统计学意义范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的5篇统计学意义范例，将为您的写作提供有力的支持和灵感！

篇1

一、统计学对侦查学的意义

事实上,在我国,统计学对侦查学的意义远被低估了,因为我国侦查学者没有真正认识到统计学能够为侦查学做些什么,当然也就不知道统计学对侦查学的意义。时至今日,我国侦查学界的研究成果中,能够找到熟练运用统计学的简直是凤毛麟角。侦查学研究者们的知识库中,能够找到统计学的更是少之又少。这便是我们没有认识到统计学对侦查学的意义的有力证据。那么统计学对侦查学有什么意义呢?或者更为直白地说,统计学能为侦查学做些什么呢?

(一)统计学能够帮助侦查学较为精确地揭示各类犯罪的特点

和犯罪学一样,侦查学也要研究各种犯罪类型的特点。只不过,二者的研究角度是不同的。犯罪学研究犯罪特点的目的在于预防和改造犯罪人,它反映的是犯罪现象背后深层次的社会根源和心理根源;而侦查学研究犯罪特点的目的在于发现和证明具体的犯罪事件,因此,侦查学中的犯罪特点反映的是犯罪人在具体环境中的行为方式以及这些行为对环境的影响。比如,犯罪人的职业习惯、教育水平、生活方式、社会经济地位等等因素是犯罪学和侦查学都要关心的问题。然而,犯罪学只关心这些因素的差异是如何导致犯罪人犯罪的,又如何利用这些因素来预防、惩罚和改造犯罪人;而侦查学则要追问这些因素如何通过犯罪现场、犯罪痕迹、犯罪遗留物、目击证人、被害人等途径反映出来,又如何通过这些途径来识别这些因素,从而最终识别犯罪人,建立特定犯罪人和犯罪事件的关联。当然,应该承认,这些差异在侦查学著作中表现得也不是那么一目了然;但是,无论如何,侦查学是要研究各类犯罪的特点是没有疑问的。要研究各类犯罪表现出来的行为特点或犯罪行为改变环境表现出来的特点,统计学在其中大有可为。还是拿犯罪人的职业习惯、教育水平、生活方式、社会经济地位等等因素来说,这些因素在多大程度上能够通过犯罪现场或者其他途径反映出来?对此问题,侦查学著作都不同程度地有所解答。但让人遗憾的是,对这些问题的解答常常不能让人满意;因为缺少统计学这一工具,我们无法准确得知犯罪人的这些个人特征在多大程度上决定了犯罪类型、犯罪手法,这些个人特征各自是在多大程度上能够通过特定途径表现出来,是否有些因素并不是我们想象的那么重要,是否这些因素之间的关系和作用也要影响具体的犯罪行为本身?我们习惯的方法是通过与侦查实务人员的经验交流,通过案例的总结,根据个人生活经验想当然地“反思”,对这些问题进行简单化处理;到头来,这些问题的答案在我们的著作中始终是一片混沌。反之,如果我们吸取社会学发展的经验,对每个因素在犯罪中的反映程度、反映方式,以及因素之间的关系如何影响反映程度、反映方式等问题进行统计分析,对前面提出的这些问题相信会有一个准确的回答,而且还可能会有让人意外的发现。

(二)统计学能够帮助侦查学准确评价侦查方法和策略

特定类型的案件的特定侦查方法、策略是什么?这些方法、策略的效度(effectiveness)、效益(efficien-cy)及正当性(justifiableness)如何?随着时代和社会的变迁,这些方法、策略是否发生了改变?发生了多大改变?这些侦查方法、策略在多大程度上打了法律的球?公众、其他司法机关、犯罪嫌疑人、侦查机关对有违法嫌疑的方法、策略有多大的容忍度?这些问题在我国侦查学著作中几乎是没有答案的,即使有,得出答案的过程也是非常草率的。然而,如果我们应用了统计学这一工具来进行研究,对不同类型的案件就会发现不同的侦查策略和方法,侦查学著作中就再也不会有所有案件的侦查方法大同小异的现象。如果我们对方法、策略在特定类型案件中的效度、效益和正当性进行了统计分析,就会减少侦查实践中侦查方法、策略的设计与运用的盲目性和随意性,也会促使侦查学界、诉讼法学界、侦查实务界就某些侦查方法和策略正当性这一问题达成一定程度的共识。应用统计分析的工具,我们就会发现一些侦查方法、策略的效度、效益及正当性的问题都随着时代和社会的变迁也在发生变化,对变化的程度、导致变化的因素都会有一个全面而准确的认识。总之,统计学可以帮助侦查学较为准确地评价侦查策略。实际上,将统计学应用于侦查策略的研究,在国外已经有了成功的范例,而这一成功范例是由侦查心理学家提供的。讯问策略和技术的评估,是国外侦查心理学家们长期研究的侦查策略问题。在1986年出版的一本侦查讯问手册中,Inbau等人竭力推荐在讯问中使用“里德讯问技巧(ReidTech-nique)”,这项技巧是由Inbau和Reid二人于1962年提出的,技巧分为九个步骤[1]:直接正面接触;帮助犯罪嫌人找到借口;对否认和抵赖的操控;平息异议;抓住并维持嫌疑人的注意力;控制嫌疑人的消极情绪;换一种形式提问;使嫌疑人口头交代犯罪的各个细节;将口头供述转化为书面供述。这项“里德讯问技巧”也是无数审讯人员的经验总结,而且这项技巧一直以来用于培训美国的审讯人员,而且还一直为一些学者所引用。然而,有的侦查心理学专家对这项技术也有疑问:和强制程度较低的讯问技巧(里德讯问技巧具有较大的强制性)相比,运用里德讯问技术能获得更多的供述吗?使用雷德讯问技巧导致的虚假供述所占的比例是多大?[2]这些问题显然是对里德讯问技巧的评估。而且,很明显,单纯从侦查人员的经验感知出发,很难对这两个问题有准确的答案,而且即使有答案,也只是凭个人感觉而得出的想当然的结论。经过侦查心理学专家们的研究发现,即使是犯罪嫌疑人在没有犯罪的情况下,犯罪嫌疑人都有可能说自己有罪,冰岛和北爱尔兰的研究分别显示20%和22%的犯罪嫌疑人都会如此[3];而Leo等人认为讯问成功的策略以及在讯问中成功使用的几率如下[4]:诉诸犯罪嫌疑人的道德良心(97%);发现犯罪嫌疑人供述的矛盾(91%);“夸奖”(91%);为犯罪行为提供伦理和心理上的“正当”理由(90%)。从冰岛、北爱尔兰以及Leo的研究成果来看,这些研究成果都对“里德讯问技巧”提出的疑问进行了间接回答。而且,从上可以看出,对这些疑问的回答,依靠了统计学这一工具。可见,对侦查方法、策略的评估研究是应当应用统计学的,而如果引入统计学这一工具,将把我国侦查学中侦查方法、策略的研究引入一个崭新的阶段。#p#分页标题#e#

(三)统计学能够为侦查学建立证据的科学评估体系

目前,我国的侦查实践中,对证据的评估完全是一种“跟着感觉走”的状态,规范性和科学性很低。之所以如此,是因为我国的侦查学没有为侦查实践提供一个科学的证据评估体系。到目前为止,我国的侦查学著作描述的多是对证据资格而非证明力的评估,对证明力也多是定性评估而非定量评估。然而,在侦查实践中,证据资格评估和证明力评估是同等重要的;定性评估虽然不可少,但定量评估更有说服力。然而,要在侦查学中建立一个能够定量评估证据证明力的方法体系,是离不开统计学的。在侦查中评估证据的证明力,要同时考虑肯定、否定两个方面的情况。单纯考虑某一证据可以确证或者可以否证某一犯罪事件或者犯罪事件中的某一要素,都是不科学的。客观地说,任何一个证据对某一犯罪事件或者犯罪事件中的某一要素,既有确证能力又有否证能力,只是能力的强弱不同而已。而且,犯罪嫌疑人没有最后定罪之前,证据对犯罪事件的确证和否证都实际上是一种假设。是否要选取某一证据,就要将证据对犯罪事件的确证假说和否证假说进行一番量化对比,然后根据量化标准来选取证据。根据这一思想,我们将证据标记为E,证据的确证假设标记为Hp,证据的否证假设记为Hd;那么,证据支持确证假设的概率可以表示为p(E|Hp),而证据支持否证假设的概率可以表示为p(E|Hd)。而要比较这两个概率的大小,同时用于决定是否选取证据,则要引入一个概念,即概率比(LikelihoodRatio,LR)。这个概率比等于证据支持确证假设概率p(E|Hp)除以证据支持否证假设概率p(E|Hd):LR=p(E|Hd)[5]可见,若证据支持确证假设的概率越大,则概率比值越大;若证据支持否证假设概率的概率越大,则概率比值越小。假如,经统计分析发现,犯罪现场找到的某一枚弹头由某一枪支发射的概率为80%,而并非由这一枪支发射的概率为10%,则两个概率的比值为LR=80%/10%=8。那么,这个概率比值要达到多大才能作为证据呢?经过研究发现,可以将这些比值用自然语言划定等级,用于帮助选取或者排除证据。表1列出了与LR等值的自然语言。当然,侦查实践中远比这上面的情况复杂得多:首先,证据可能会很多,其次,证据的两个概率值不易获得。对于证据很多的问题,是可以解决的,只需将前面的LR公式推广就行了(由于推广的过程有些繁琐,兹不赘述);对于证据的两个概率值的问题,诚然,并非所有证据的概率都容易量化,但可以肯定的是,侦查实践中有相当一部分证据的概率值是可以量化的。所以,这一评估证据的方法体系,可以应用到侦查学中去,当然这一方法的实质还是统计学。其实,类似的方法早已在国外的法庭科学实践中运用了。总之,在侦查学中,统计学是可以大有作为的,但是我国侦查学研究者中具有统计学知识背景的人却少之又少,导致侦查学研究很少运用统计学。之所以如此,很大成程度上是由我国侦查学教育中统计学缺位造成的。

二、统计学课程缺位给侦查学教育带来的后果

据Robertson和Fields二人于1986年对美国大学刑事司法专业开设统计学课程的调查显示,绝大多数四年制本科刑事司法专业都必修统计学这一门课程[7]。这还只是1986年调查显示的结果,现在开设统计学的范围应该更加广泛了。而相反,只要了解一下国内数十所警察、政法院校侦查专业教学课程的设置情况,我们就会发现,侦查专业的教学计划中是没有统计学这一门课程的。那么,统计学课程在侦查学教学中的缺位,到底带来了什么不良后果呢?

(一)使侦查专业人才的知识结构很不合理

侦查实践是一项复杂的社会实践,侦查人员需要有广泛的人文、社会、自然科学知识,还需要有丰富的生活经验,才能胜任现代社会的犯罪侦查工作。因此,侦查学教育应该坚持通识教育的理念,在通识教育理念的指导下,侦查专业课程的设置应当坚持科技与人文并重、理论与实务并重的格局。然而,实际情况是,不管是警察院校还是政法院校的侦查学专业,其课程设置以人文学科为主,缺少科学技术学科;并且,侦查学教育长期重实践、重应用,因此侦查课程设置也是重实务、轻理论。在这种课程设置的框架之下,是没有统计学这一课程的,似乎也不需要有这门课程。然而,由于没有设置统计学这一工具,使侦查专业人才的知识结构表现出不合理的特点:人文学科知识比重大而科学技术学科比重小;实务经验比重大而理论比重小。因为,只有开设了统计学这门课程,现代自然科学技术才容易为侦查学专业的学生所接受;之所以如此,是因为现代科学技术都必须要运用统计学这一工具,而如果没有这一工具,学生对任何自然科学技术都不可能深入学习、研究下去;这样一来,在侦查学专业中培养学生的科学素养将成为空谈。此外,由于缺少统计学知识,学生便缺少了一项研究社会的工具,对侦查实践这一社会现象的认识只能停留于侦查实务人士的工作经验总结这一水平上,根本无法利用现代社会科学的研究工具,从而展开有计划、有条理的、系统的侦查学理论探索;这样的结果便是,实务经验的价值被无限拔高,而理论思考和探索的价值被无限贬低。这一切都是因为没有培养侦查学专业的学生的科学精神所造成的,而科学精神的培养,少了统计学是不可能的。此外,由于缺少统计学的训练,在侦查实践中,侦查专业人员常常不知道利用统计学工具来分析侦查实践中的问题,也不知道使用统计学工具来对具体案件中的证据进行科学评估。

(二)使侦查学研究长期处于“缺少问题”的状态

科学哲学认为,科学探索开始于问题。[8]也就是说,科学的发展是因为人们对自然、社会等等现象有疑问,而又有力图解决疑问的强烈冲动,因而才有人花费无数的精力、财力和时间来进行科学探索。可见,提出问题在科学中的地位是无比重要的,而科学研究中最重要的意识就是问题意识;而如果有无数的问题需要某一门科学解决,那么这门科学将获得无穷的发展动力,这门科学的发展前途将无限宽广。我国的侦查学研究却处于“缺少问题”的状态。我们经常可以听见从事侦查学研究的人士感叹:侦查学的问题太少了!事实真的是这样吗?不是的,实际情况完全相反。且不说侦查学的概念体系需要厘清,学科体系需要完善,基础理论需要完善和深化;就侦查实践来说,亦有无穷无尽的问题需要侦查学研究者去研究、去解决。然而,人们为什么要感叹侦查学“缺少问题”呢?道理很简单,缺少发现问题的工具,而统计学则是一个发现问题的工具。侦查实务人士最关心的是具体工作目标怎么达成,如何清除阻碍工作目标实现的因素。对这些问题,侦查学界常常没有一个好的答案,其原因在于没有从这些表面问题看到更深入的问题,当然不会有好的答案。而要从表面问题看到更深刻的问题,没有统计学这一工具是不行的;因为统计学可以将十分庞杂的社会调查资料进行深入分析和解释,“统计学能使我们从资料中发现行为模式、设计有效的研究计划、对大量信息进行简化描述”。[9]然而,我们的侦查学教学计划中却没有统计学这门课程,而这样培养出来的侦查学研究者当然也没有统计学知识,那么在研究中当然也就无法应用这一研究工具;因此,我国当今的侦查学研究者除了只能进行一下概念上的分析、观念上的推演外,只能充当侦查实务人员的传声筒,根本无法对侦查这一社会现象进行科学、独立的研究;这样一来,侦查学研究怎么会有“问题”呢?没有“问题”的科学是没有前途的科学,我国的侦查学要找到自己的“问题”,得利用统计学。而侦查学要利用统计学,则需要有懂统计学的研究者,而懂统计学的侦查学研究者则绝大多数来自于学过统计学课程的学生。因此,在侦查学教育中开设统计学课程可以造就懂统计学的侦查学研究者,可以帮助侦查学找到“问题”,从而推动侦查学的发展。#p#分页标题#e#

(三)使我国侦查学研究者长期无法与国外同行进行有效对话

篇2

一、概率论引入统计学的意义

（一）方法的突破

统计学研究对象的拓展。引入概率论后统计学研究对象的拓展表现在外延与内涵两方面。外延上，导源赌博问题研究的概率论以随机性现象为主要研究对象，它的应用将统计学思想方法带到自然科学领域，甚至用于研究人类心理活动、思维现象，拓展了原来始于社会经济现象研究的统计学的研究对象。另外，联姻前统计学对现象的描述、分析只能止于其确定性方面，有概率论新工具后，其不确定性方面也能描述分析，拓展了作为统计学对象的社会经济现象的数量信息内涵。研究对象的拓展，使得在此基础上统计学成了一门具有通用性的定量分析工具。

统计学研究方法的进阶。概率论联姻“统计”的突出意义表现在方法上—由描述走向推断。“描述统计”（包括数据的收集、整理、显示和分析）主要是通过图表形式对所收集的数据进行加工处理和显示，进而综合、概括和分析得出反映客观现象规律的数量特征；“推断统计”则是在对样本数据进行描述的基础上对统计总体的未知数量特征作出以概率形式表达的推断。联姻之前的古典统计学主要就是初级的“描述统计”（简单的计量、分组、图表、推算等），现代统计学则以“推断统计”为其核心内容。这里“描述”与“推断”的划分一方面反映统计方法发展的两个阶段，另外也反映应用统计方法探索客观事物数量规律的不同过程。“描述”是基础，“推断”是主要内容。

推断统计的现实性意义。统计学从描述发展到推断，反映统计学发展的巨大成就，也是统计学成熟的重要标志。一方面，它是重要的认识工具。正是由于有了“推断”，科学借助统计这一定量分析工具取得了巨大成就。象著名的基因论就借助推断统计方法而得。

（二）思想的腾飞

矩：统计学早期便有“平均”即一般代表值的思想，认识事物数量方面的一般性。引入概率论后，“平均”引申到“期望”，描述随机变量的集中趋势。与“平均”相对应，有对数据偏离“一般”程度的描述即“变异”，认识事物数量方面的差异。引入概率论后其内涵扩充到对随机变量离散程度的描述。“矩”源于力学研究，均数、方差同重心和转动力矩之间的类似促使统计上用“矩”来描述数据特征。其概念涵盖前述的几个参数，并扩充到多阶、多维随机变量特征的描述。“矩”体现了统计“求同察异”的思想，即在了解差异的同时认识事物的同质性。

估计：估计是据样本数据对总体参数所作出的“猜想”’其实质是一种类比，将对已知事物的认识拓广到更大范围。实际上有一个假定即样本、总体的同质性（同分布）。由于样本的随机性使得估计带有不确定性，便给出“区间”来对其描述。

检验：检验即先对总体特征作出一种假设，然后根据样本信息对这一假设的支持程度作出描述（假设正确性的判断），主要运用反证法、小概率原则等思想。检验与估计构成统计推断内容的两面，鉴于思维上推与证的不同而分别提出。

拟合：拟合就是对现象之间的联系、发展规律、变化趋势给予定量描述，是对事物间关系表现的一种抽象。也就是以一定的模型来反映现象及现象间的联系的发展变化，表现出联系的显性方面而抽象掉非显性方面。

相关：相关是客观事物普遍联系的哲学思想在统计上的具体化。统计所研究的对象之间往往表现出相随共变或相随共现的情况，相关便是对现象间这种联系的数量表现的描述、分析。通过对比关联现象变化的方向与程度，来研究它们之间是否有联系、联系的紧密程度和形式。

惯性：哲学上，客观现象都是有规律的辩证发展运动过程。任何运动都具有惯性，这种惯性表现为系统的动态性即记忆性。它反映现象未来行为与过去的行为有关这样一种动态思想，是“动态相关”，也是预测的思想基础，反映现象本身及现象之间关系发展、变化的规律性。

二、概率论引入统计学的启发

概率论引入统计学，使统计学思想方法有了质的飞跃，并成为统计学坚实的理论基础。这也给我们启发：统计学必须与时俱进，顺应时代而发展，不断完善方法体系，与其它定量分析工具、计算技术及其应用领域科学结合融会。

研究对象泛化：统计学是定量分析工具，首先便表现在对所研究的对象（社会经济现象、自然现象、精神思维等）的定量描述上（对象信息数据化），然后再做定量分析。最初统计学只能局限于现象数量信息做确定性的数量描述、分析，引入概率论之后，对研究对象便可以做随机性描述、分析。而实际工作中有时还必须对定性的、模糊的、混沌的甚至突变的等研究对象做定量的描述与分析，概率论便会有所局限，必须引入新的工具。比如引入模糊数学，对模糊性现象做定量描述分析；引入灰色理论，形成灰色统计思想等等。

电子技术发展：科技特别是计算机技术的发展使数据处理的手段得到提升，并对统计提出了新挑战。电脑、网络的出现一方面使统计学的研究对象（总体）成了一个结构复杂的系统，另一方面对数据的分析处理变成了算法。同时在我们面对的数量信息超大量化后，统计的“收集、分析数据”的任务、统计推断意义也就必然发生变化，等等。这一切都要求统计必须与计算机及其它科学联姻，如人工智能、神经网络理论等。

应用领域扩张：现代统计学是一多层次多门类的学科，几乎所有的科研都要借助这一定量分析工具。应用领域的不同，对这一工具的要求必然不尽相同。比如生物统计、保险统计与统计地理学在基础性方法一致的基础上各有与其相联系的实质性科学的特点。现代统计方法（包括概率论的成长、壮大）很大程度上来自一些实质性科研活动，这也就要求我们坚持以概率论等数理工具为基础的前提下紧密联系应用领域的实质性科学。

篇3

1必然性和偶然性的统一

统计学为探索随机现象统计规律性，必须正确处理必然性与偶然性之间的辨证关系。在总体中诸个体某种数量标志表现偶然，而诸标志值平均则为必然。重复测量某种同一客体出现不同的数值属偶然，而同一客体本身真实数值则为必然。必然性通过大量偶然性的数量差异为自己开辟道路。统计研究中经过综合平均，将大量偶然性所形成的数量差异，互相抵消，显露出平均则为必然。必然性与偶然性的对立统一关系在统计抽样调查问题上表现极为明显。客观事物极其复杂，表现千差万别，同一总体各单位的数量差异也非常大，从个别单位，往往因偶然因素的影响而无法探索其本质和规律性。然而，通过大量观察，排除偶然性因素影响，就可暴露出事物的真象，显现其本质。在进行抽样调查时，只有随机抽取的个体足够多，消除诸多偶然因素影响，才能通过抽样总体的数量特征正确地推断总体的数量特征。

2共性和个性的统一

实践和科学都证明矛盾的普遍性，矛盾无处不在、无时不在。矛盾着的事物是普遍存在的，况且同一事物或过程的矛盾有其共性。而对于每个事物或过程的矛盾也各有其个性。因此说，共性和个性的关系就是一般与特殊或普遍与个别的关系，它们是辨证统一的关系。统计学中存在着各种矛盾，每一矛盾具有不同特点。在统计认识中，个体的差异性中蕴含着总体的同一性。统计方法就是运用科学的手段抽象掉各个个体的差异性，探求总体的同一性，并用差异性去标志同一性的内在质量。差异性是统计产生和存在的前提，没有差异性就没有统计；而同一性则是统计的目的，为了求得同一性才需要进行统计。因此，统计研究要运用大量观察法与个别观察法相结合使用的统计方法。

统计研究中运用大量观察法，实现从个别到一般，从个性到共性的认识过程。同时，根据共性寓于个性之中的对立统一规律，统计研究在大量观察的基础上，运用个别观察所搜集的资料来说明总体的基本状况和发展趋势，使认识更深刻、更具体。

矛盾的共性与个性的对立统一规律指导统计研究必须是将统计中的平均数与分组法结合，用组平均数补充说明总平均数，用反映现象的离散趋势的变异指标与反映现象集中趋势的平均数结合使用，以使研究更全面，更完善。

3整体与局部的统一

统计学的研究着眼于总体，着手于样本，立足于个体；同时从总体出发，分解剖析，认识局域（类、层、组）甚至个体，并对其进行调查研究，观察计量，搜集资料。接着对个体的调查所获得的资料进行计算分析，或归纳演绎，用样本来推断总体，达到对总体的系统性认识。即为“统而计之”和“计而统之”的总和，以实现以统定计，以计达统的目的。所以，统计学的思维是一种系统思维，要求一切认识对象不仅它本身作为一个整体来认识，而且它还要作为某个更大系统的要素来认识。这种对系统客体的“主体”认识，是一种对研究对象进行整体性度量的系统思维方式。

因而，统计认识充分体现了整体和局部的有机统一，这是统计研究的一大优点，也是统计认识比较接近客观、真实的主要原因之一。其它认识方法往往是就某一要素而研究某一要素，就某一系统而认识某一系统，忽略或没有充分重视各要素的整合作用和系统环境对系统的制约作用。

4定性分析和定量分析的统一

从统计认识过程而言，充分体现着定性分析和定量分析对立统一的关系。定量分析研究是统计研究的特色所在，但统计的定量分析不是纯粹数量意义的，即不是就数量论数量，而是基于所研究事物本身的特点，并且从所研究事物的有关联系或现实背景中，紧紧扣住认识所研究事物内在本质这一主题来展开的，他注重的是定量分析背后的具体含义和意义，这也正是统计学与数学的区别所在。那么统计研究怎样才能通过数量来体现其具体含义与现实意义？这就必须结合定性分析，即以定性分析为起点，并以定性分析为终点。具体来说，统计研究总是按照“初步（感性）的定性认识——客观科学的定量认识——高级（理性）的定性认识”这一过程来进行的，即从定性开始，确定认识事物有关方面的指标，经过定量过程，搜集，整理，进而对其分析研究，上升到更高的认识，深入认识事物的质，完成定性认识。统计认识活动遵循质与量对立统一规律，从初始的定性入手，依设计的科学的方案一整套统计指标体系，按要求搜集有关数据资料，经过整理和分析对比，认识事物的本质和规律性。也就是说统计的定量分析是人类在认识事物的过程中，实现从感性认识到理性认识这个飞跃的重要途径，是避免产生认识主观偏差的重要手段。

因此，统计研究最终是为人类定性认识服务的，是为了定性认识才进行定量分析研究的，前面所讲的统计的方法性、应用性也正体现在这里。实际上，如何才能真正做到统计研究的定性分析与定量分析的统一，才是需要我们关注的重点。所以，我们需要不断地探求质与量变化的规律和界限，研究质的规定性与量的规定性的关系，将质与量同一与度中，即量的规定性定性于度中，质的规定性定量于度中，以实现定性分析和定量分析的真正统一。

5分析与综合的统一

在统计研究过程中，分析和综合是揭示事物的本质和规律性的一个基本方法。统计认识活动的根本目的是在各个局部进行剖析的基础上达到对总体的认识，揭示其本质和规律性。

所谓分析方法，就是把研究对象分解为若干组成部分，并分别加以研究，从而认识事物的基础或本质的一种思维方法。任何事物的整体都是有若干组成部分构成的，将客观事物在一定条件下分解成各组成部分，分别研究其结构与功能、各部分相互联系、相互作用的特点以及在各种外界条件作用下所表现出来的事物的属性和特点，从而达到对事物本质及内在规律性的认识之目的。可见，分析方法是以客观事物的整体与部分关系为客观基础的。在统计研究中诸如分组分析、因素分析、因果分析、结构分析、定性和定量比较分析、比例分析等等。这些分析在人们的认识中起着重要作用。但是，要把分析所得到的认识变为对整体的认识，揭示整体的本质和规律性，就必须进行综合。

所谓综合方法，就是把研究对象的各个部分联系起来加以研究，从而在整体上把握事物的本质和规律的一种思维办法。与分析方法相比，综合方法认识过程的方向完全相反。它是将事物的各个部分联结为整体，通过全面掌握事物各部分、各方面的特点以及它们之间的内在联系，并加以概括和上升。从事物各部分及其属性、关系的真实联系和本来面目，复现事物的整体，综合为多样性的统一体。在统计中，诸如人口统计的将分组、结构、比例分析化为对整个人口状况分析；商品销售总额分析时分解为价格和销售量变动的影响，进而从总体上分析其因素影响；社会总产值的变化，分解成各个部门行业的影响，进而综合研究其全貌等等。

分析与综合是对立统一，分析是综合的基础，综合统领分析。没有具体的分析，就不能具体深入地把握事物的各部分、各侧面和各种属性与诸因素，从而也就无法综合；同时，分析也离不开综合，它在综合统领下，以综合为目的，达到确切地揭示事物的总体和本质和规律性，使认识升华。因此，没有分析的综合，其结论就只能是空洞的、无根据的，是一个混沌的、外在的、直观的整体。“思维既把相互联系的要素联合为一个统一体，同样也把意识的对象分解为它的要素。没有分析就没有综合（《马克思恩格斯选集》第三卷人民出版社1972年版第81页）。”分析的结果，也就是综合的出发点。统计认识的发展总是沿着“分析——综合——新的分析——新的综合……”轨迹不断前进的，促使统计认识活动不断深化，揭示事物的本质和规律性。

6归纳与演绎的统一

所谓归纳推理，就是从特殊到一般，给出新认识；但新认识是不确定的，可能是错的；特殊材料的组合不同，给出的认识也不同甚至矛盾；基于不完善甚至劣质信息作出决策。所谓演绎推理就是从前提（公理）到命题，不提供超越前提的新知识；容许选择多个前提，但前提可能是错的；大前提里的不同小前提（公理系统里的不同子集合）会给出不同甚至矛盾的结论。以观察为基础对事物的不确定性进行度量主要属于归纳推理问题；但若已知各种事件发生的结果和发生的概率，不确定性下的决策则可以转化为演绎推理问题。

统计认识是通过个别研究认识一般的，所以统计思维必然是一种归纳（即必须通过归纳才能实现）。统计不仅要根据所构建的原始信息通过统计推理获得一般的“知识”，而且还必须进行假设检验、机理检验等，对所获得的知识进行论证。所以说，统计思维是归纳与演绎的统一。归纳方法论强调了方法和外来信息的重要性，而演绎方法论则强调了问题和先存知识的重要性。实际上，二者是一个有机的整体，需要相互补充和协调才能真正解决问题。比如在统计思维中的回归分析既是归纳，又是演绎。所以说，统计思维将归纳和演绎高度而有效地结合运用，收到了很好的认识效果。也只有通过归纳、演绎和实践的相互作用才能找到可靠的科学真理。

7具体和抽象的统一

按照统计认识要运用材料来看，统计学的实际应用具有具体性，它是依据一定的数据和事实，使人们得到启发，运用已有的经验知识，对客观事物的本质及其规律性作出迅速的识别和直接的理解，并对对象的总体状况作出判断。统计认识在取得统计数据之后，首先就是根据数据的特点，运用一定的数据整理手段（如分组、直方图、茎叶图、频率图等）和统计研究人员积累的统计认识经验，充分发挥主体的能动性，获取初步认识。在此基础上再对统计数据的背景资料进行分析研究，必要时还要进行典型剖析或抽样验证。所以说，在统计认识的数据收集、分析与所做结论需要具体化。同时，对统计理论方法研究时具有抽象性，在一定理论指导下进行的数理研究，是具有抽象思维的特点。属于抽象思维的范畴，它舍弃具体向客体的规客规律性逼近。因此，统计学是具体和抽象的统一。

8经验思维和理性思维的统一

统计认识过程不仅是通常所说的实证性研究活动，同时也是探索性研究活动。它自始至终都是理性认识和感性材料的相互结合和相互渗透。

按照统计认识属于实证性研究来说，它具有经验思维

的特点。经验思维就是运用实践经验、感性认识和感性材料进行的思维活动。它的功能主要是认识具体事物的外部状况、表面联系和现象，通过经验思维能够对丰富的大量材料初步加工，把握事物多种多样的具体状态，并且能够在一定程度上把握事物的内在联系和规律。描述性统计就是一种比较典型的经验思维。它依据的是客体的个体的实际状况或者是客体过去的、现在的状态，是事实的归纳、概括、整理。从推断性统计来看，它在描述性统计提供的经验材料的基础上，运用一定的理论、概念，依据严密的逻辑规则和推理过程进行假设检验、数理推断、悖论分析，对描述信息、经验认识进行理论思考，使经验认识升华，这又是有理性思维的特点。它抽象掉具体个体数量上的差异，得出有关对象的共同本质特征的认识；抽象掉所依据的经验材料的特殊，得出有关“类”的一般的认识。

实际上，描述性统计是推断性统计的重要基础，在某种程度上讲，推断是另一种描述；有时候描述性统计与推断性统计是交织在一起的。因此，统计认识是经验思维和理性思维的统一，兼具有两种思维的成分，两种思维相互交叉，相互补充，使统计认识更系统、更具体和更深刻。

总之，统计学是一门认识方法论，统计活动是一种认识活动，是要研究探索和发现认识客体本质及其规律性的方法。哲学是关于世界观和方法论的学说，它研究自然、社会和思维的最一般的规律。它和统计学是一般和个别、共性和个性的关系。哲学对统计学起着指导作用，为统计科学研究和统计工作提供一般指导原则和思维方法；统计学是哲学一般认识方法的具体化。所以，对统计思想进行较深入的探讨和归纳，有利于推进统计理论研究，廓清人们对统计的认识，有助于更合理、广泛的运用统计方法。

参考文献

［1］李金昌.关于统计思想若干问题的探讨［J］.统计研究，2006，(3).

篇4

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（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）。

篇5

2精简和更新教学内容

在教学内容方面做到突出实用性，适当地减少或减弱概率论部分的理论性和难度，以直观、趣味和易于理解的方式把概率论作为数理统计的基础知识加以介绍.在假设检验部分注意阐述数理统计方法的思想、应用的背景及应用中所需的条件，重点讲解假设检验应该如何选取原假设和备择假设，如何对得出的结论进行合理的解释;在参数估计部分着重地讲解参数估计在实际应用中的重要性、合理性及应用中应注意的问题，区间估计中置信区间的理解及单侧置信限在应用中的意义等;在方差分析部分讲清楚引进方差分析的意义、假设检验的方法对多个总体进行多次t检验时的缺点、方差分析应用的条件及合理解释检验结果等;在回归分析部分注意阐述量与量之间的关系、回归方程的理论意义及对回归方程结果在应用中的解释等.目前SPSS软件是国际医学论文中应用最广泛的统计软件［2］，国内的大部分医学期刊也要求论文数据统计分析要应用统计软件处理，统计检验结果要用P值来表示，更要求学生了解统计软件的使用方法，做到正确使用统计软件.

3互动式的教学方法培养应用、创新型人才

传统的教学方式是知识传授型教学，即教师在课堂上灌输知识，在有限的时间内按教学大纲要求把大量的教学内容尽可能地讲授完毕，不能有效地调动学生对学习的主动性，忽视学生应用能力的发展，结果导致学生把主要精力投入到统计计算上，很难有时间去深入分析统计结果.互动式教学方法要求教师在教学中充分发挥教师的主导作用，同时让学生处于教学的中心，在加强课堂讨论的同时，由教员归纳总结，充分调动学生的学习兴趣，提高学生的主动性和创造性.统计学应用能力的培养主要指可正确选择和应用统计分析方法解决医药学科学研究和医药工作中的实际问题［3］.为了避免学生滥用及错用统计方法，教师要重点讲清各种方法的适用条件及特点.在考试方法上亦采用开卷考试，使学生不再花大量时间去推敲和死记那些复杂的公式，不再难于分清和理解符号及公式.通过几年来的改革实践，发现上述教学内容、方法及手段的改革增强了学生的学习兴趣，使学生真正体会到数理统计学的内容在医药及日常生活中的应用价值，激发学生的创造性思维，取得了良好的效果.

［参考文献］

［1］刘定远.医药数理统计方法［M］.第3版.北京:人民卫生出版社，1999.20.