究。

在生物信息学中概率分布也有一定应用。例如，Poisson分布可以用于基因（蛋白质）序列的相似性分析。被研究者广泛使用的分析工具BLAST (Basic Local Alignment Search Tool)能迅速将研究者提交的蛋白质（或DNA）数据与公开数据库进行相似性序列比对。对于序列a和b，BLAST发现的高得分匹配区称为HSPs。而HSP得分超过阈值t的概率P(H(a，b)>t)可以依据Poisson分布的性质计算得到。

二、假设检验

假设检验（hypothesis）是医学统计学中统计推断部分的重要内容。假设检验根据反证法和小概率原理，首先依据资料性质和所需解决的问题，建立检验假设；在假设该检验假设成立的前提下，采用适当的检验方法，根据样本算得相应的检验统计量；最后，依据概率分布的特点和算得的检验统计量的大小来判断是否支持所建立的检验假设，进而推断总体上该假设是否成立。其基本方法包括：u检验、t检验、方差分析（ANOVA）和非参数检验方法。

假设检验为医学研究提供了一种很好的由样本推断总体的方法。例如，随机抽取某市一定年龄段中100名儿童，将其平均身高（样本均数）与该年龄段儿童应有的标准平均身高（总体均数）做u检验，其检验结果可以帮助我们推断出该市该年龄段儿童身高是否与标准身高一致，为了解该市该年龄段儿童的生长发育水平提供参考。又如，医学中常常可以采用t检验、秩和检验比较两种药物的疗效有无差别；用2检验比较不同治疗方法的有效率是否相同等等。

这些假设检验的方法在生物实验资料的分析前期应用较多，但由于研究目的和资料性质不同，一般会对某些方法进行适当调整和结合。

例如，基于基因芯片实验数据寻找差异表达基因的问题。基因芯片（gene chip）是近年来实验分子生物学的技术突破之一，它允许研究者在一次实验中获得成千上万条基因在设定实验条件下的表达数据。为了从这海量的数据中寻找有意义的信息，在对基因表达数据进行分析的过程中，找到那些在若干实验组中表达水平有明显差异的基因是比较基础和前期的方法。这些基因常常被称为“差异表达基因”，或者“显著性基因”。如果将不同实验条件下某条基因表达水平的重复测量数据看作一个样本，寻找差异表达基因的问题其实就可以采用假设检验方法加以解决。

如果表达数据服从正态分布，可以采用t-检验（或者方差分析）比较两样本（或多样本）平均表达水平的差异。

但是，由于表达数据很难满足正态性假定，目前常用的方法基于非参数检验的思想，并对其进行了改进。该方法分为两步：首先，选择一个统计量对基因排秩，用秩代替表达值本身；其次，为排秩统计量选择一个判别值，在其之上的值判定为差异显著。常用的排秩统计量有：任一特定基因在重复序列中表达水平M值的均值 ；考虑到基因在不同序列上变异程度的统计量 ，其中，s是M的标准差；以及用经验Bayes方法修正后的t-统计量： ，修正值a由M的方差s2的均数和标准差估计得到。

三、一些高级统计方法在基因研究中的应用

（一）聚类分析

聚类分析（clustering analysis）是按照“物以类聚”的原则，根据聚类对象的某些性质与特征，运用统计分析的方法，将聚类对象比较相似或相近的归并为同一类。使得各类内的差异相对较小，类与类间的差异相对较大1。聚类分析作为一种探索性的统计分析方法，其基本内容包括：相似性度量方法、系统聚类法（Hierarchical Clustering）、K-means聚类法、SOM方法等。

聚类分析可以帮助我们解决医学中诸如：人的体型分类，某种疾病从发生、发展到治愈不同阶段的划分，青少年生长发育分期的确定等问题。

近年来随着基因表达谱数据的不断积累，聚类分析已成为发掘基因信息的有效工具。在基因表达研究中，一项主要的任务是从基因表达数据中识别出基因的共同表达模式，由此将基因分成不同的种类，以便更为深入地了解其生物功能及关联性。这种探索完全未知的数据特征的方法就是聚类分析，生物信息学中又称为无监督的分析（Unsupervised Analysis）。常用方法是利用基因表达数据对基因（样本）进行聚类，将具有相同表达模式的基因（样本）聚为一类，根据聚类结果通过已知基因（样本）的功能去认识那些未知功能的基因。对于基因表达数据而言，系统聚类法易于使用、应用广泛，其结果——系统树图能提供一个可视化的数据结构，直观具体，便于理解。而在几种相似性的计算方法中，平均联接法(Average Linkage Clustering)一般能给出较为合理的聚类结果2。

（二）判别分析

判别分析（discriminant analysis）是根据观测到的某些指标的数据对所研究的对象建立判别函数，并进行分类的一种多元统计分析方法。它与聚类分析都是研究分类问题，所不同的是判别分析是在已知分类的前提下，判定观察对象的归属3。其基本方法包括：Fisher线性判别（FLD）、最邻近分类法（k-Nearest Neighbor Classifiers）、分类树算法（Classification Tree Algorithm），人工神经网络（ANNs）和支持向量机（SVMs）。

判别分析常用于临床辅助鉴别诊断，计量诊断学就是以判别分析为主要基础迅速发展起来的一门科学。如临床医生根据患者的主诉、体征及检查结果作出诊断；根据各种症状的严重程度预测病人的预后或进行某些治疗方法的疗效评估；以及流行病学中某些疾病的早期预报，环境污染程度的坚定及环保措施、劳保措施的效果评估等。

在生物信息学针对基因的研究工作中，由于借助了精确的生物实验，研究者通常能得到基因（样本）的准确分类，如，基因的功能类、样本归结于疾病（正常）状态等等。当利用了这些分类信息时，就可以采用判别分析的方法对基因进行分类，生物信息学中又称为有监督的分析（Supervised Analysis）。例如，基因表达数据分析中，对于已经过滤的基因，前三种方法的应用较为简单。而支持向量机（SVMs）和人工神经网络（ANNs）是两种较新，但很有应用前景的方法。

（三）相关分析

相关分析（correlation analysis）是医学统计学中研究两变量间关系的重要方法。它借助相关系数来衡量两变量之间的关系是否存在、关系的强弱，以及相互影响的方向。其基本内容包括：线性相关系数、秩相关系数、相关系数的检验、典型相关分析等。

我们常常可以借助相关分析判断研究者所感兴趣的两个医学现象之间是否存在联系。例如，采用秩相关分析我们发现某种食物中黄曲霉毒素相对含量与肝癌死亡率间存在正相关关系；采用线性相关方法发现中年女性体重与血压之间具有非常密切的正相关关系等等。

生物信息学中可以利用相关分析建立基因调控网络。如果将两个不同的基因在不同实验条件下的表达看作是两个变量，相关分析所研究的正是两者之间的调控关系。如采用线性相关系数进行两基因关系的分析时，其大小反应了基因调控关系的强弱，符号则反应了两基因是协同关系（相关系数为正），还是抑制关系（相关系数为负）。

四、意义

生物信息学不仅是医学统计学的研究前沿，更是医学研究由宏观向微观拓展的重要领域，其研究内容已逐渐为多数医学院校的学员了解和熟悉。而如何对新技术产生的生物实验数据进行准确合理的分析，却成为生物信息学研究的主要瓶颈之一。

在医学统计学课堂教学中引入生物信息学实例，而不仅仅局限于常见的医学、卫生领域的例子，将难以理解的统计理论和方法与前沿的生物实例相结合，拓宽了学员的视野，提高了学员的学习兴趣，更可以加深对所学知识的理解；与此同时，使学员掌握了生物实验数据的先进分析方法，扩大了学员的知识面，提高了他们今后开展医学科研工作的能力。

还有一些医学统计学方法目前也逐渐应用于生物信息学研究中，诸如：遗传算法、熵理论等等。但这些方法已经超出了医学统计学课堂教学的范围，我们将尝试在第二课堂或选修课中，作为补充知识进行讲授，供那些学有余力的学员学习交流。

参考文献

1．郭祖超著. 医学统计学. 第1版.北京：人民军医出版社，1999. 238-243

统计学的分类方法范文第7篇

关键词: 生物信息学 医学统计学 课堂教学

生物信息学融合了生物技术、计算机技术、数学和统计学的大量方法，已逐渐成为发现生命过程中所蕴涵知识的一门重要学科。其基本问题主要包括：DNA分析、蛋白质结构分析、分子进化。医学统计学作为医科院校的基础课程之一，长期以来其理论和方法就广泛应用于临床医学、基础医学的各类研究中。随着生物新技术的诞生，在推动生物信息学发展的同时，医学研究对象也由宏观的病人、生物组织拓展到微观的基因领域，所面对的实验数据在性质和结构上也都有所不同，这对医学统计学的应用提出了新的更高的要求。

目前，医学统计学的很多原理和方法已成功地应用于这些新研究之中，并在此基础之上有了新的发展和改进。如概率分布的知识与序列相似性分析、蛋白质分类等技术密切相关；方差分析、非参数检验方法经改进和结合后在基因表达数据的前期分析中发挥了较好的作用；而聚类分析、判别分析、相关分析这些大家所熟知的统计学方法更是在基因分类和调控网络的建立中得到了广泛的应用。在进行医学统计学课堂教学时加入生物信息学方面的应用实例，不仅可以使学员了解本学科研究的前沿和医学、生物信息学研究的新发展，还可以提高学员对于医学统计学理论学习的兴趣，掌握先进的生物实验数据分析方法，提高今后从事医学科研的能力。下面，本文在回顾医学统计学授课主要内容的基础上，就医学和生物信息学中的可能应用举例如下：

一、概率分布

概率分布（probability distribution）是医学统计学中多种统计分析方法的理论基础。授课内容一般包括：二项分布、Possion分布、正态分布、t分布、F分布等。

借助概率分布常常可以帮助我们了解生命指标的特征、医学现象的发生规律等等。例如，临床检验中计量实验室指标的参考值范围就是依据正态分布和t分布的原理计算得到；许多医学试验的“阳性”结果服从二项分布，因此它被广泛用于化学毒性的生物鉴定、样本中某疾病阳性率的区间估计等；而一定人群中诸如遗传缺陷、癌症等发病率很低的非传染性疾病患病数或死亡数的分布，单位面积（或容积）内细菌数的分布等都服从Poisson分布，我们就可以借助Poisson分布的原理定量地对上述现象进行研究。

在生物信息学中概率分布也有一定应用。例如，Poisson分布可以用于基因（蛋白质）序列的相似性分析。被研究者广泛使用的分析工具BLAST (Basic Local Alignment Search Tool)能迅速将研究者提交的蛋白质（或DNA）数据与公开数据库进行相似性序列比对。对于序列a和b，BLAST发现的高得分匹配区称为HSPs。而HSP得分超过阈值t的概率P(H(a,b)>t)可以依据Poisson分布的性质计算得到。

二、假设检验

假设检验（hypothesis）是医学统计学中统计推断部分的重要内容。假设检验根据反证法和小概率原理，首先依据资料性质和所需解决的问题，建立检验假设；在假设该检验假设成立的前提下，采用适当的检验方法，根据样本算得相应的检验统计量；最后，依据概率分布的特点和算得的检验统计量的大小来判断是否支持所建立的检验假设，进而推断总体上该假设是否成立。其基本方法包括：u检验、t检验、方差分析（ANOVA）和非参数检验方法。

假设检验为医学研究提供了一种很好的由样本推断总体的方法。例如，随机抽取某市一定年龄段中名儿童，将其平均身高（样本均数）与该年龄段儿童应有的标准平均身高（总体均数）做u检验，其检验结果可以帮助我们推断出该市该年龄段儿童身高是否与标准身高一致，为了解该市该年龄段儿童的生长发育水平提供参考。又如，医学中常常可以采用t检验、秩和检验比较两种药物的疗效有无差别；用&#;检验比较不同治疗方法的有效率是否相同等等。

这些假设检验的方法在生物实验资料的分析前期应用较多，但由于研究目的和资料性质不同，一般会对某些方法进行适当调整和结合。

例如，基于基因芯片实验数据寻找差异表达基因的问题。基因芯片（gene chip）是近年来实验分子生物学的技术突破之一，它允许研究者在一次实验中获得成千上万条基因在设定实验条件下的表达数据。为了从这海量的数据中寻找有意义的信息，在对基因表达数据进行分析的过程中，找到那些在若干实验组中表达水平有明显差异的基因是比较基础和前期的方法。这些基因常常被称为“差异表达基因”，或者“显著性基因”。如果将不同实验条件下某条基因表达水平的重复测量数据看作一个样本，寻找差异表达基因的问题其实就可以采用假设检验方法加以解决。

如果表达数据服从正态分布，可以采用t-检验（或者方差分析）比较两样本（或多样本）平均表达水平的差异。

但是，由于表达数据很难满足正态性假定，目前常用的方法基于非参数检验的思想，并对其进行了改进。该方法分为两步：首先，选择一个统计量对基因排秩，用秩代替表达值本身；其次，为排秩统计量选择一个判别值，在其之上的值判定为差异显著。常用的排秩统计量有：任一特定基因在重复序列中表达水平M值的均值 ；考虑到基因在不同序列上变异程度的统计量 ，其中，s是M的标准差；以及用经验Bayes方法修正后的t-统计量： ，修正值a由M的方差s的均数和标准差估计得到。三、一些高级统计方法在基因研究中的应用

（一）聚类分析

聚类分析（clustering analysis）是按照“物以类聚”的原则，根据聚类对象的某些性质与特征，运用统计分析的方法，将聚类对象比较相似或相近的

  

归并为同一类。使得各类内的差异相对较小，类与类间的差异相对较大。聚类分析作为一种探索性的统计分析方法，其基本内容包括：相似性度量方法、系统聚类法（Hierarchical Clustering）、K-means聚类法、SOM方法等。

聚类分析可以帮助我们解决医学中诸如：人的体型分类，某种疾病从发生、发展到治愈不同阶段的划分，青少年生长发育分期的确定等问题。

近年来随着基因表达谱数据的不断积累，聚类分析已成为发掘基因信息的有效工具。在基因表达研究中，一项主要的任务是从基因表达数据中识别出基因的共同表达模式，由此将基因分成不同的种类，以便更为深入地了解其生物功能及关联性。这种探索完全未知的数据特征的方法就是聚类分析，生物信息学中又称为无监督的分析（Unsupervised Analysis）。常用方法是利用基因表达数据对基因（样本）进行聚类，将具有相同表达模式的基因（样本）聚为一类，根据聚类结果通过已知基因（样本）的功能去认识那些未知功能的基因。对于基因表达数据而言，系统聚类法易于使用、应用广泛，其结果——系统树图能提供一个可视化的数据结构，直观具体，便于理解。而在几种相似性的计算方法中，平均联接法(Average Linkage Clustering)一般能给出较为合理的聚类结果。

（二）判别分析

判别分析（discriminant analysis）是根据观测到的某些指标的数据对所研究的对象建立判别函数，并进行分类的一种多元统计分析方法。它与聚类分析都是研究分类问题，所不同的是判别分析是在已知分类的前提下，判定观察对象的归属。其基本方法包括：Fisher线性判别（FLD）、最邻近分类法（k-Nearest Neighbor Classifiers）、分类树算法（Classification Tree Algorithm），人工神经网络（ANNs）和支持向量机（SVMs）。

判别分析常用于临床辅助鉴别诊断，计量诊断学就是以判别分析为主要基础迅速发展起来的一门科学。如临床医生根据患者的主诉、体征及检查结果作出诊断；根据各种症状的严重程度预测病人的预后或进行某些治疗方法的疗效评估；以及流行病学中某些疾病的早期预报，环境污染程度的坚定及环保措施、劳保措施的效果评估等。

在生物信息学针对基因的研究工作中，由于借助了精确的生物实验，研究者通常能得到基因（样本）的准确分类，如，基因的功能类、样本归结于疾病（正常）状态等等。当利用了这些分类信息时，就可以采用判别分析的方法对基因进行分类，生物信息学中又称为有监督的分析（Supervised Analysis）。例如，基因表达数据分析中，对于已经过滤的基因，前三种方法的应用较为简单。而支持向量机（SVMs）和人工神经网络（ANNs）是两种较新，但很有应用前景的方法。

（三）相关分析

相关分析（correlation analysis）是医学统计学中研究两变量间关系的重要方法。它借助相关系数来衡量两变量之间的关系是否存在、关系的强弱，以及相互影响的方向。其基本内容包括：线性相关系数、秩相关系数、相关系数的检验、典型相关分析等。

我们常常可以借助相关分析判断研究者所感兴趣的两个医学现象之间是否存在联系。例如，采用秩相关分析我们发现某种食物中黄曲霉毒素相对含量与肝癌死亡率间存在正相关关系；采用线性相关方法发现中年女性体重与血压之间具有非常密切的正相关关系等等。

生物信息学中可以利用相关分析建立基因调控网络。如果将两个不同的基因在不同实验条件下的表达看作是两个变量，相关分析所研究的正是两者之间的调控关系。如采用线性相关系数进行两基因关系的分析时，其大小反应了基因调控关系的强弱，符号则反应了两基因是协同关系（相关系数为正），还是抑制关系（相关系数为负）。

四、意义

生物信息学不仅是医学统计学的研究前沿，更是医学研究由宏观向微观拓展的重要领域，其研究内容已逐渐为多数医学院校的学员了解和熟悉。而如何对新技术产生的生物实验数据进行准确合理的分析，却成为生物信息学研究的主要瓶颈之一。

在医学统计学课堂教学中引入生物信息学实例，而不仅仅局限于常见的医学、卫生领域的例子，将难以理解的统计理论和方法与前沿的生物实例相结合，拓宽了学员的视野，提高了学员的学习兴趣，更可以加深对所学知识的理解；与此同时，使学员掌握了生物实验数据的先进分析方法，扩大了学员的知识面，提高了他们今后开展医学科研工作的能力。

统计学的分类方法范文第8篇

关键词:统计学;教学方法;教学改革

统计学是探究数据规律的一门学科，通过数据分析可以展现不同变量之间的关系，并进行推断，是现代自然科学、社会科学研究中非常重要的工具之一。统计分析与决策在经济管理专业教学中居于重要的位置，统计学方法可以对经济管理中的大量数据进行定量分析，为管理决策提供支持，尤其是在医药经济管理中统计分析起到非常重要的作用［1］。因此统计学成为高等院校特别是经济管理专业的核心课程，统计学教育是大学经济学教育的重要组成部分。但是有相当一部分学生认为统计学的内容难度较大，统计理论基础部分难于理解，对统计学的学习产生“畏惧感”。同时随着各类数据分析软件的推出和不断升级，新型数据分析方法被提出，这就要求统计专业教师需要积极探索新型的教学方法和对教学内容进行调整。

1经管类专业学生对统计学课程的认知

在医药经管类专业的课程设置中，统计学居于重要的地位，相对于医药经管类的一些其他基础课课程，它需要具有一定的数学基础和较好的逻辑思维能力，同时统计学也具有很强的实践性，在管理决策和社会分析中起着重要的作用［2］。但就目前来看，统计学教学还存在一些不甚合理之处，如过分强调统计理论和方法的讲授，忽略统计分析和实践。这一教学模式很可能会导致学生掌握了统计基本理论，却不会进行软件操作，无法有效分析统计软件的结论。

2经管类专业统计学教学存在的问题

2.1教学与教材偏重理论，与专业应用结合不够

大学经济管理专业统计学教学在很大程度上还是注重统计理论的推理和证明，对统计应用的实际操作的关注较少［3］。这种教学方式会导致学生对统计学的认识出现偏差，仅仅认为统计学是一门数学理论课程，没有实际的应用价值，从而可能会忽略统计学在经济管理中的地位［4］。同时，学生在学习了大量的统计理论后，遇到实际问题无从下手，不能选择合适的数据分析方法;或者无法有效地解读统计分析结果，无法找到关键信息。教材方面，当前大多数教材编写过程中普遍存在着覆盖知识面广，但重要部分讲解不够精细的现象，一些教学内容与医药经管专业的学生需求不符合，导致学生所学无法应用到实际中。统计学作为一门方法课程，对于经济管理类学生最重要的是其应用，应用统计方法解决经济管理中的实际问题，但是现有的一些教材中的例子和实际结合较少，仅仅是一些统计方法的演示，无法让学生深刻体会统计在本专业中的应用价值，也就无法提升学生的学习兴趣。

2.2教学手段单一，学生学习积极性较低

当前的统计学教学仍然依赖于传统的课堂教学，教师通过黑板和PPT进行知识点的讲解，学生边听边做笔记，基本上属于“满堂灌”的“填鸭式”教学，授课内容理论推导和公式讲解占据了大多数，这一现状在信息技术快速发展的今天对于经济管理类专业学生来说显得不合时宜。由于在传统的统计教学中教师更多关注统计理论的讲授，而统计理论中的数学基础部分又较难理解，因此学生对于统计学的学习积极性较低，甚至产生挫败感［5］。当前统计教学方法较为单一，教师授课依然是单纯的理论方法的讲解，无法激发学生的学习兴趣，虽然教师会通过提问甚至是点名上黑板做题来加强和学生的互动，但收效甚微。这种单纯的理论教学和单通道的知识灌输，必然会使学生学习积极性降低，而且还会导致学生在学习中产生畏难情绪。学生在统计课堂教学中和教师的互动较少，而且气氛也不热烈，这其实是学生学习积极性低的一种表现。

2.3考核方式单一

传统的统计学考核方式比较单一，考核题型多是以试卷笔试为主，考核的题型多为常见的选择题、判断题、填空题、解答题和计算题等，考核内容多集中于基本概念和基本理论的理解。这种导向也使得学生在学习和复习时只关注考核内容的记忆，对于一些应用的实际背景或者统计软件的使用反而关注较少，学生通过短期的突击复习可以取得较好的成绩，但是对统计学的综合分析和应用能力却未能得到训练和提高。可以看出单一的考核方式不仅无法全面地评估学生对统计学的掌握情况，也间接影响了学生统计分析能力的提升［6］。

3经管类专业统计教学改革的思考

3.1调整教学内容

在经济管理专业的统计学教学内容设计中，既要保证一般统计理论的讲解，还要考虑到经管类学生专业的特点，选择难度适中的教材，并对教学章节进行合理的分配［7］。学生通过统计学学习，不仅可以理解统计的基本理论，更要掌握统计软件的使用，分析统计结果所表现出来的重要信息。

3.1.1理论部分的设置

统计学理论部分是统计学学习的基础，统计理论部分内容较多而且多涉及数学知识，经管类专业的学生理解有一定的困难。因此在对经济管理专业学生授课时，应该结合专业研究的特点有重点地设计课程内容，注重描述统计、相关性分析、抽样分布、方差分析和回归分析等知识点的讲解。让学生了解基本的统计学理论基础，又不至于陷入繁杂的数学分析中［8］。

3.1.2实验部分的设置

统计教学中，统计软件的使用和统计结果的分析也非常重要，尤其是经管类专业的学生需要从统计分析结果中识别出重要信息为管理决策提供支持，因此统计软件的上机实验就显得必不可少。在实验内容中主要介绍，统计分析的步骤和统计结果输出的分析。在实验部分，学生要掌握数据库的构建、缺失数据的处理。通过理论和实验教学的完美结合，提高学生对统计的认知能力，使学生不仅掌握统计的基本知识、理论和方法，而且可以应用统计软件对数据进行分析，有效解读分析结果，提高解决实际问题的能力。

3.1.3积极开辟第二课

堂统计学单纯依靠课堂教学只能够让学生掌握一些基本的统计理论和统计分析方法，但是对于统计方法的实践操作和应用还存在一些不衔接。教师可以通过开设一些社会实践或者开放性实验帮助学生更加深刻地理解统计分析方法，引导学生完成统计实践任务，把课程中的方法和知识应用到实际问题的解决中，使学生能够学以致用。全面提升学生素质。

3.2改进教学方式，提高学生的学习兴趣

在统计学教学中不可避免会涉及一些抽象的数学计算和复杂的数学推导，如何将这些抽象而复杂的知识生动地展现出来，对于提高统计学教学质量非常重要。

3.2.1注重案例的结合

统计学的数学理论部分很抽象，单纯的课堂教学很难让学生理解，这时就需要结合一些实例来教学。教师通过设计教学环境以及相应的教学案例，帮助学生设计学习情景，构建知识体系，培养学生的学习兴趣［9］。通过案例的引入强化学生对统计理论和统计分析方法的掌握和理解，令学生能够学以致用，信息社会网上资源丰富，教师在教学前可以通过网络收集教学资料，结合当前的经济社会中的热点问题设计案例，增强趣味性、引导性和时效性(例如可以通过一些公开的资本市场的股票波动设计案例);还可以让学生自由选题，再结合学习的统计分析方法进行分析说明，对相关的统计分析结果进行解读。

3.2.2充分利用网络教学平台

网络教学平台是在网络系统的基础上，对教学过程(课件的制作与、教学组织、教学交互、学习支持和教学评价)进行全面支持，通过平台可以进行交互式教学，改变了以往单一的课堂教学模式，突破了传统教学的物理位置限制。随着各种网络教学平台在教学中的应用，这种教学方式将成为未来的一个重要发展方向。统计学教学可以借助网络教学平台，实现教学模式的多样化，学生在课前选择观看教学视频熟悉教学内容，课堂教学则以应用、答疑和案例教学为主，这样不仅可以提高课堂教学效率，而且还可以增强课堂教学的趣味性。

3.2.3重视统计软件教学的结合

统计理论的教学内容枯燥乏味，而且难于理解，在教学中结合统计分析软件的使用，不仅可以使学生掌握各类统计分析软件，还可以使学生对于统计分析理论的理解更加深刻。通过统计软件的实验还可以使学生快速分析大量数据，解释分析结果，体现统计分析的实用价值。在软件教学中引入多种基本的统计数据分析软件，例如EXCEL，SPSS和SAS可以让学生能够掌握多种常用统计软件的操作分析方法，拓宽学生软件操作的能力界限。

3.2.4重视实践教学的结合

通过实践教学，能够让学生将课堂所学的统计知识和生活中的实际问题相结合培养学生分析问题和解决问题的能力，令学生发现统计分析在经济管理和实际生活中的重要作用，激发学生学习兴趣。

3.3考核方法的改进

在统计学课程考核中，考试内容和方法既要关注统计基本理论的考察，也要重视统计软件的实际操作和结果分析。因此，经济管理专业的统计学考核方式，应该考虑使用笔试和上机实验相结合的方法。笔试可测试学生对基本知识的掌握情况，上机操作则考核学生对一般统计软件的掌握情况。为了加强对学生综合统计分析能力的培养，还可以考虑将平时作业成绩按比例计入最终考核成绩［10］。考试成绩可以由平时成绩20%、笔试成绩60%和上机实验操作20%三部分构成。综合测评不仅可以评估学生对基本知识基本方法的掌握情况，还可以了解学生的统计分析应用能力，从而培养既具有医药管理知识背景又具有统计分析能力的学生。

参考文献

［1］黄小艳，吕杰．统计学课程教学改革探究［J］．当代经济，2014，(8):98-99.

［2］白日荣，苏永明．非统计专业统计学教学的改革与创新［J］．统计教育，2007，(12):25-26.

［3］何丽红．管理专业统计学课程教学改革的思考与实践［J］．高等理科教育，2014，(2):119-122.

［4］李因果，经管类专业学生《统计学》教学认知研究［J］．才智，2013，30:109-110.

［5］闫敏伦，李宗娟．大学统计学教学模式探讨［J］．通化师范学院学报，2009，30(4)109-111.

［6］霍东华，田秀杰．经管类统计学课程教学模式改革探讨［J］．牡丹江师范学院学报(自然科学版)，2013，82(1).

［7］吴启富．中国统计学课程建设发展改革以及存在问题［J］．统计与决策，2012，(3):47-50.

［8］胡冰．基于实践的经管类专业统计学课程教改研究［J］．齐齐哈尔大学学报(哲学社会科学版)，2016．2:172-173.

［9］邱家学．建构主义理论在《统计学原理》教学中的应用［J］．药学教育，2003，19(2):38-39.

统计学的分类方法范文第9篇

关键词：财经商贸类专业 统计基础 教学改革

随着大数据时代的到来，统计方法的应用越来越广泛，几乎所有的领域都和统计息息相关。本文仅从财经商贸类专业出发，谈谈中职统计基础知识的教学改革。

一、教学现状分析

1.学生认识不到位

一提到统计，很多学生都认为统计和数学没有什么两样，课本里面都是公式、图表、计算题，枯燥、无味。而且学生始终认为他们是来学会计、市场营销、金融、证券的，统计和他们的专业没有联系，对他们考证、考级也没有作用。所以，他们认为统计基础知识这门课学不学无所谓。这也是很多学校为迎合学生要求而停开这门课的原因。

2.教材和专业联系不紧密

现行《统计基础知识》教材的内容很少甚至几乎没有提到与财经类相关专业的联系。在教学内容上，多是以统计工作过程为主线，介绍了统计概述、统计调查、统计整理、统计指标、时间数列、指数、相关与回归分析、抽样推断等内容，很少介绍统计方法在会计、市场营销、财务管理、审计、管理会计等课程中的应用。

3.教师很少挖掘统计知识在财经商贸类专业领域的应用

由于很多职业学校专业教师缺乏，或者基础课教师过多，多数学校的统计课程都是由数学教师兼任，或者由数学教师转岗任教。这就导致了数学教师喜欢从自身专业出发，把财经商贸类的统计课程当成数学课来教，把教学重点放在公式的推导和证明，重视数理统计的讲授。即使是专业的统计教师，也很少有意识地将统计方法的讲授与财经商贸类专业领域的内容相结合，很少注重统计方法在财经商贸类专业领域的应用。

二、改革教学方法

1.强调统计和财经商贸类专业的联系，上好第一节统计课

几乎所有的教师都知道，第一节课的重要性。所以，我们在上第一节统计课的时候，要先让学生们了解统计这门课，让他们知道统计基础知识这门课程是财经商贸类专业的专业基础课，是学好财务会计、成本会计、财务管理、管理会计、证券投资、市场预测与分析等课程的基础。不能让学生先入为主，认为统计就是一门数学课，而要让他们一开始就认识到统计这门专业基础课的作用。

2.在教学过程中，举实例讲解统计方法在各专业中的应用

俗话说：“给学生一杯水，教师要有一桶水。”所以，在财经商贸类专业的统计教学中，教师不仅要钻研本专业领域的知识，而且还应该多学习一些财经商贸类专业的知识，了解有关财经商贸类专业的课程体系以及知识体系，并且有意识地将统计方法的讲授与财经商贸专业领域的内容相结合，注重统计方法在各专业领域的应用。

例如，在教授《统计调查与整理》这一章时，我们可以举例讲解统计调查与整理在市场调查与分析中的运用，可以举实例讲解问卷调查法、街头拦问法、互联网访问法等。在介绍加权算术平均数时，可以举例讲解财务会计中存货的后续计量方法――月末一次加权平均法。在讲到线性回归分析时，可以举例介绍线性回归分析法是财务管理中资金需要量预测的主要方法之一。

其实，只要统计教师肯花时间钻研统计与财经商贸类专业课程之间的联系，这样的例子举不胜举。因为统计学的本质就是一门方法论科学。

3.加强集体备课，编制校本教材

单个教师的能力和精力是有限的，不是每个统计教师都是通才，只有与各科教师集体备课、集体讨论，才会迸发出智慧的火花。通过集体备课，统计教师能开阔眼界、理清思路，上课的时候就会信手拈来，很好地把统计方法灵活地应用于财经商贸类各专业的课程中。这样，学生们学习统计基础知识就不会感觉枯燥无味、学与不学都一样了。通过长时间的集体备课，逐渐积累，编写一本适用于本校学生学习的统计基础知识课程校本教材自然就会水到渠成。

三、小结

统计学的分类方法范文第10篇

目前，医学统计学的很多原理和方法已成功地应用于这些新研究之中，并在此基础之上有了新的发展和改进。如概率分布的知识与序列相似性分析、蛋白质分类等技术密切相关；方差分析、非参数检验方法经改进和结合后在基因表达数据的前期分析中发挥了较好的作用；而聚类分析、判别分析、相关分析这些大家所熟知的统计学方法更是在基因分类和调控网络的建立中得到了广泛的应用。在进行医学统计学课堂教学时加入生物信息学方面的应用实例，不仅可以使学员了解本学科研究的前沿和医学、生物信息学研究的新发展，还可以提高学员对于医学统计学理论学习的兴趣，掌握先进的生物实验数据分析方法，提高今后从事医学科研的能力。下面，本文在回顾医学统计学授课主要内容的基础上，就医学和生物信息学中的可能应用举例如下：

一、概率分布

概率分布（probabilitydistribution）是医学统计学中多种统计分析方法的理论基础。授课内容一般包括：二项分布、Possion分布、正态分布、t分布、F分布等。

借助概率分布常常可以帮助我们了解生命指标的特征、医学现象的发生规律等等。例如，临床检验中计量实验室指标的参考值范围就是依据正态分布和t分布的原理计算得到；许多医学试验的“阳性”结果服从二项分布，因此它被广泛用于化学毒性的生物鉴定、样本中某疾病阳性率的区间估计等；而一定人群中诸如遗传缺陷、癌症等发病率很低的非传染性疾病患病数或死亡数的分布，单位面积（或容积）内细菌数的分布等都服从Poisson分布，我们就可以借助Poisson分布的原理定量地对上述现象进行研究。

在生物信息学中概率分布也有一定应用。例如，Poisson分布可以用于基因（蛋白质）序列的相似性分析。被研究者广泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速将研究者提交的蛋白质（或DNA）数据与公开数据库进行相似性序列比对。对于序列a和b，BLAST发现的高得分匹配区称为HSPs。而HSP得分超过阈值t的概率P(H(a,b)>t)可以依据Poisson分布的性质计算得到。

二、假设检验

假设检验（hypothesis）是医学统计学中统计推断部分的重要内容。假设检验根据反证法和小概率原理，首先依据资料性质和所需解决的问题，建立检验假设；在假设该检验假设成立的前提下，采用适当的检验方法，根据样本算得相应的检验统计量；最后，依据概率分布的特点和算得的检验统计量的大小来判断是否支持所建立的检验假设，进而推断总体上该假设是否成立。其基本方法包括：u检验、t检验、方差分析（ANOVA）和非参数检验方法。

假设检验为医学研究提供了一种很好的由样本推断总体的方法。例如，随机抽取某市一定年龄段中100名儿童，将其平均身高（样本均数）与该年龄段儿童应有的标准平均身高（总体均数）做u检验，其检验结果可以帮助我们推断出该市该年龄段儿童身高是否与标准身高一致，为了解该市该年龄段儿童的生长发育水平提供参考。又如，医学中常常可以采用t检验、秩和检验比较两种药物的疗效有无差别；用2检验比较不同治疗方法的有效率是否相同等等。

这些假设检验的方法在生物实验资料的分析前期应用较多，但由于研究目的和资料性质不同，一般会对某些方法进行适当调整和结合。

例如，基于基因芯片实验数据寻找差异表达基因的问题。基因芯片（genechip）是近年来实验分子生物学的技术突破之一，它允许研究者在一次实验中获得成千上万条基因在设定实验条件下的表达数据。为了从这海量的数据中寻找有意义的信息，在对基因表达数据进行分析的过程中，找到那些在若干实验组中表达水平有明显差异的基因是比较基础和前期的方法。这些基因常常被称为“差异表达基因”，或者“显著性基因”。如果将不同实验条件下某条基因表达水平的重复测量数据看作一个样本，寻找差异表达基因的问题其实就可以采用假设检验方法加以解决。

如果表达数据服从正态分布，可以采用t-检验（或者方差分析）比较两样本（或多样本）平均表达水平的差异。

但是，由于表达数据很难满足正态性假定，目前常用的方法基于非参数检验的思想，并对其进行了改进。该方法分为两步：首先，选择一个统计量对基因排秩，用秩代替表达值本身；其次，为排秩统计量选择一个判别值，在其之上的值判定为差异显著。常用的排秩统计量有：任一特定基因在重复序列中表达水平M值的均值；考虑到基因在不同序列上变异程度的统计量，其中，s是M的标准差；以及用经验Bayes方法修正后的t-统计量：，修正值a由M的方差s2的均数和标准差估计得到。

三、一些高级统计方法在基因研究中的应用

（一）聚类分析

聚类分析（clusteringanalysis）是按照“物以类聚”的原则，根据聚类对象的某些性质与特征，运用统计分析的方法，将聚类对象比较相似或相近的归并为同一类。使得各类内的差异相对较小，类与类间的差异相对较大1。聚类分析作为一种探索性的统计分析方法，其基本内容包括：相似性度量方法、系统聚类法（HierarchicalClustering）、K-means聚类法、SOM方法等。

聚类分析可以帮助我们解决医学中诸如：人的体型分类，某种疾病从发生、发展到治愈不同阶段的划分，青少年生长发育分期的确定等问题。

近年来随着基因表达谱数据的不断积累，聚类分析已成为发掘基因信息的有效工具。在基因表达研究中，一项主要的任务是从基因表达数据中识别出基因的共同表达模式，由此将基因分成不同的种类，以便更为深入地了解其生物功能及关联性。这种探索完全未知的数据特征的方法就是聚类分析，生物信息学中又称为无监督的分析（UnsupervisedAnalysis）。常用方法是利用基因表达数据对基因（样本）进行聚类，将具有相同表达模式的基因（样本）聚为一类，根据聚类结果通过已知基因（样本）的功能去认识那些未知功能的基因。对于基因表达数据而言，系统聚类法易于使用、应用广泛，其结果——系统树图能提供一个可视化的数据结构，直观具体，便于理解。而在几种相似性的计算方法中，平均联接法(AverageLinkageClustering)一般能给出较为合理的聚类结果2。

（二）判别分析

判别分析（discriminantanalysis）是根据观测到的某些指标的数据对所研究的对象建立判别函数，并进行分类的一种多元统计分析方法。它与聚类分析都是研究分类问题，所不同的是判别分析是在已知分类的前提下，判定观察对象的归属3。其基本方法包括：Fisher线性判别（FLD）、最邻近分类法（k-NearestNeighborClassifiers）、分类树算法（ClassificationTreeAlgorithm），人工神经网络（ANNs）和支持向量机（SVMs）。

判别分析常用于临床辅助鉴别诊断，计量诊断学就是以判别分析为主要基础迅速发展起来的一门科学。如临床医生根据患者的主诉、体征及检查结果作出诊断；根据各种症状的严重程度预测病人的预后或进行某些治疗方法的疗效评估；以及流行病学中某些疾病的早期预报，环境污染程度的坚定及环保措施、劳保措施的效果评估等。

在生物信息学针对基因的研究工作中，由于借助了精确的生物实验，研究者通常能得到基因（样本）的准确分类，如，基因的功能类、样本归结于疾病（正常）状态等等。当利用了这些分类信息时，就可以采用判别分析的方法对基因进行分类，生物信息学中又称为有监督的分析（SupervisedAnalysis）。例如，基因表达数据分析中，对于已经过滤的基因，前三种方法的应用较为简单。而支持向量机（SVMs）和人工神经网络（ANNs）是两种较新，但很有应用前景的方法。

（三）相关分析

相关分析（correlationanalysis）是医学统计学中研究两变量间关系的重要方法。它借助相关系数来衡量两变量之间的关系是否存在、关系的强弱，以及相互影响的方向。其基本内容包括：线性相关系数、秩相关系数、相关系数的检验、典型相关分析等。

我们常常可以借助相关分析判断研究者所感兴趣的两个医学现象之间是否存在联系。例如，采用秩相关分析我们发现某种食物中黄曲霉毒素相对含量与肝癌死亡率间存在正相关关系；采用线性相关方法发现中年女性体重与血压之间具有非常密切的正相关关系等等。

生物信息学中可以利用相关分析建立基因调控网络。如果将两个不同的基因在不同实验条件下的表达看作是两个变量，相关分析所研究的正是两者之间的调控关系。如采用线性相关系数进行两基因关系的分析时，其大小反应了基因调控关系的强弱，符号则反应了两基因是协同关系（相关系数为正），还是抑制关系（相关系数为负）。

四、意义

生物信息学不仅是医学统计学的研究前沿，更是医学研究由宏观向微观拓展的重要领域，其研究内容已逐渐为多数医学院校的学员了解和熟悉。而如何对新技术产生的生物实验数据进行准确合理的分析，却成为生物信息学研究的主要瓶颈之一。

统计学的分类方法范文第11篇

关键字：大学生 数学建模 方法 分类

当今世界人们研究自然界、人类社会的三大基本方法分别是科学计算、科学理论和科学实验。而现在人类社会面临由工业化社会向信息化社会过渡的时期，面对这个社会的过渡时期，我们需要的是一批能够适应高度信息化社会、拥有探索和研究自然界和人类社会三大方法的高素质人才。信息化社会的两个显著特点，一是计算机技术的迅速发展与广泛应用，二是数学的应用向一切领域渗透。计算机技术的飞速发展使得科学计算的作用越来越突出。全国各个高校大都开设有数学建模相关课程，培养学生的科学计算和创新的能力。

一、数学建模方法分类的意义

数学模型是对现实世界的特定对象，为了特定的目的，根据特有的内在规律，对其进行必要的抽象、归纳、假设和简化，运用适当的数学工具建立的一个数学结构。数学建模就是运用数学的思想方法、数学的语言去近似地刻画一个实际研究对象，构建一座沟通现实世界与数学世界的桥梁，并以计算机为工具应用现代计算技术达到解决各种实际问题的目的。建立一个数学模型的全过程称为数学建模。

数学建模过程就是一个创造性的工作过程。人的创新能力首先是创造性思维和具备创新的思想方法。数学本身是一门理性思维科学，数学教学正是通过各个教学环节对学生进行严格的科学思维方法的训练，从而引发人的灵感思维，达到培养学生的创造性思维的能力。同时数学又是一门实用科学，它具有能直接用于生产和实践，解决工程际中提出的问题，推动生产力的发展和科学技术的进步。

所谓分类，是对要研究的对象按照特点不同，将相似的部分归为一类，这样研究对象就被分为几种类型。在研究的过程中正是由于同一类型有相似点，不同类型又有不同点，方便对比、记忆，从而方便人们按不同类型依次分别进行研究。

本文所说的数学建模方法的分类，是从广义上出发，研究的是按照怎样的方法分类，使人们可以按照分类体系对数学建模进行认识学习，不是狭义的局限于单纯对算法或者模型进行分类，因为学习算法和模型本身就是一种学习数学建模的途径，本文不就某个途径展开分类，而是研究有哪些途径，在此称之为数学建模方法的分类。

学生学习数学建模，首先就要了解数学建模方法如何分类，只有按照一定的分类方法才能系统、完整、不纰漏的进行学习，同时，不同的分类方法适合不同的学习方法，不同的学生也会对各种分类方法有所选择。因此弄明白各种数学建模方法分类的情况，有助于更系统的了解数学建模，有助于学生选择合适的分类进行学习，有助于老师选择合适的分类方法教学，有助于研究者清楚调理地进行研究，有助于数学建模爱好者的交流分析。

二、数学建模方法的分类

现在流通于数学建模这一领域的书籍、文章等主要使用了5种分类方法：按照数学系统进行分类、按照数学模型进行分类、按照实际问题进行分类、按照分析方法和算法进行分类、按照计算软件进行分类等。下面对各种分类方法分别作介绍。

（一）按照数学系统分类

按照数学系统进行分类，也可以称之为按照大学通常开设的课程分类，即将数学建模方法分为高等数学、线性代数、概率论与数理统计三大类。

1．高等数学

与初等数学研究的是常量与匀变量相比，高等数学研究的则是不匀变量。而生活中，可以说没有什么是一成不变的，尤其是数学建模讨论的范围内，问题的一个或多个变量总是不断改变的，因此某些问题就要求我们用高等数学思想去计算。同时，高等数学是解决数学建模问题不可或缺的工具。总体来看，高等数学贯穿于所有数学问题的研究中。

高等数学的内容包括：一、函数与极限，二、导数与微分，三、导数的应用，四、不定积分，五、定积分及其应用，六、空间解析几何，七、多元函数的微分学，八、多元函数积分学，九、常微分方程，十、无穷级数。其中数学建模常用的有函数、积分、微分等。

2．线性代数

线性代数的研究对象是向量，向量空间，线性变换和有限维的线性方程组。建模问题中非线性模型可以被近似为线性模型，用行列式计算方程组问题往往使计算变得更容易，这使得线性代数在数学建模中也很常用。

线性代数的内容包括：1、行列式，2、矩阵，3、向量，4、线性方程组，5、相似矩阵与二次型。其中数学建模常用的有行列式、矩阵、线性方程组等。

3．概率论与数理统计

概率论与数理统计的理论与方法已广泛应用于数学建模中，如时间序列分析应用于石油勘测和经济管理问题，马尔科夫过程与点过程统计分析应用于地震预测问题等。

概率论与数理统计的内容包括：1、随机变量及其分布，2、多维随机变量及其分布，3、随机变量的数字特征，4、大数定律及中心极限定理，5、样本及抽样分布，6、参数估计，7、假设检验，8、方差分析及回归分析，9、bootstrap方法，10、随机过程及其统计描述，11、马尔科夫链，12、平稳随机过程。其中参数估计、方差分析、马尔科夫链等在建模中都很常用。

结论

经过以上对五种数学建模方法的分类情况的讨论，初步得到结论，在入门学习时按照数学系统分类的方法最适宜。在系统地、深入地研究数学建模时按照数学模型分类的方法最适合。按照实际问题分类和按照分析方法和算法分类由于比较典型但不够完整，因此作为前两种分类的补充最合适。按照计算软件分类的方法比较适合于上机完成数学建模的教学。我们在学习、研究、交流数学建模的时候，大学生在学习建模的时候，教师在传授数学建模的时候，爱好者在研究建模的时候，在不同的条件下按照相适应的方法分类，往往能起到事半功倍的作用。

参考文献：

[1] 叶其孝主编，大学生数学建模竞赛辅导教材（一）[M]，长沙：湖南教育出版社，1993。

[2] 叶其孝主编，大学生数学建模竞赛辅导教材（二）[M]，长沙：湖南教育出版社，1997。

[3] 叶其孝主编，大学生数学建模竞赛辅导教材（三）[M]，长沙：湖南教育出版社，1998。

统计学的分类方法范文第12篇

摘要：本文对数学建模方法分类情况做系统全面介绍，并对每种分类方法从适用情况、自身特点等方面做出客观评价，得到各种分类方法最适合使用的不同情况的结论，本文旨在此方面的研究能对数学建模学习者、教学者和研究者有所帮助。

关键字：大学生 数学建模 方法 分类

当今世界人们研究自然界、人类社会的三大基本方法分别是科学计算、科学理论和科学实验。而现在人类社会面临由工业化社会向信息化社会过渡的时期，面对这个社会的过渡时期，我们需要的是一批能够适应高度信息化社会、拥有探索和研究自然界和人类社会三大方法的高素质人才。信息化社会的两个显著特点，一是计算机技术的迅速发展与广泛应用，二是数学的应用向一切领域渗透。计算机技术的飞速发展使得科学计算的作用越来越突出。全国各个高校大都开设有数学建模相关课程，培养学生的科学计算和创新的能力。

一、数学建模方法分类的意义

数学模型是对现实世界的特定对象，为了特定的目的，根据特有的内在规律，对其进行必要的抽象、归纳、假设和简化，运用适当的数学工具建立的一个数学结构。数学建模就是运用数学的思想方法、数学的语言去近似地刻画一个实际研究对象，构建一座沟通现实世界与数学世界的桥梁，并以计算机为工具应用现代计算技术达到解决各种实际问题的目的。建立一个数学模型的全过程称为数学建模。

数学建模过程就是一个创造性的工作过程。人的创新能力首先是创造性思维和具备创新的思想方法。数学本身是一门理性思维科学，数学教学正是通过各个教学环节对学生进行严格的科学思维方法的训练，从而引发人的灵感思维，达到培养学生的创造性思维的能力。同时数学又是一门实用科学，它具有能直接用于生产和实践，解决工程际中提出的问题，推动生产力的发展和科学技术的进步。

所谓分类，是对要研究的对象按照特点不同，将相似的部分归为一类，这样研究对象就被分为几种类型。在研究的过程中正是由于同一类型有相似点，不同类型又有不同点，方便对比、记忆，从而方便人们按不同类型依次分别进行研究。

本文所说的数学建模方法的分类，是从广义上出发，研究的是按照怎样的方法分类，使人们可以按照分类体系对数学建模进行认识学习，不是狭义的局限于单纯对算法或者模型进行分类，因为学习算法和模型本身就是一种学习数学建模的途径，本文不就某个途径展开分类，而是研究有哪些途径，在此称之为数学建模方法的分类。

学生学习数学建模，首先就要了解数学建模方法如何分类，只有按照一定的分类方法才能系统、完整、不纰漏的进行学习，同时，不同的分类方法适合不同的学习方法，不同的学生也会对各种分类方法有所选择。因此弄明白各种数学建模方法分类的情况，有助于更系统的了解数学建模，有助于学生选择合适的分类进行学习，有助于老师选择合适的分类方法教学，有助于研究者清楚调理地进行研究，有助于数学建模爱好者的交流分析。

二、数学建模方法的分类

现在流通于数学建模这一领域的书籍、文章等主要使用了5种分类方法：按照数学系统进行分类、按照数学模型进行分类、按照实际问题进行分类、按照分析方法和算法进行分类、按照计算软件进行分类等。下面对各种分类方法分别作介绍。

（一）按照数学系统分类

按照数学系统进行分类，也可以称之为按照大学通常开设的课程分类，即将数学建模方法分为高等数学、线性代数、概率论与数理统计三大类。

1．高等数学

与初等数学研究的是常量与匀变量相比，高等数学研究的则是不匀变量。而生活中，可以说没有什么是一成不变的，尤其是数学建模讨论的范围内，问题的一个或多个变量总是不断改变的，因此某些问题就要求我们用高等数学思想去计算。同时，高等数学是解决数学建模问题不可或缺的工具。总体来看，高等数学贯穿于所有数学问题的研究中。

高等数学的内容包括：一、函数与极限，二、导数与微分，三、导数的应用，四、不定积分，五、定积分及其应用，六、空间解析几何，七、多元函数的微分学，八、多元函数积分学，九、常微分方程，十、无穷级数。其中数学建模常用的有函数、积分、微分等。

2．线性代数

线性代数的研究对象是向量，向量空间，线性变换和有限维的线性方程组。建模问题中非线性模型可以被近似为线性模型，用行列式计算方程组问题往往使计算变得更容易，这使得线性代数在数学建模中也很常用。

线性代数的内容包括：1、行列式，2、矩阵，3、向量，4、线性方程组，5、相似矩阵与二次型。其中数学建模常用的有行列式、矩阵、线性方程组等。

3．概率论与数理统计

概率论与数理统计的理论与方法已广泛应用于数学建模中，如时间序列分析应用于石油勘测和经济管理问题，马尔科夫过程与点过程统计分析应用于地震预测问题等。

概率论与数理统计的内容包括：1、随机变量及其分布，2、多维随机变量及其分布，3、随机变量的数字特征，4、大数定律及中心极限定理，5、样本及抽样分布，6、参数估计，7、假设检验，8、方差分析及回归分析，9、bootstrap方法，10、随机过程及其统计描述，11、马尔科夫链，12、平稳随机过程。其中参数估计、方差分析、马尔科夫链等在建模中都很常用。

结论

经过以上对五种数学建模方法的分类情况的讨论，初步得到结论，在入门学习时按照数学系统分类的方法最适宜。在系统地、深入地研究数学建模时按照数学模型分类的方法最适合。按照实际问题分类和按照分析方法和算法分类由于比较典型但不够完整，因此作为前两种分类的补充最合适。按照计算软件分类的方法比较适合于上机完成数学建模的教学。我们在学习、研究、交流数学建模的时候，大学生在学习建模的时候，教师在传授数学建模的时候，爱好者在研究建模的时候，在不同的条件下按照相适应的方法分类，往往能起到事半功倍的作用。

参考文献：

[1] 叶其孝主编，大学生数学建模竞赛辅导教材（一）[M]，长沙：湖南教育出版社，1993。

[2] 叶其孝主编，大学生数学建模竞赛辅导教材（二）[M]，长沙：湖南教育出版社，1997。

[3] 叶其孝主编，大学生数学建模竞赛辅导教材（三）[M]，长沙：湖南教育出版社，1998。

统计学的分类方法范文第13篇

【关键词】多元统计；聚类分析

【中图分类号】G648.4【文章标识码】B 【文章编号】1326-3587（2011）07-0004-02

聚类分析是多元统计中研究“物以类聚”的一种方法。在经济、社会、人口等诸多方面的研究中，都需要采用聚类分析作分析研究。过去人们主要靠经验做定性分类处理，很少利用数学方法和原理。所以许多的分类往往带有主观性和任意性，不能解释客观事物内在的本质差别和联系，特别是对于多因素、多指标的分类问题。

聚类分析正处于发展阶段，理论上虽然不很完善，但由于它能够解决许多实际问题，所以现在越来越来多的收到人们的重视。

一、聚类分析的基本思想

聚类分析方法认为，在所研究的统计总体中，各样品或指标（变量）之间存在着程度不同的相似性（亲疏关系），因此可以根据一批样品的多个观测指标，找到一些能够度量其相似程度的统计量，并根据这些统计量事物的分来进行分类。

二、聚类分析的基本概念

（1）分类。

1、按照其聚类的方法可以分为以下几种：

系统聚类法：开始每个对象自成一类，然后每次将最相似的两类合并，合并后重新计算新类与其他类的距离或相近性测度。

调优类（动态聚类法）：对n个对象初步分类，然后根据分类的损失函数尽可能小的原则对其进行调整，直到分类合理为止。

最有分割法：先将n个对象看成一类，然后根据某种最有准则将它们分割为二类、三类，分割到合理的k类为止。

还有模糊聚类法，图论聚类法和聚类预报法。

2、按照对象的不同可以分为Q型聚类和R型聚类。其中Q型聚类是根据样品进行的分类处理，而R型聚类，则是根据变量。

（2）测量尺度：距离和相似系数。

距离和相似系数，是聚类时用来度量其接近或相似程度的统计量。通常的方法，是根据统计研究对象的特点，设置一些指标并采集一些样品，如选用n个样品，p个指标，则可得到一个n*p的数据矩阵 。

矩阵的意义，可认为是P维空间中的n个点，他们分别代表代表具有p个特性和n个样品。通常可以这样理解，具有共同特性的样品在空间上的距离较近或具有较高的相似性，且它们可以用距离或相系系数去具体刻画。聚类，是根据样品聚类时，用来刻画其“靠近”程度的；相似系数是根据指标聚类时，用类刻画其相似性或相关性的。

（1）距离，用 表示第i个样品与第j个样品之间的距离。最常见，最直观的距离有绝对值距离和欧氏距离，即：

绝对值距离

欧氏距离 两者可以统一为“闵科夫斯基距离（Minkowki）”：

在刻画距离时，数据的标准化处理往往是必要的。

还有兰氏距离，马氏距离，斜交空间距离等。

（2）相似系数，用 表示第i个指标与第j个指标间的相似系数，其值从0到1，表示从疏远到密切的程度，常用的相似系数，有夹角余弦和相关系数，即：

它是指标向量之间的夹角余弦，可以证明， =1- 关系式成立。

三、聚类过程

以对指标聚类（R型聚类）为例，其聚类过程为：

（1）取 =1，把每个指标各作一类，m个指标有m类。

（2）取 =max{ }，将具有相同 的指标归并为一新类，如N={ }。

（3）构造新的m-1阶矩阵。在新的m-1阶矩阵中，新类（如N={ }）与其余类如 （w≠t，w≠s）的聚类统计量的计算方法有：最大法 =max{ , }；

最小法 =min{ , }；加权法 = + 。

（4）取 将具有相同 的指标归并为又一新类。

（5）构造新的m-2阶矩阵。在新的m-2阶矩阵中，该新类与其余类的聚类统计量的计算方法同步骤（3）。

仿此继续进行聚类，直到所有指标均归为一类。根据选取的聚类统计量的不同计算方法，可把聚类过程分为：

a、最大统计量法聚类过程；

b、最小统计量法聚类过程；

c、加权统计量法聚类过程。

其中加权统计量法聚类过程因 的不同选取将变化多端，如选 即为常用的平均统计量法聚类过程。

四、不同聚类方法的比较

系统聚类法一次形成类以后就不能改变了，这对分类方法的要求比较高，计算量较高，相应地，对计算机的内存要求较高。

动态聚类法具有计算量较小，占用计算机内存空间较少，方法简单的优点，适用于大样本的Q型聚类分析。

【参考文献】

1、石军、熊苡，《多元统计、聚类分析法在自然资源开发中的应用》山东理工大学学报

2、张世强，《关于数理统计中系统聚类法的讨论》中国卫生统计2005年10月第22卷第5期

3、袁清珂、赵汝嘉、段福兴、车军，《系统聚类分析方法与分类布点决策的研究》农业工程学报

统计学的分类方法范文第14篇

关键词：统计学；重要性；认识

一、统计学是经济类学科中的基础性学科

在当今高科技高信息时代社会里人们生存面临着很大的挑战，生存问题刻不容缓，因此、我们学知识储备知识就是为了将它用到社会上，也是为了在这社会上生存。通过知识的积累，说大了就是为社会和公民造福做贡献说小了就是为了谋生之道。我们知道知识是渊博的，人一生活到老学到老就是说这个道理。通过各种各样的科学学科储备知识，而这些学科之间紧密相连的。例如：统计学和新闻专业也有本质的联系，也许有的同学可能问我们为什么要学统计学？统计学和新闻学的最大特点就是实践性很强的学科。作为一名新闻工作者搜集信息是他的职责范围，那么他用什么方法搜集数据信息呢？这当然用统计的方法搜集。统计学对于写论文具有很重要作用，比如：动态数列分析方法在各经济类学科中的运用很频繁。

二、统计学是实践性很强而且应用性很广的学科

(一)统计学是应用性很强的学科

国家各大要害部门，像国家统计局、省、自治区、市、人民政府统计局及地区、乡、镇各部门都设有统计部门，还有非统计行业各企事业单位都设有专门统计部门和所需的专门统计专业人员。例如：医院需要统计人员，对病人、职工人数的统计，还有各种病情性质不同方面分为神经科、外科、内科、耳科、眼科、少儿科妇科等等都是用统计方法进行分类的。法院也需要统计人员，如对死刑犯的统计，各类死刑案件的统计。学校里对各院(系)的分类，每院系里各专业分类，学生人数和学生宿舍的统计等等都用了统计方法。还有人口普查是利用统计学的各种统计方法进行统计的：还有古代也很早就用了统计方法，如：十三世纪成吉思汗统治世界时，他把军队分为十户、百户、千户、万户等，十户有十户长、百户有百户长、千户有千户长、万户有万户长这样有利于作战，有利于管理军队。1.统计学是一门不可忽视的学科同学们将来就业的时候，都想以后找个好工作，有个好前途，发挥所学的知识在社会上有用。大家想过吗？就是拿统计学这门课来说，学好统计学我们就有机会到各个统计部门上班。统计学对于写论文具有很重要作用，比如：动态数列分析方法在各经济类学科中的运用很频繁。2.统计学与我们工作生活紧密相连对于学校来说，学校是很多院系组成的，系里有很多老师和员工组成的而这些老师当中的班主任是有很多学生，学生公寓来说，公寓有长，而公寓长管理着各个楼，楼里分为宿舍，这些都是用统计方法统计的。

(二)统计学是实践性很强的学科

统计学家不像数学家、物理学家和化学家一样在家里就可能推断谋中公式。统计学家(人员)必须进行实地调查。因为、统计学中所涉及的各种统计数据、资料都是来源于仔细的调查和整理。在民族学学科当中统计调查的实地调查研究是非常重要的，对一个民族地方的土地、人文化进行调查这些都是用统计方法的。

三、统计学是一门理论性很强的学科

我们都知道早先人类创造文明发明东西事先必须具备一定理论、逻辑思维，在这基础上进行各种实验创造价值。统计学也是通过对理论上的学习，才把各种统计方法运用到社会，这就是所谓的理论联系实际。还有很多科研人员进行科学研究也是把理论变成现实创造价值。

参考文献：

[1]栗方忠.统计学原理[M].东北财经大学大学出版社,2014.

统计学的分类方法范文第15篇

［关键词］多元统计分析；经济；经济学角度

社会各组织机构离不开统计分析工作，其不仅能够让各个组织机构明确相关领域过去和现在的发展状况，更能对未来的发展趋势做出准确的预判，从而制定出科学的决策。经济领域是一个复杂、庞大的系统，国家在进行经济发展战略的制定时，往往以完整、准确的经济数据为基础，进行科学化的决策。而多元统计分析是统计分析方法的创新，对我国经济战略的制定和决策具有积极的作用。

1多元统计分析的概述

随着科技水平的不断提高，在互联网的发展背景下，多元统计分析方法与智能化分析逐渐融为一体，且在新媒体上进行数据处理与分析的过程中，从传统统计分析中衍生出来，并在大数据背景下继续发展，推动着统计分析工作迈向一个新的发展阶段。多元统计分析是利用数理统计的方法研究变量的问题和理论的，在经济领域中，经济统计所涉及的变量是多边的，而传统的统计分析是“一对一”的统计方式，这种统计分析方法不仅不能实现分析的时效性，更难以保证统计变量之间的关系，而多元统计分析便能弥补传统分析法的弊端，减少信息的流失，保证信息的准确性和完整性，进而全面反映出数据的情况。

2多元统计分析方法在经济中的应用

2.1多元回归分析的应用

为了能够客观地对经济规律进行分析，需要对经济变动形式进行计量模型的建立。多元回归法是通过经济计量模型分析经济走势的，目前比较常用的是通过数字方程进行模型的建立，通过模型进行数字方程的建立，且将模型中变量之间的关系进行梳理，并通过对经济计量数据进行预测，从而对经济的发展态势进行判定分析，进而全面的研究经济问题。例如，多元回归分析在我国通货膨胀问题中的应用。众所周知，通货膨胀最显著的特征就是整体的物价上涨，在这种情况下可以将已上涨的物价按照因变量进行统计分析，并将各种影响因素作为统计分析中的自变量，在此基础上研究影响各个物价上涨的因素。通过两种因素的结合制定相应的多元回归方程，进而让整个通货膨胀率能以经济模型的形式呈现，使引起通货膨胀的原因得以更系统的形式体现。

2.2聚类分析的应用

聚类分析法是多元统计分析方法中研究分类问题的一种方式，其所研究的领域较为宽泛，例如，在分类研究的问题上，从企业出发，可以将企业的发展类型进行分类、经营方式进行分类、收益模式进行分类。从国土资源出发，可以将国民的生活水平进行分类、土地资源类型进行分类、土地资源等级进行分类。例如，聚类分析法在企业经营效益分类的应用中，其能够通过对企业自身的指标进行整合，并以这些指标数据为基础进行统计量的整合。聚类分析法通过统计量的整合数据进行分类分析，将其他一些具有相似性的数据进行类比，以此将各个企业进行分类。最后，建立一个顺序排列系统，将不同类别的企业按实际情况从小到大进行排序。此外，还能以时间轴为基础，对不同的资料进行时间上的排列，这种有序聚类亦是经济学中经常应用的方式。

2.3主成分分析应用

在经济学数据分析中，各项经济指标和经济要素较多。此外，经济学指标相互之间多数会存在一定的相关性，这就导致部分数据与指标重复，通过主成分分析便能实现数据的“降维”，将主要数据进行提炼并加以整合，简化统计分析工作。例如，在评价经济效益的应用中，为了明确经济效益，就必须对相关数据进行统计分析，然而，经济指标的重叠让指标体系呈现多个指标。这给经济效益的评价带来了一定的困难，主成分分析能够将指标体系中的多个指标进行“降维”，将重叠指标信息进行重组，防止了数据的叠加统计，进而使经济的综合评价更加准确、客观。

2.4判别分析的应用

在多元统计分析中，判别分析旨在对不同经济数据与指标进行归类，这与文中的聚类分析不同，判别分析是在聚类分析基础下进行的，是将已知的数据进行合理归类，确定测试样品的属性范围。判别分析是通过分布函数进行统计分析，通过给定的多个个体数据和总体，对各个个体数据与指标相应所属的主题进行归类。例如，在经济指标归类中，可以依据判别分析法将我国企业的经济效益进行统计分析，将不同企业的经济效益进行聚类分析，形成优、良和差三个等级，当对一个新的企业进行等级分析时，可以通过其内部的经营数据与三个大类的企业数据进行对比，与之相似度最贴近的，即为同一类别企业。通过判别分析，能够明晰社会各个领域的经济发展情况，以此来有针对性的制定发展策略，实现科学化发展。判别分析法已成为我国经济发展中常用的一种多元统计分析法。

3结语

在多元统计分析中，任何分析法之间都存在着关联性。各种方式共同揭示着我国经济现象的发展形式和规律，所以，在利用多元统计分析时，若能充分进行定量与定性两种分析的结合，可以使统计分析工作更加全面、更加准确。

作者:程荣荣 单位:山西农业大学信息学院

参考文献

［1］刘君一.多元统计分析方法在宏观经济分析中的运用［J］.时代金融,2015(20).