统计学范文第1篇
【摘要】随着我国国民经济的快速发展，我国对于矿产的开发也变得越来越重视。而本文将会从地质统计学的角度探讨地质统计学在固体矿山当中的应用。我们会通过实际的经验的地质统计学进行研究，地质统计学的应用是非常广泛的，它不仅在地理学科方面有突出的作用，在固体矿山中也是有很广泛的应用。
【关键词】地质统计学；固体矿山；应用
引言
我们今天所要说到的地质统计学最早是在二十世纪六七十年代，属于一种新兴的数学学科。最初地质统计学的作用主要在于矿产的勘察、矿山的开采等等。我们今天将要说到的地质统计学相对于传统的统计学是有很大的不同的：虽然他们都是在采集样本的基础之上，对样本的各项数据进行细致的研究，但他们的不同之处在于地质统计学会考虑到样本的大小、样本之间细小的差距，这样就可以更好的对固体矿山进行研究，也弥补了传统统计学的不足之处。本文主要会通过介绍地质统计学矿产资源储量计算、矿产分布特征、储量分类、勘探网度优化、矿产勘察以及地质统计学的概述等方面对地质统计学在固体矿山当中的应用进行探讨。
一、地质统计学的概述
地质统计学是1962年，法国著名统计学家G.Matheron在Traité de géostatistique appliquée一文最早提出的，之后其他科学家大量理论研究的基础上逐渐形成的一门新的统计学与地质学的交叉学科。地质统计学所利用的是应用统计学。地质统计学因为具有空间的分布特点，而且是利用区域变量理论作为理论基础，因此地质统计学在矿产开发、资源开发、动植物研究、地质地貌方面都有着很突出的作用。之所以将它称作地质统计学是因为，它最早只是应用在地理科学当中。地质统计学的创立最初是由G.Matheron创造的，经过长时间的改造与发展，现在的地质统计学已经成为一门非常完善的数学工具了，而且它的应用也变得越来越广泛，由最初单纯的地理研究，发展到今天在地球物理、地质、生态、土壤等领域的广泛应用。
二、地质统计学在矿山储量分析当中的应用
地质统计学是以研究区域化变量为基础的，以变异函数为研究工具， 研究在空间上具有随机性和结构性的自然现象的科学。地质统计学在矿山储量分析当中的应用中的原理大致分为以下几种：1.区域化变量区域化变量是地质统计学理论体系的核心基础，在实践中，钻孔的位置。在绝大多数情况下是不随机的。当两个样品在空间的距离很小时，样品间会存在较强的相似性，而当距离很大时，相似性就会减弱或不存在。也就是说，样品之间存在着某种联系，这种联系的强弱是与样品的相对位置有关的，样品之间的联系在空间上既具有随机性又具有位置之间的联系。2.半变异函数的数学模型通常情况下样品由于取样、化验误差和矿化作用在短距离内的变化，在绝大多数情况下半变异函数在原点不等于零。也就是会存在块金效应。
但是地质统计学在矿山储量分析当中的应用在实际工作中区域化变量的变化性很复杂，通常要计算几个具有代表性的方向，然后通过结构分析，得到一个能代表其空间变异性的模型函数，由于区域化变量往往存在各向异性，不同方向上的半变异函数具有不同的变程，影响范围是一椭球体，即各向异性椭球体。在确定空间搜索椭球体时，不仅需要指出块金常数、基台、变程，还需要指定一些参数： 圆锥体的容差角、容差限、滞后距等，各个参数的意义用几何图形表示。
当然应用地质统计学法对矿山储量分析，被大部分人认为是一种较好的品位估值方法，尤其适用于品位变化大，矿岩界线由品位控制的矿床。在估值计算过程中，当有了足够的地质钻孔数据时，对矿床进行正式可行性评价时，选用地质统计学法是一种较好的方法，而在对矿床进行初步评价或是数据量不足时，就要首选较简单的方法。基于地质统计学原理和矿体三维可视化建模技术的DIMINE矿业软件，实现了按照不同的边界品位动态圈定矿体，能够以市场经济为向导，快速计算出矿体范围内的矿石量，并进行储量分级，在此过程中所得到的各中间参数，可以为投资决策和日常管理提供必要的参考依据。
三、地质统计学在勘探网度优化方面的应用
地质统计学在勘探网度优化中的应用主要要注意以下的两个个因素，其一是：构造复杂程度；二是煤层的稳定性。当勘探区的构造已经经过，详细的勘探，构造问题基本解决之后，勘探网度优化主要的问题就是煤层的稳定性。当一个煤田有两种或者是两种以上的煤层稳定结构时、应该按照储量和厚度占有优势的那一个煤层类型选择勘探网度的优化。应用地质统计学的方法对露天的在勘探网度进行优化，主要要分为两个步骤：其一是建立地质变量的最佳理论变差函数；其二是应用地质变量的估计方差评价勘探过程对矿床的控制程度。
四、结语
本文详细论述了地质统计学的概述、地质统计学在矿山储量分析当中的应用、以及地质统计学在勘探网度优化方面的应用，通过对以上问题的论述，我们更加清晰的认清了地质统计学以及地质统计学在固体矿山中的应用。就目前的情况而言，我国对地质统计学的认识还是不够充分的，大多数都将地质统计学看做一门非常复杂的科目，所以没有去进行深入的研究，所以，我国的地质统计学还处在一个非常初级的阶段，地质统计学的作用也难以在我国发挥出来。由于我国的地质状况非常复杂，与外国的地质状况非常不同，主要体现在：地质类型多、地质结构复杂、多高山、少平原、矿产资源丰富。因此地质统计学在我国的发展既有机遇同时也存在着挑战。总而言之，地质统计学在我国的研究是非常有意义的，但是因为各种条件的限制，我国在地质统计学上的发展还是不够完善，而且现在的地质统计学的应用不单单只限于地理科学方面的研究，它在各个领域都是有所涉及的，如环境科学、农田水利、气象、林业、海洋等领域均已涉及，因此，发展我国的地质统计学是现在非常重要的任务，因为地质统计学的高速发展有利于我国国民经济的快速发展，也有利于解决我国资源紧缺的问题。随着应用领域的不断扩大和方法本身的不断完善，地质统计学已逐步方展成一个通用的工具性科学。也希望我国能够通过地质统计学固体矿山中的应用中有很大的进步。
参考文献
[1]孙进，张佳荣，侯斌.矿产储量计算经典统计与地质统计学方法的对比分析[J].采矿技术，2005（02）.
[2]梅晓仁，张瑞新，高永胜.地质统计学法在露天矿勘探网度优化中的应用[J].中国矿业大学学报，2003（04）.
[3]万昌林，金铜标.地质统计学在矿产资源信息研究中的应用[J].有色冶金设计与研究，2002（04）.
[4]吕连宏，张征，迟志淼，李道峰，尚晓颖.地质统计学在环境科学领域的应用进展[J].地球科学与环境学报，2006（01）.
[5]燕永锋，秦德先，洪托，夏既胜.地质统计学及其在元江金矿的应用[J].昆明理工大学学报（自然科学版），2001（06）.
统计学范文第2篇
摘要：在现如今经济发展全球化的大环境下，统计学是否在管理工作中成功且合理的运用成为区别是否取得成功的管理与有效决策的一大规范。统计学所涉及到的范畴多种多样，在各行各业的生产及管理中运用极其广泛，合理运用统计学在现代生活中非常受重视。伴随着社会的发展，病人挑选就诊医院的思想观念也发生了变化，不会再单一看中医院的医疗技术，还会依据医院的管理能力和服务态度来选择医院，因此管理工作逐渐引起各大医院的高度重视，若能有效应用统计学来进行医院的管理工作，有效提高医院的管理效益，不仅可以帮助医院领导者做出有效的管理决策，并且对医院的现代化建设也有非常大的促进作用。
关键词：统计学;医院;医院管理工作
统计学是一门综合型的科学，可以根据应用检索、梳理及数据统计分析等方式来推断所管理目标的实质，在其推断或预测分析中利用了大批量的数学思维和其他相关的专业技能，这些专业技能涉及到人文科学和社会科学等多个专业。统计学是应用数学的一个构成部分，其主要是根据应用数学中的概率统计来创建数学分析模型，搜集被检测系统的数据信息，对信息开展定量和汇总，从而开展预测分析和费用预算，从而成为管理决策的重要凭证和参照。
一、医院的统计工作范畴
医院统计工作主要包括医院门诊量和住院量。医院门诊量随季节发生变化，冬天是呼吸道疾病和慢性疾病高发时段，因此也是门诊医生劳动量最大的季节。依据医院门诊劳动量的周期特性，医院相关管理部门应当科学安排医生的值班，优化医院门诊服务，尽量缩短患者的挂号时间、问诊时间、取药时间，提高效益。住院量包含的内容更多，医院医疗统计指标的绝大部分来自病房。以前统计人员每日搜集整理相关资料报给医院领导干部，这项工作是非常繁重且复杂的[1]。如今的信息化管理系统为统计人员带来方便，但对统计人员的要求也更高。所录入的信息务必要准确，信息管控系统中数据不能分散，一般患者的信息是通过信息系统录入，住院处在患者入院时录入患者的姓名、性别、年纪、家庭地址等一般信息，病区填补住院期间相关信息，患者办理出院手续后，信息科通过医院的局域网把患者的一般信息和住院信息调到信息科，依据病历录入医疗信息，将每一位病人的信息补充完整。医院医疗指标值的绝大部分来自病案首页，住院医生也存有填错漏写等不符合规定的状况，医疗指标值填写有误直接影响到医院医疗的品质，也会影响病人痊愈率。因此医院的录入数据信息出现错误一定要联络相关部门的负责人员，核实排查之后进行信息更改，确保数据的精确性。
二、统计学在医院管理中所发挥的作用
在医院管理中统计学发挥着至关重要的作用，首先在医院的信息化管理中，统计学是其主要的依据，医院的医疗过程皆涉及到统计工作总结，其覆盖面积牵涉到每个部门和病房。在医院管理决策单位制定医院的工作规划和相关现行政策时，医院的数据统计是一项重要凭证，也是医院创新管理的关键点。次之，可以根据统计学来检验医院管理的实际效果。统计学可以被用于检测医院领导者所设定的管理方法是否合理。一般而言，若管理方法恰当的话，患者满意率会进一步提高，医院门诊接收人次、住院治疗人次、手术治疗人次及医院经济效益会持续提高，而且病房的资金周转速率加速，整体住院治疗耗时减少，患者转好和治疗率提升;相反，若管理措施、方法有漏洞，以上指标将会发生相反的变化。最终，可根据统计学来加强提升医院管理工作。
数据统计可以体现出医院的高效，一个医院的管理能力可以在其医疗服务的好坏和医疗水平中反映出来，这些都可以在数据中展现出来。根据医院的整体质量控制目标，把病房的周轉次数及进出院病人的样本数、确诊达标率、治疗率、致死率等指标值分配到各科室，使其确立总体目标。根据以上描述，智能化的医院统计分析可以使领导者了解各统计数据和量化指标的明确规定;医院领导者可以根据医院的综合统计分析，及时把握医疗要求，掌握医院的发展前景，从而提升医疗服务水平，使医院得到更加优异的发展。统计学在医院的管理、工作计划制定及调节中发挥了至关重要的实用价值，因而统计分析单位要按时开展技术升级，完成医院管理的智能化，把统计学充分利用到医院管理中。
三、统计学在医院管理中的运用
（一）医疗质量控制中的运用
统计学的运用在医疗综合考核和提升医疗品质管控中具有至关重要的功效。其在质量控制中具有梳理、分析问题、表明客观现实的作用，而不是处理产品质量问题的方式。如医师为病人确诊病症，体温计、血压器、 X线透视机、血氧仪、B超仪等仪表盘器材仅能作为协助医师做出正确判断的工具，但确诊并不意味着医治，要想痊愈，还应用药、治疗等。因而，统计学的功能是在质量控制中探寻症结所在，剖析造成问题的缘故，但要处理问题和提升服务品质还需借助各专业技术部门人员和医院领导者制定的对策[2]。
（二）出入院管理方法中的运用
将医院门诊数据库中的就诊群体按年纪、性别等分类开展有效分析，为此来掌握就诊者的需求，协助领导者做出相关的决策来加强对门诊的管理，以完成出入院管理中的统计学运用。例如利用统计学开展门诊预约、挂号预约、随后就医、最终付钱的方法，来降低病人的等待时间，改善服务。利用统计学对医院门诊病谱类型繁杂的特征开展归类，搭建疾病数据库查询，领导者可根据这些数据信息来考虑医院科室的建设和发展，提高医疗服务水平。
（三）医院资源分配中的运用
统计学的研究结果可以协助领导者调节院内医务人员的配备，科学分配机构人力，避免发生人力资源过度消耗或欠缺的状况，保证医院全部科室的正常运行。伴随着医院创新的深层次推行，有效地分配病区已日趋重要。管理者可根据统计学数据提早分配病区资源，完成病区资源的利用率最大化。例如一些医院把空床铺统一归纳，依据病人情况科学安排住院。再如对医务人员分级、分职责开展分析比照，利用统计学寻找最好的分配比例，科学规范地利用医院的人力物力资源。总而言之，合理地应用统计学方式，可以提高医院的管理效益，协助医院领导干部做出有效的管理决策，有益于医院的现代化建设。
四、结语
统计分析信息是医院创新管理与正确决策的重要凭证，统计人员以客观事实为根据，伴随着医疗信息技术的迅速发展，统计信息已经成为医院管理的重要凭证。智能化的医疗管理方法离不开合理的行为科学研究，离不了正确的医疗信息数据统计。优秀的医院统计工作可以全方位体现医院运营情况，为医院领导干部掌握医院现状、制定决策带来可靠保障。
参考文献：
[1]张红冰.数字化病案信息技术应用在医院工作中的价值探析[J].健康必读，2021（2）：15.
[2]秦宏兴，吴爱华，陈均.档案管理在医院管理中的应用探究[J].中国卫生产业，2021，18（20）：42-45.
统计学范文第3篇
【摘要】在大数据时代，统计学与多学科的相互渗透使得传统的简单性教学原则的局限性逐渐显现出来.本文是在法国当代思想家埃德加·莫兰（Edgar Morin）所提倡的复杂性科学视野下，讨论用联结经验的方法进行统计学教学的一点思考.
【关键词】统计;创新;联结;经验;脑科学
【基金项目】福建省中青年教师教育和科研项目.基金号：JAT160383.
一、引 言
如何在课堂上行之有效的教学？从美国心理学家约翰·华生（John Broadus Watson）创立了行为主义学习理论以来，在格思里、赫尔、斯金纳等的影响下，行为主义学习理论在美国占据主导地位长达半个世纪之久.行为主义者认为，学习是刺激与反应之间的联结，他们的基本假设是：行为是学习者对环境刺激所做出的反应.他们把环境看成刺激，把伴随的有机体行为看作反应，认为所有行为都是习得的.行为主义学习理论应用在学校教育实践上，就是要求教师掌握塑造和矫正学生行为的方法，在最大限度上强化学生的合适行为，消除不合适行为.对教育而言，这种建立在刺激与反应联结上的教学模式，只强调外部刺激而完全忽视学习者的内部心理过程，忽略了人脑的认知行为与动物的区别，训练虽然可以调整人的行为反应，但却忽略了人们对未来意外事件的理解力.随着脑科学中有关人的高级认知机制研究成果的呈现及人们对学习本质的认识的不断深入，以创设网络式联结为导向、基于情境学习和情境认知的理论研究和实践模式的开发越来越受到心理学、人工智能、人类学等领域研究者的关注.
脑研究表明人的大脑是个并行处理器.在学习中，人脑会对有意义和无意义的信息与场景做出不同的反应.仅存在于记忆中的事实没有意义，但当事实与复杂却熟悉的经验联系起来时就产生了意义，这样，新的信息就与我们已经知道和掌握的信息联系在一起了.人脑复杂的模式化核心特征对教学提出：优秀的教师不只是为测试而教.而是会利用学生带到班上的背景和信息来展开教学，这些背景与信息包括他们与家长的经验、力量和爱.在学习过程中，学生能更好地领悟他们自己和生活，浸润在学科当中，其经验的拓展和心理的升华也随之开始.对于统计学这门与人们的日常生活息息相关的学科，如何在教学中利用联结将统计的方法和思想“编排”到学生对已有客观世界的体验中？如何恰如其分地结合一些实验和例子将统计学内化为世界观和方法论？如何培养学生运用统计学的思想方法发现问题、分析问题和解决问题的能力？这是当今社会对创新人才日益高涨的需求下，每一位任课教师所要思考的问题.
传统的数学教学方法，往往只满足于对定理、公式的陈述與证明，以及对技巧的应用，照搬课本内容.这样容易造成数学孤立于生活经验，与现实失去联结，完全变成了冰冷冷的教条.这种教学实际上是过分强调记忆——对定义、公式和定理或者是对解题技巧的记忆.在这种教学方式下，学生失去了主体地位，只是被动地吸收、消化，学习兴趣不高，没有积极性，更谈不上知识的创新与运用.关于统计的教学方法，已经有很多讨论，比如案例教学、“辨误”教学、启发教学、讨论教学，这些方法为统计教学的改革和创新提供了宝贵的参考.但是鲜有具体讨论如何利用联结进行创新性教学的尝试.事实上，从约翰·格兰特（John Graunt）清点伦敦的死亡人数，建立人类历史上第一张死亡表开始，统计的方法与理论就在为人们提供便利，并在解决生活中的实际问题中不断发展.教材中所呈现的定义、公式和定理是众学者在几百年来对客观世界的观察、体验的基础上抽象出来的套装知识，每个定义、公式和定理都有其产生背景及在现实中的应用.因此，改进教学方法的首要任务就是设计编排课堂的教学内容.教学不仅要讲定义、公式、定理，还要适当地引入背景知识，从而将教材中的套装知识与学生的主体经验联结在一起，尽可能地将教材中冰冷冷的知识骨架转化为有血有肉的、被学生所喜闻乐见的形象.这样能够激起学生的兴趣，并为进一步引导学生运用统计的思想方法去发现、思考、解决身边或社会上的问题打下基础.接下来，结合多年教学实践，笔者总结了教学中常用的几个例子，希望为广大同仁提供参考借鉴.
二、案 例
首先，统计有什么用？我们可以引入一个古老的寓言故事：在非洲草原上如果见到羚羊在奔跑，那一定是狮子来了;如果见到狮子在躲避，那就是象群发怒了;如果见到成百上千的狮子和大象集体逃命的壮观景象，那是——蚂蚁军团来了！
这个寓言实际上就蕴含着统计推理的基本过程：观察现象——做出推断.统计中的观察是通过试验收集和分析数据（观察现象），从而对研究对象的客观规律做出合理的估计和判断.
1.随机抽样
随机抽样在日常生活中随处可见，如看看饺子是否煮熟了，就随便捞一个尝尝，这就是随机抽样.在随机抽样中，样本的抽取要满足随机性，否则，将影响试验结果的客观性，从而导致试验失败.比如美国的盖洛普民意调查机构，其创始人乔治·盖洛普在1932年成功地预测出其岳母将在州政府秘书的竞选中获胜.接着在1936年及其后的两次总统选举中都正确地预测出获胜的一方.但是在1948年的总统选举中，对谁将接任罗斯福成为下一任总统时，基于50000人次的调查，预测杜威获胜.但实际结果是杜鲁门获胜.民意测验出了什么问题？真实情况是，1948年的民意调查访问人员选择了过多的共和党人.这是因为共和党人较为富裕，受过较好的教育，住在较好的街区，较易接受访问，所以访问人员喜欢采访共和党人，这就造成了民意测验中偏向共和党的现象.
现在，盖洛普民意测验仍然享誉全球.在盖洛普民意测验中出现非常频繁的问题有：谁是最受人们赞美的人？男人是否会选择健康又美丽的女人？而盖洛普民意测验中最热门的十大问题是：为什么人生在世会有患难？是否有一种方法可以医治所有的疾病？世界上为什么有罪恶的存在？人类会迎来永久的和平吗？人与人之间会彼此相爱吗？世界末日何时来临？我和自己的家庭能有什么样的未来？人死后还有生命吗？天国会是什么样子？我怎样才能成为一个更加淳朴高尚的人？
抽样调查问题的核心便是抽样，抽样的原理很简单，但是很多“谎言”就是出自看似简单的抽样.比如曾经在美国的《时代周刊》上有这么一条信息：1924级的耶鲁毕业生平均年收入有25111美元.这在当时可是绝对的高收入了.那么，我们是马上惊呼耶鲁毕业生真棒，还是应该质疑一下它的真实性呢？它的调查样本是什么？经过了半个世纪他们能找到所有1924级的耶鲁毕业生吗？或许只是用了抽样调查.那么它的这个抽样调查是真的具有代表性吗？它能联系到的只是那些功成名就的畢业生吧，那些在毕业生通讯录上被注明“地址不详”的迷路小羔羊呢？就算它的抽样具有一定的代表性，那么所有接受调查的毕业生，说的都是真话吗？会不会因为虚荣或是逃税而说假话？即便这所有都是真的，那么这个收入平均数的类型是什么？是均数、中位数还是众数？
在数据泛滥的时代，真实的信息与噪音同时存在，我们要学会运用统计学的思想方法进行分析思考，去伪存真，分辨出其中隐藏的谬误之处，从而更加客观地认识我们所处的世界.再比如“辛普森悖论”：英国统计学家辛普森（E.H.Simpson）在1951年发表的论文中指出，在某些情况下，在分组比较中占优势的一方，可能在合并后的总评中成为失势的一方.比如：1991年美国航空协会收集阿拉斯加航空和西美航空飞经5个机场的误点数据如下表.
阿拉斯加航空在所有5个机场都更为准点，但总体上却是西美航空公司更为准点！类似的问题还可能出现在学校招生比例、职场的录取率等问题中.辛普森悖论被人们称为是“投向统计学的炸弹”，无可挑剔却让人难以接受.然而探究其数学实质，不难发现，其诡异的外表下，内部却十分简单：
分数ba>fe，dc>hg，但分数b+da+c未必大于f+he+g.
这就告诉我们对于总体现象，要仔细研究细节，不要轻易下结论.
2.假设检验思想与贝叶斯理论
假设检验的基本思想是依据概率论中的小概率原理，应用概率反证法，通过观察小概率事件是否发生来判别关于总体的假设是否正确.小概率的事件在一次试验中几乎不可能发生，如果真的发生了，那么我们就认为原假设值得怀疑.关于这个思想可以引入一个古代的故事：
魏晋名士王戎七岁的时候，曾经和其他小朋友一起出去玩，路边一棵李子树上结满了李子，多到把树枝都压弯了.许多小朋友争相跑去摘李子，只有王戎不动.有人问他为什么，他说：“这李子树就长在路边却结了那么多果实，其果实必定是苦的.”后来别人摘来果实一尝，果然如此.
在这个故事中，王戎就引用了概率反证法.假设路边的李子是甜的，那么树上有这么多李子应该是小概率事件，既然小概率事件发生了（即李子多到把树枝都压弯了），那么就怀疑原假设，即认为李子是苦的.
统计中的假设检验利用的就是概率反证法.关于假设检验的方法，《女士品茶》一书中有这样的例子：在英国剑桥一个夏日的午后，一群大学的绅士和他们的夫人们，还有来访者，正围坐在户外的桌旁，享用着下午茶.在品茶过程中，一位女士说：“奶茶是先放红茶还是先放牛奶，味道完全不一样，我一下子就能品尝出来”.在场的一帮科学精英们对这位女士的“胡言乱语”嗤之以鼻.这怎么可能呢？他们不能想象，仅仅因为加茶加奶的先后顺序不同，茶就会发生不同的化学反应吗？然而，这个问题引起了在座的一位先生的兴趣.他提议做一项试验来检验如下假设是否可以接受.
假设：该女士无此种鉴别能力.
他在女士看不到的地方准备了10杯分别利用两种方法冲泡的奶茶.结果那位女士竟然正确地分辨出每一杯的冲泡顺序，那么我们是否拒绝假设呢？这位先生的想法是：如果假设是真的.那么，每次猜对的概率都是0.5，10次都猜对的概率是2-10，显然是小概率.小概率事件发生了，于是拒绝原假设，即认为该女士有此种鉴别能力.
在生活中，对小概率问题人们一般不会担心.“杞人忧天”就是将普遍共识是小概率的事件的概率放大的结果.实际上，由于每个人都有自己的信仰和偏见，所以对事件发生的概率的估计各不相同，这些估计与客观概率的差距大小不一.贝叶斯理论告诉我们，尽管我们的信念使我们对事件的预测永远做不到完全客观、合理或是准确.不过，我们可以不断收集证据，一步步调整对事件的预测，使之一步步靠近事件的真相.我们可以简要地描述一下贝叶斯理论：对于事件A，假设我们原来认为它发生的概率为P（A），如果我们观察到事件B，那么在事件B的基础上，我们可以将事件A发生的概率调整为：
P（A|B）=P（B|A）P（A）P（B|A）P（A）+P（B|A）P（A）
其中，P（B|A）为在事件A发生的条件下事件B发生的概率，P（B|A）为在事件A没发生的条件下事件B发生的概率.一般地，我们称P（A）为先验概率，而在事件B基础上调整得到的概率P（A|B）为后验概率.
实际上，贝叶斯理论当初是用来表达贝叶斯的哲学观：上帝是完美的，他创造自然是有章可循的，我们可以通过近似值一点点地模拟并认识宇宙.收集的证据越多，就越接近真相.贝叶斯的朋友在向众人呈现《机会的学说概论》时举了一个“人”的例子：作为第一个出现在这个世界的人，第一次看见日出时并不知道日出是必然还是偶然现象.然而随着日后每一天的日出，他信心一步步增强，直到最后他预测每天太阳升起的概率是100%.
再比如美国的“9.11”恐怖袭击事件.2001年9月11日清晨，当人们从梦中醒来时，大部分人都想不到恐怖分子的飞机会撞向曼哈顿世贸中心大楼.但是，世贸中心第一次遭受袭击后，人们才意识到这也许是一次恐怖袭击.直到第二座高楼被袭击之后，人们才相信确实遭遇了恐怖袭击.
贝叶斯定理可以解释这一过程.比如，在第一架飞机撞击大楼之前，我们预测曼哈顿的高楼遭遇飞机撞击的概率只有1：20000或0.005%.当然，我们还是会认为世贸中心意外遭遇飞机撞击的概率是非常低的.人们靠经验也能准确地预测出0.005%这个数字：9月11日之前的25000天，虽然一直有飞机盘旋在曼哈顿的上空，但是只发生了两次这样的意外事故：一次是1945年的美国帝国大厦事件，另一次是1946年的川普大厦事件.这样看来，此类意外事故发生的概率只有1∶12500.在第一架飞机撞上世贸中心大楼的那一刻，用贝叶斯定理计算（见表），发生飞机撞击事件的概率便会从0.005%剧增致38%.
接下来，我们看看第二次袭击发生之后，由贝叶斯定理得到的遭遇袭击的概率会变为多少.这次，38%是先验概率.这时根据贝叶斯定理得到的遭遇恐怖袭击的概率就变成了99.99%，这就表示恐怖袭击一定会发生！
先验概率恐怖分子架机撞击曼哈顿世贸中心大楼的初始概率预估P（A）38%
新事件：第二架飛机撞击世贸中心大楼（B）恐怖袭击下，飞机撞向曼哈顿世贸中心大楼的概率P（B|A）100%不是恐怖袭击下飞机撞向曼哈顿世贸中心大楼的概率P（B|A）0.008%后验概率在第一架飞机袭击世贸中心大楼的情况下，恐怖袭击发生的概率P（B|A）P（A）P（B|A）P（A）+P（B|A）P（A）99.99%
美国的乌尔加利斯作为当今世界顶级的赌徒就是成功利用贝叶斯定理的一个很好的范例.他特别喜欢看NBA比赛并投注.每年从11月至下一年6月，乌尔加利斯每晚都会观看NBA，每次看5场，分别由5台电视机同时播放.事实上，几乎所有的NBA比赛他都看过——不论是直播还是录播.除此之外，他还经营着一家球探服务机构（本质上来说其实是为他自己服务的），雇用了一些助手，让这些助手将每个球员在每场比赛中的防守阵形绘制成图，这种做法给乌尔加利斯带来的好处就连很多NBA球队都望尘莫及.他关注了几十名球员的微博，仔细查看每140个字符的微博内容，试图从中找出关联信息：若某位球员在微博上说自己那晚晚些时候会去某个夜总会，则这位球员的心思很可能根本就没在比赛上.他也很关注球队教练在新闻发布会上说的话，比如，如果某位教练说，他希望他的队伍“学习进攻”或者“练好篮球基本功”，那可能表明他希望放慢比赛的节奏.
乌尔加利斯靠着这些小秘密，即使年景比较差的时候也能赚上100万美元，年景好的时候，可以赚上三四百万美元.他的成功就是建立在贝叶斯思维上的，不断寻找证据，那么你的预测会越来越接近客观现实.这种思想反映在参数估计里，就形成了贝叶斯估计方法：在已知总体分布的情况下，贝叶斯学派认为待估参数θ可以看作随机变量，在得到新的样本信息之前，人们对θ的认知是先验分布π（θ），在得到新的样本信息X后，人们对θ的认知为π（θ|X），称为后验分布，它的计算公式是：
π（θ|X）=h（X，θ）m（X）=p（X|θ）π（θ）∫Θp（X|θ）π（θ）dθ
其中p（X|θ）为总体的条件分布，它集中了总体、样本和先验中有关θ的一切信息.其计算公式就是用密度函数表示的贝叶斯公式.由此得到的后验分布π（θ|X）是用总体和样本对先验分布做出的调整方法，要比π（θ）更接近θ的实际情况.
综合起来看，则好比是人类刚开始时对大自然只有少得可怜的先验知识，但随着不断的观察、实验获得更多的样本、结果，人们对自然界的规律摸得越来越透彻.所以，贝叶斯方法既符合人们日常生活的思考方式，也符合人们认识自然的规律，因而经过不断的发展，最终占据统计学领域的半壁江山，与经典统计学分庭抗礼.
法国当代思想家埃德加·莫兰（Edgar Morin）写的《未来教育所必需的七种知识》指出，教育的一个黑洞就是人们教授确定性，然而需要教授的恰恰是不确定性.今天，所有伟大的科学，从微观物理学到人类进化学都成为确定性和不确定性之间的赌博.在所有领域，特别是人类历史领域，必须讲授出人意料的事情.“在这个昏暗的世界，我们被迫在充满不确定因素的海洋上航行，时而穿行于确定的群岛之间，这就是人类的冒险.今天，我们知道这是未知的冒险，我们需要一种教育，能帮助我们面对这个冒险而不气馁”.
总之，统计不仅是一种重要的“方法”或“工具”，也是一种思维模式;不仅是一门专业学科，也是一种文化;不仅是一些知识，更是一个人的文化素质.在充斥着各种各样的信息与噪音的大数据海洋中，对统计学的正确使用可以帮助我们在各种冒险中获得创新与创业的先机.
【参考文献】
[1]雷纳特·N.凯恩，杰弗里·凯恩.创设联结：教学与人脑[M].吕梅海，译.上海：华东师范大学出版社，2004.
[2]赵焕光，章勤琼，王迪.真理相遇统计[M].北京：科学出版社，2019.
[3]朱辰辰.关于《信号与噪音》的翻译实践报告[D].天津：天津师范大学，2014.
[4]茆诗松，周纪芗.概率论与数理统计：第二版[M].北京：高等教育出版社，2000.
[5]达莱尔·哈夫.统计陷阱[M].廖颖林，译.上海：上海财经大学出版社，2002.
统计学范文第4篇
[摘 要] 结合实例，探讨分析我国医学期刊中常见的统计学问题，并提出解决方案，为医学编辑工作能力的提高以及医学期刊整体水平的上升提供帮助。
[关键词] 医学期刊 统计学问题 编辑
医学统计学是一门以统计学原理和方法为基础，探索医学科研工作中遇到的有关数据的收集、整理和分析方法的应用科学，又可被看成一个收集信息、处理信息、分析信息，进而从中提炼和总结分析出新的信息的过程[1]。随着医学科研水平和医疗技术水平的不断提高，医学科研和临床实际工作中，人们对待科学的态度逐渐从原来的“经验主义”转变为“论据先行原则”，无论是在一些医学相关学科的基础实验中，还是在一些临床疾病的诊治等工作中，人们遇到问题时不再“想当然”，而是首先考虑为什么，有何依据，而这些依据大多需要通过统计学中的信息收集、整理、分析来提供。因此，医学统计学在医学工作中的地位越来越重要，统计学应用的正确与否直接影响着医学科研结论的科学性、严谨性和可靠性，具体到医学期刊方面，就会出现因统计学应用不恰当而导致医学期刊不严谨、不科学、不可靠和不具有影响力[2]。鉴于医学统计学在医学期刊中的重要地位，作者结合《肿瘤基础与临床》杂志2011年的240篇文章中出现的统计学问题，对目前我国医学期刊中常见的统计学问题进行分析，同时提出一定的解决方案，为医学编辑工作能力的提高以及医学期刊整体水平的上升提供一定帮助。
1 医学期刊中常见统计学问题
统计学的误用、错用和不用问题广泛存在于许多医学期刊中，统计学错误率处于较高水平，有文献报道期刊论文统计学错误率为38%—80%，而且统计学问题的种类几乎涉及统计学的每个方面，包括实验设计不合理、未进行统计学处理、统计分析软件未介绍或介绍不清、统计学数据的描述方法不当、统计学方法的描述不清或错用、统计值或P值不全或描述不清、统计学结果分析或描述错误等[3-4]。王倩等[5]对5种“中华”系列杂志刊登的文章的统计学应用进行回顾性分析，发现1985年统计学方法应用的错误率占24%，1995年占36%。沈进等[6]选取8种医学期刊，分析发表于1998年至2005年的544篇论著文章的统计学方法应用情况，结果显示，136篇的统计学出现明显错误，错误率达到25%，其中以资料处理方法不当所占比例最高，达到61.76%，其次为图表错误、未作统计学处理等。我刊2011年刊登的240篇论文中，排除个案报道、教学论文、棕色行论文36篇，剩余的204篇论文中有126篇论文采用了统计学处理，占61.76%（126/204），现结合本刊统计学应用现状针对医学期刊中常见的统计学问题进行分类分析如下。
1.1 统计研究设计不合理问题
大多数非统计学专业的学者在进行统计研究设计（包括实验设计、调查设计、临床试验设计）时仅仅从本专业的角度考虑，根据主观想要得到的结果进行分组设计，而完全没有考虑该实验设计的可行性、组间数据是否具有可比性等问题，主要表现在实验设计时不遵循随机化原则、未设置对照或对照不合理、均衡性原则贯彻不彻底等[7]。常见的统计研究设计不合理问题包括缺少对照或对照不合理、单因素设计取代多因素设计、样本量选择不具有代表性或样本量不足等[8]。例如，本刊《SMO蛋白及mRNA在食管癌鳞状细胞癌组织中的表达及意义》一文，在实验分组设计时未对各组间数据是否具有可比性进行统计学分析。
1.2 未进行统计学处理问题
许多医学期刊论文虽然也进行了分组设计、设立对照等，但是文中未说明采用何种统计方法，也未对这些数据进行统计学处理，仅仅通过对实验所得的实际数据的直观判断就得出结论[9]。例如，本刊《肺尖癌26例疗效分析》一文中，作者在分析不同治疗方法对肺尖癌的疗效时并未采用任何统计方法，而是直接得出了“综合治疗较单纯治疗更能延长肺尖癌患者生存期”的结论，这不符合现代医学科研的结论需有据而立的原则。
1.3 统计方法的描述不具体或错用问题
1.3.1 统计方法的描述不具体
一些医学期刊论文中列出的统计方法过于简单，甚至未列出，主要有以下几种情况[10-12]：在“材料与方法”部分中的“统计学处理”中未列出所用的统计学软件或仅列出所用软件而未说明所用软件的版本；对于何种数据采用何种统计方法仅笼统描述，未具体列出文中的那些数据应该用何统计方法；对于定量数据仅列出采取t检验或方差分析，而未列出是否进行正态性检验和方差齐性检验；对于两组定量数据无论是应该采用成组设计t检验还是配对设计t检验，均仅描述为“两组定量数据比较采用t检验”；对于两组或多组定性数据的比较，无论是仅需用 2检验，还是需要采用矫正 2检验或 2分割检验，均描述为“两组或多组定性数据的比较采用 2检验”；统计学符号书写不规范，例如，根据GB/T3358-82，F检验、P值、 2检验、t检验等中的字母应为斜体，不符合上述规定的书写均为错误情况，这在论文中非常普遍；未列出检验水准 ，检验水准 是事先设定的判断小概率实践的标准，实际意义是允许犯假阳性错误概率的最大值，需要根据不同的研究目的进行设定。例如，本刊《 -连环蛋白和层粘连蛋白的表达与垂体腺瘤侵袭性的关系》一文在“统计学处理”仅说明数据的比较采用t检验，而未说明t检验的类型。
1.3.2 统计方法的错用
一些医学期刊论文中的统计方法的应用存在明显的错误。对于所有定量数据，常见的错误有[13-14]：无论是否符合正态分布、是否方差齐，一律盲目应用t检验或单因素方差分析等参数检验方法进行比较分析；无论数据分为几组，一律采用t检验进行比较分析，把其当做定量数据比较的万能工具；无论各组数据是何关系，一律采用成组设计t检验或单因素方差分析。例如，本刊《癌症相关性乏力与TGF- 1的关系分析》一文中，定量数据进行比较分析之前未说明是否进行了方差齐性检验和正态性检验。对于所有定性数据，常见的错误有：把 2检验当做所有定性数据的万能统计工具，忽略了其应用的前提条件是， 2检验适用于正态分布的定性数据，且样本量最好>40，列联表数据进行 2检验时不能有1/5以上的格子其理论频数<5或任一个格子的理论频数<1；多组数据进行比较时，总体进行 2检验比较分析后，若还需要进行各组的两两比较时未进行 2分割，依然采用 2检验进行再次比较。例如，本刊《P16蛋白在宫颈组织中的表达及意义》一文中，数据总体进行 2检验比较分析后，再次两两比较时未进行 2分割，检验水准也未重新设定。
1.4 统计结果的描述及分析错误问题
许多医学期刊论文中均可见到统计结果的描述或分析错误，常见的有以下几种[15-17]：1）对于定量数据应当根据是否符合正态分布而采用不同的描述方法，符合者一般采用“均数±标准差”或“均数±标准误”表示，而不符合者则采用中位数和四分位间距来进行表示，不按上述规定进行描述者均属于错误描述；2）对于定性数据，常见的错误是构成比和百分率不分，计算率或构成比等相对数的样本量过小；3）解释有统计学意义时仅根据P值的大小得出相应结论，例如对于A、B组2组的疗效（假定A组疗效优于B组），其“P<0.05”认为A组显著优于B组，“P<0.01”认为A组非常显著优于B组，“P<0.001”认为A组极其显著优于B组，这在实际应用中非常常见，而犯这种错误的原因是对统计学中的P值理解错误，其实P值是拒绝特定无效假设而可能犯的假阳性错误的概率，并不代表组间差异的大小，其值越小仅越能说明组间比较不同，而不反映组间差异的大小。例如，本刊《癌症相关性乏力与TGF- 1的关系分析》一文中，“18例肺癌患者血清TGF- 1的含量平均为（33.1±36.9）ng/L”中的标准差大于均数，这说明该数据不符合正态分布，不能用“均数±标准差”表示，而只能用中位数和四分位间距表示，用前者表示不但不能代表数据变化的趋势，还容易诱导作者采用t检验或单因素方差分析等参数检验对其进行分析。
1.5 统计值和（或）P值描述不清以及统计值缺失问题
许多医学期刊对统计结果进行描述时，通常不能完整清晰地描述出统计值和P值，常见的有以下几种情况[18-19]：统计结果仅用“P<0.05”或“P>0.05”得出结论，缺少相应的统计值；统计结果包括统计值，但是P值仅写出“<0.05”或“>0.05”，未列出具体的P值；仅列出具体的P值，而统计值缺失，上述几种情况均不利于文献阅读者进行数据验证和meta分析。例如，本刊《同步放化疗治疗局部晚期食管癌临床观察》一文中，所有统计结果均仅列出了“P<0.05”或“P>0.05”，未列出具体的统计值和P值。
2 针对医学期刊中常见统计学错误的解决对策
目前，医学期刊论文的统计学问题已经成为衡量论文质量高低的重要标准，统计学的错误可能会导致论文学术水平和学术质量的降低，甚至有可能导致严重的后果。近年来，随着广大医学科研工作者和医学期刊编辑及审稿专家对医学统计学应用的重视，医学期刊论文中的统计学问题已经明显减少，但仍然处于较高的水平，这可能与以下几点有关[20-22]：论文作者、编辑及审稿专家思想上不够重视论文统计学应用；期刊编辑的统计学应用知识匮乏；选择审稿专家只注重其专业领域内的影响力，而未关注其统计学应用水平。因此，要想提高医学期刊的统计学应用水平，从而更进一步提高期刊总体质量，需要做到以下几点：作为医学期刊编辑，必须不断进行统计学相关知识的学习，例如参加相关培训班、旁听医学院校的统计学课程及请教统计方面的专家等，以提高自身的统计学应用水平，并从思想上重视统计学应用的审查，在给新投稿件的作者的初步意见中就强调统计学应用的重要性，规定一旦统计学有问题，论文可随时退稿；聘请医学统计学专家进入期刊编委会，负责所有论文的统计学审稿；应通过各种途径，向广大科研工作者宣讲统计学在医学科研工作中的重要性，使其养成良好的正确应用统计学的习惯；在科研课题设计过程中要求有统计学相关专家的参与；科技期刊中增加统计学应用论文发表栏目，刊登与本刊论文关系密切的统计学方法，或者刊登一些常见的统计学错误，与作者或读者交流，提高其统计学应用能力。
注 释
[1]孙振球.医学统计学（第3版）[M].北京：人民卫生出版社，2010：1-8
[2]胡良平，郭秀花，刘惠刚.医学统计学是评价医学科技论文质量优劣的重要依据[J].中华口腔医学杂志，2011，36（3）：229-232
[3][8]胡良平，李子建.医学统计学基础与典型错误辨析[M].北京：军事医学科学出版社，2003：4
[4] Garc€韆-Berthou E，Alcaraz C.Incongruence between test statistics and P values in medical papers[J].BMC Med Res Methodol，2004，4：13
[5]王倩，张博恒.五种中华医学会系列杂志论著中统计方法的应用现状[J].中华医学杂志，1998，78（3）：230-233
[6]沈进，苟莉，汤洁，等.生物医学期刊中统计学方法应用情况分析[J].中国修复重建外科杂志，2007，21（5）：541-543
[7] [15]王晓瑜，王雅琢.《山东医药》论文中统计学错误分析[J].中国科技信息，2010（16）：193-194
[8][9][10][20]邱春晖，郭明兴，邱源.医学论文中统计学方法的误用及其防范措施[J].山东教育学院学报，2009（5）：116-118
[11] 冉明会，罗萍，邓丹.医学期刊编辑应注意的几个统计学处理问题[J].编辑学报，2009，21（6）：503-505
[12][16][18]李霞，张印朋，闫苏平.医学期刊作者来稿统计学应用与表述常见问题分析[J].中国科技期刊研究，2011，22（1）：88-89
[13] 王晓瑜，王雅琢，封艳辉，等.医学期刊投稿常见统计学问题分析[J].科技与出版，2011（11）：42-44
[14] 金永勤，王维.医学期刊编辑应重视统计学中的几个问题[J].编辑学报，2009，21（1）：33-34
[17]张功员，田庆丰.医学科研论文中统计结果表达和解释错误分析[J].郑州大学学报（医学版），2002，37（3）：338-340
[19]叶亮，李伟东，范欣生.医学论文中常见的统计学应用问题辨析[J].南京中医药大学学报（社会科学版），2011，12（4）：247-248
[21]吴红艳，尹平.医学期刊编辑应在数据的统计把关中有所作为[J].编辑学报，2008，20（5）：400-401
[22]彭敏宁，昌兰.统计学审稿：医学期刊质量控制的重中之重[J].长沙铁道学院学报（社会科学版），2007，8（1）：284-285
（收稿日期：2013-05-08）
统计学范文第5篇
摘 要：随着信息化时代的发展，数据的形式多样化，数据结构具有复杂性特征。这标志着大数据时代的到来，这一时代的数据具有处理速度快、数据量大、样本复杂但价值密度低的特点。大数据时代的到来，高校应对其产生新的认识，并根据实际状况及时调整统计学专业的建设策略，使统计人才的培养能够适应时代的需求。
关键词：大数据时代；统计学；影响
随着大数据时代的到来，各企业采用了新的策略，获得了更多的利润。对于统计专业来说，改变发展策略，使培养出来的专业人才能够适应大数据背景的需求是其主要任务。目前，高校统计学专业逐渐认识到大数据时代综合性人才培养的重要性，并对专业建设进行了相关改革。
一、大数据时代对统计学的影响
大数据时代的到来对现代统计专业的发展造成了新的冲击，要确保培养出来的人才能够起到应有的作用，首先要了解大数据时代对统计专业所造成的影响。
（一）大数据时代使数据结构和数据性质发生变化
网络技术以及基于网络技术的电子商务等新的数据记录模式标志着大数据时代的到来。大数据时代，不再依赖于抽样调查的记录模式，网站浏览、视频监控都将形成大量数据。传统的数据结构甚至是数据性质发生了变化。大量的数据信息对于需求者来说，如何甄别其可用价值成为关键。传统的数据可以二维表格显示和整理。但大数据时代所产生的数据具有多样化和复杂化特征，往往包含了大量的音频、视频、HTML等。这要求大数据的收集具有较强的目的性，才能实现其价值。
（二）大数据时代要求统计分析方法和统计思维更新
大数据时代的主要特征为数据多且复杂，数据分析要求分析者对总体进行分析。在这一背景下，参数统计不再具有意义，假设检验法也随着总体分析而失去价值。数据的复杂化对传统大数据统计思维造成了巨大的冲击，要求统计者具有活跃的思维。只有对传统数据的改变进行分析，并且树立新的统计方法。
二、大数据时代下的统计学发展新策略
为适应大数据时代的需求，统计学专业的发展势必要对传统模式进行改革。目前，多数高校统计学专业已经认识到大数据对于其发展带来的冲击。为此，本文提出了以下策略，以及能够帮助统计学取得更好发展。
（一）加强统计应用性教学
根据大数据时代数据的总体分析特征，数据分析人员应掌握全面的分析方法。在人才培养过程中，应致力于培养实践分析能力，提高数据和资料收集能力，并且培养其强烈的数据价值观，使其能够从众多数据中找到所需的。另外，对传统模式进行改革，增加大数据统计内容，以适应时代的需求。基于大数据的结构特点，实施资料透视化教学，提高分析者对复杂数据的分析能力。
（二）培养大数据统计思维
在人才培养过程中，新的统计思维的培养具有重要意义，即强调数据分析实践能力的提高。统计思维的培养有助于数据分析者对复杂的数据进行区分，从而整理有效信息。在大数据时代，不仅要以传统的平均思维、动态思维和变异思维为基础，还要注重基于整体分析的大数据思维。另外，还要培养数据分者的复杂性思维，以应对复杂的数据库。总之，大数据时代需要数据分析者具有全面的、创新性的思维。
（三）强化基础性统计知识
统计学自身具有复杂性，其改变多且抽象。基础的统计知识是进一步掌握大数据分析思维的基础，可见学习基础性统计知识的重要性是不言而喻的。为此，应该采取深入浅出的方法，利用多媒体等方式使复杂的数据统计清晰化、简单化。结合具体的案例使数据分析者正确认识统计概念、掌握统计原理和方法。此外大数据分析不再是一种专业，而是更倾向于一种技术，这要求我们将大数据分析与统计学以外的相关知识相互联系。注重真实相关与伪相关的讲解，强调商务智能的开发和分析。只有具有坚实的基础，才能确保数据分析者大数据分析思维的养成，适应现代社会的需求。
（四）加强复合型人才培养
为适应大数据时代的需求，复合型人才的培养是关键。所谓复合型人才，是指其不但要具有专业的数据分析能力，还要相应的具备管理以及其从事专业的技术。大数据时代，高校应建立全面的人才培養模式，注重培养人才的数据分析能力、编程能力等，使其真正了解大数据，懂得如何利用大数据对其所处的行业起到积极作用才是关键。总之，大数据时代对综合性人才具有更高的需求，大数据时代不仅培养的是一种能力，而且是一种思维，是对全新模式下的数据的分析和利用。高校作为人才培养的重要基地，其教学模式的改革、对大数据时代所需教学模式的认识是高校的主要任务。
三、总结
统计学是经济学的基础课程，传统的统计人才培养具有定向性。而随着大数据时代的到来，数据产生的形式多样，且具有复杂性。大数据分析不仅是作为一种专业存在，而是应以一项必备的技术而存在。大数据时代，传统的统计思维和统计方法发生了改变，统计人才培养方式的改革也就势在必行。（作者单位：海南师范大学）
参考文献：
[1] 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，2014（3）.
[2] 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，2012（3）.
[3] 孙耀东.大数据背景下统计学专业课程教学探究[J].廊坊师范学院学报（自然科学版），2015（06）.
[4] 陶皖，杨磊.大数据时代对高校人才培养模式的影响——以信息系统专业为例[J].电脑知识与技术，2013（28）.
[5] 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（03）.