统计学抽样方法范文

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13篇统计学抽样方法范例，将为您的写作提供有力的支持和灵感！

篇1

重构随着信息科学技术的高速度发展,当代获取和储存数据信息的能力不断增强而成本不断下降,这为大数据的应用提供了必要的技术环境和可能.应用大数据技术的优势愈来愈明显,它的应用能够帮助人类获取真正有价值的数据信息.近年来,专家学者有关大数据技术问题进行了大量的研究工作[1],很多领域也都受到了大数据分析的影响.这个时代将大数据称为未来的石油,它必将对这个时代和未来的社会经济以及科学技术的发展产生深远的意义和影响.目前对于大数据概念,主要是从数据来源和数据的处理工具与处理难度方面考虑,但国内外专家学者各有各的观点,并没有给出一致的精确定义.麦肯锡全球数据分析研究所指出大数据是数据集的大小超越了典型数据库工具集合、存储、管理和分析能力的数据集,大数据被Gartner定义为极端信息管理和处理一个或多个维度的传统信息技术问题[23].目前得到专家们认可的一种观点,即:“超大规模”是GB级数据,“海量”是TB级数据,而“大数据”是PB及其以上级别数据[2].

一些研究学者把大数据特征进行概括,称其具有数据规模巨大、类型多样、可利用价值密度低和处理速度快等特征,同时特别强调大数据区别于其他概念的最重要特征是快速动态变化的数据和形成流式数据.大数据技术发展所面临的问题是数据存储、数据处理和数据分析、数据显示和数据安全等.大数据的数据量大、多样性、复杂性及实时性等特点,使得数据存储环境有了很大变化[45],而大部分传统的统计方法只适合分析单个计算机存储的数据,这些问题无疑增加了数据处理和整合的困难.数据分析是大数据处理的核心过程,同时它也给传统统计学带来了巨大的挑战[6].产生大数据的数据源通常情况下具有高速度性和实时性,所以要求数据处理和分析系统也要有快速度和实时性特点,而传统统计分析方法通常不具备快速和实时等特点.基于大数据的特点,传统的数据统计理论已经不能适应大数据分析与研究的范畴,传统统计学面临着巨大的机遇与挑战,然而为了适应大数据这一新的研究对象,传统统计学必须进行改进,以继续和更好的服务于人类.目前国内外将大数据和统计学相结合的研究文献并不多.本文对大数据时代这一特定环境背景,统计学的抽样理论和总体理论的存在价值、统计方法的重构及统计结果的评价标准的重建等问题进行分析与研究.

1传统意义下的统计学

广泛的统计学包括三个类型的统计方法:①处理大量随机现象的统计方法,比如概率论与数理统计方法.②处理非随机非概率的描述统计方法,如指数编制、社会调查等方法.③处理和特定学科相关联的特殊方法,如经济统计方法、环境科学统计方法等[7].受收集、处理数据的工具和能力的限制,人们几乎不可能收集到全部的数据信息,因此传统的统计学理论和方法基本上都是在样本上进行的.或者即使能够得到所有数据,但从实际角度出发,因所需成本过大,也会放弃搜集全部数据.然而,选择最佳的抽样方法和统计分析方法,也只能最大程度还原总体一个特定方面或某些方面的特征.事实上我们所察觉到的数据特征也只是总体大量特征中的一小部分,更多的其他特征尚待发掘.总之,传统统计学是建立在抽样理论基础上,以点带面的统计分析方法,强调因果关系的统计分析结果,推断所测对象的总体本质的一门科学,是通过搜集、整理和分析研究数据从而探索数据内部存在规律的一门科学.

2统计学是大数据分析的核心

数的产生基于三个要素,分别是数、量和计量单位.在用数来表示事物的特征并采用了科学的计量单位后,就产生了真正意义上的数据,即有根据的数.科学数据是基于科学设计,通过使用观察和测量获得的数据,认知自然现象和社会现象的变化规律,或者用来检验已经存在的理论假设,由此得到了具有实际意义和理论意义的数据.从数据中获得科学数据的理论,即统计学理论.科学数据是通过统计学理论获得的,而统计学理论是为获得科学数据而产生的一门科学.若说数据是传达事物特征的精确语言,进行科学研究的必备条件,认知世界的重要工具,那么大数据分析就是让数据最大限度地发挥功能,充分表达并有效满足不同需求的基本要求.基于统计学的发展史及在数据分析中的作用,完成将数据转化为知识、挖掘数据内在规律、通过数据发现并解决实际问题、预测可能发生的结果等是研究大数据的任务,而这必然离不开统计学.以大数据为研究对象,通过数据挖掘、提取、分析等手段探索现象内在本质的数据科学必须在继承或改进统计学理论的基础上产生.

统计数据的发展变化经历了一系列过程,从只能收集到少量的数据到尽量多地收集数据,到科学利用样本数据,再到综合利用各类数据,以至于发展到今天的选择使用大数据的过程.而统计分析为了适应数据可观察集的不断增大,也经历了相应的各个不同阶段,产生了统计分组法、大量观察法、归纳推断法、综合指标法、模型方程法和数据挖掘法等分析方法,并且借助计算机以及其他软件的程度也越来越深.300多年来,随着数据量以指数速度的不断增长,统计学围绕如何搜集、整理和分析数据而展开,合理构建了应用方法体系,帮助各个学科解决了许多复杂问题.现在进入了大数据时代,统计学依旧是数据分析的灵魂,大数据分析是数据科学赋予统计学的新任务.对于统计学而言,来自新时代的数据科学挑战有可能促使新思想、新方法和新技术产生,这一挑战也意味着对于统计学理论将面临巨大的机遇.

3统计学在大数据时代下必须改革

传统统计学是通过对总体进行抽样来搜索数据,对样本数据进行整理、分析、描述等,从而推断所测对象的总体本质,甚至预测总体未来的一门综合性学科.从研究对象到统计结果的评判标准都是离不开样本的抽取,完全不能适应大数据的4V特点,所以统计学为适应大数据技术的发展,必须进行改革.从学科发展角度出发,大数据对海量数据进行存储、整合、处理和分析,可以看成是一种新的数据分析方法.数据关系的内在本质决定了大数据和统计学之间必然存在联系,大数据对统计学的发展提出了挑战,体现在大样本标准的调整、样本选取标准和形式的重新确定、统计软件有待升级和开发及实质性统计方法的大数据化.但是也提供了一个机遇,体现在统计质量的提高、统计成本的下降、统计学作用领域的扩大、统计学科体系的延伸以及统计学家地位的提升[7].

3.1大数据时代抽样和总体理论存在价值

传统统计学中的样本数据来自总体,而总体是客观存在的全体,可以通过观测到的或经过抽样而得到的数据来认知总体.但是在大数据时代,不再是随机样本,而是全部的数据,还需要假定一个看不见摸不着的总体吗?如果将大数据看成一个高维度的大样本集合,针对样本大的问题,按照传统统计学的方法,可以采用抽样的方法来减少样本容量,并且可以达到需要的精度;对于维度高的问题,可以采取对变量进行选择、降维、压缩、分解等方法来降低数据的复杂程度.但实际上很难做得到,大数据涵盖多学科领域、多源、混合的数据,各学科之间的数据融合,学科边界模糊,各范畴的数据集互相重叠,合成一体,而且大数据涉及到各种数据类型.因此想要通过抽样而使数据量达到传统统计学的统计分析能力范围是一件相当困难或是一件不可能的事.大量的结构数据和非结构数据交织在一起,系统首先要认清哪个是有价值的信息,哪个是噪声,以及哪些不同类型的数据信息来自于同一个地址的数据源,等等,传统的统计学是无法做到的.在大数据时代下,是否需要打破传统意义的抽样理论、总体及样本等概念和关系,是假设“样本=总体”,还是“样本趋近于总体”,还是不再使用总体和样本这两个概念,而重新定义一个更合适的概念,等等.人们该怎样“安排”抽样、总体及样本等理论,或人们该怎样修正抽样、总体、样本的“公理化”定义,这个问题是大数据时代下,传统统计学面临改进的首要问题.

3.2统计方法在大数据时代下的重构问题

在大数据时代下,传统的高维度表达、结构描述和群体行为分析方法已经不能精确表达大数据在异构性、交互性、时效性、突发性等方面的特点,传统的“假设-模型-检验”的统计方法受到了质疑,而且从“数据”到“数据”的统计模式还没有真正建立,急切需要一个新的理论体系来指引,从而建立新的分析模型.去除数据噪声、筛选有价值的数据、整合不同类型的数据、快速对数据做出分析并得出分析结果等一系列问题都有待于研究.大数据分析涉及到三个维度,即时间维度、空间维度和数据本身的维度,怎样才能全面、深入地分析大数据的复杂性与特性,掌握大数据的不确定性,构建高效的大数据计算模型,变成了大数据分析的突破口.科学数据的演变是一个从简单到复杂的各种形式不断丰富、相互包容的过程,是一个循序渐进的过程,而不是简单的由一种形式取代另一种形式.研究科学数据的统计学理论也是一样,也是由简单到复杂的各种形式相互包容、不断丰富的发展过程,而绝不是完全否定一种理论、由另一种理论形式所代替.大数据时代的到来统计学理论必须要进行不断的完善和发展,以适应呈指数增长的数据量的大数据分析的需要.

3.3如何构建大数据时代下统计结果的评价标准框架

大数据时代下,统计分析评价的标准又该如何变化?传统统计分析的评价标准有两个方面,一是可靠性评价,二是有效性评价,然而这两种评价标准都因抽样而生.可靠性评价是指用样本去推断总体有多大的把握程度,一般用概率来衡量.可靠性评价有时表现为置信水平,有时表现为显著性水平[8].怎么确定显著性水平一直是个存在争议的问题,特别是在模型拟合度评价和假设检验中,因为各自参照的分布类型不一样,其统计量就不一样,显著性评价的临界值也就不一样,可是临界值又与显著性水平的高低直接相关.而大数据在一定程度上是全体数据,因此不存在以样本推断总体的问题,那么在这种情况下,置信水平、可靠性问题怎么确定?依据是什么?有效性评价指的是真实性,即为误差的大小,它与准确性、精确性有关.通常准确性是指观察值与真实值的吻合程度,一般是无法衡量的,而精确性用抽样分布的标准差来衡量.显然,精确性是针对样本数据而言的,也就是说样本数据有精确性问题,同时也有准确性问题.抽样误差和非抽样误差都可能存在于样本数据中,抽样误差可以计算和控制,但是非抽样误差只能通过各种方式加以识别或判断[910].大多数情况下,对于样本量不是太大的样本,非抽样误差可以得到较好的防范,然而对于大数据的全体数据而言,没有抽样误差问题,只有非抽样误差问题,也就是说大数据的真实性只表现为准确性.但是由于大数据特有的种种特性,使得大数据的非抽样误差很难进行防范、控制,也很难对其进行准确性评价.总之,对于大数据分析来说,有些统计分析理论是否还有意义,确切说有哪些统计学中的理论可以适用于大数据分析,而哪些统计学中的理论需要改进,哪些统计学中的理论已不再适用于大数据统计研究,等等,都有待于研究.所以大数据时代的统计学必是在继承中求改进,改进中求发展,重构适应大数据时代的新统计学理论.

4结论

来自于社会各种数据源的数据量呈指数增长,大数据对社会发展的推动力呈指数效应,大数据已是生命活动的主要承载者.一个新事物的出现,必然导致传统观念和传统技术的变革.对传统统计学来说,大数据时代的到来无疑是一个挑战,虽然传统统计学必须做出改变,但是占据主导地位的依然会是统计学,它会引领人类合理分析利用大数据资源.大数据给统计学带来了机遇和挑战,统计学家们应该积极学习新事物,适应新环境,努力为大数据时代创造出新的统计方法,扩大统计学的应用范围.

参考文献:

[1]陈冬玲,曾文.频繁模式挖掘中基于CFP的应用模型[J]沈阳大学学报(自然科学版),2015,27(4):296300.

[3]卞友江.“大数据”概念考辨[J].新闻研究导刊,2013,35(5):2528.

[5]靳小龙,王元卓,程学旗.大数据的研究体系与现状[J].信息通信技术,2013(6):3543.

[6]覃雄派,王会举,杜小勇,等.大数据分析:Rdbms与Mapreduce的竞争与共生[J].软件学报,2012,23(1):32-45.

[7]游士兵,张佩,姚雪梅.大数据对统计学的挑战和机遇[J].珞珈管理评论,2013(2):165171.

篇2

中图分类号：G80 文献标识码：A

近20年体育统计在我国已经成为十分重要和最常用的体育科研方法。但是，与此同时也有不少体育学术研究，误用统计方法，乃至以挂上统计公式作为“科学性”的幌子，使体育统计界同仁和体育科研工作者感到不自在。体育统计专业委员会也认为应该作一些有关体育统计和体育科研方法的诠释，以减少体育统计方法的误用，提高体育科研水平。

1中国体育统计现状概要

在80年代以前，包括体育统计在内，我国应用统计学科处于萎缩状态。改革开放后，统计方法的应用与统计教育重新得到重视。80年代初，教育部在武汉与襄阳两地举办体育统计教师培训，培养了改革开放后新一代的体育统计的师资与各地体育统计学术骨干。此后，体育院校、师范院校的体育系逐步开设了体育统计课程。1981年在研讨师范院校体育统计教学大纲的时候，成立了全国体育统计研究会。在中国体育科学学会的积极支持下，1984年成立了中国体育科学学会体育统计专业委员会。近20年间，许多统计方法在体育领域得到应用，如抽样理论、实验设计、估计理论、假设检验、决策理论、非参数统计、序贯分析、多元分析、时间数列等都已有研究成果的发表或报道。

然而，我国从80年代开始重新普及体育统计，与20世纪初已经发表因子分析应用研究的美国，或70年表《行动科学的因子分析》专著的日本相比，难免显得基础薄弱。正如著名社会学家教授所说，“一个学科，可以挥之即去，却不可能招之即来”。于是就出现了评析体育统计应用情况的论文，如杨震的《体育统计中应注意的问题》，梁荣辉的《体育科学研究中应用统计方法需注意的问题》，刘炜的《线性模型在体育科研中应用的常见误区》等等。要解决这些问题，不仅是统计知识的问题，也有科研方法的问题。因此必须从科学的发展，俯视体育科学研究方法，从统计学的发展端详体育统计现状。

2统计学的发展

要了解体育统计的发展趋势，有必要简要了解统计学的发展。

人类的统计活动有悠久的历史，古代已有统计整理描述的应用；13世纪欧洲有国势调查；17世纪英国的配第发表了《政治算术》；1790年美国第一次人口普查，同时农业普查；1853年由比利时政府邀请，在布鲁塞尔召开有26个国家150人参加的第一次国际统计会议；1857年，恩格尔根据家庭收入越多，则饮食支出的比例越小这一法则，引申出恩格尔系数，以饮食支出的比例作为度量生活水平升降的标准，它一直延用至今；1903年德国柏林的第九次国际统计会议上，抽样调查得到世界上多数统计学家的认同； 1930年前后美国举行盖洛普民意测验。19世纪中期奠定了概率论的理论基础。19世纪中叶起，数理经济学、生物计量学和应用数学促进了数理统计的形成和发展。社会统计学、社会经济统计学和数理统计学构成了现代统计学的枝叶。现代数理统计学可以分为两个侧面：一是理论数理统计学，它研究抽样理论、实验设计、估计理论、假设检验、决策理论、非参数统计、序贯分析、多元分析、时间数列与博弈论等；二是应用数理统计学，高尔顿、K・皮尔逊用于生物学，埃奇沃思、鲍利用于经济学，R.A.费希尔用于遗传学、农学。在宏观层次上，科学系统的发展主要表现为整体化、高度数学化和科学技术一体化。数学的应用已突破传统的范围而向人类一切知识领域渗透。二次大战以来，统计学的巨大进展已使它成为数学科学的重要而独特的组成部分。

21世纪，统计学将面临更大的挑战。统计作为由观察样本获得尽可能多的总体信息的方法，关系到信息的本质和数据处理。计算机与信息化的时代，爆炸式积累的信息与数据必须借助于统计学才能得到充分有效的利用。大规模的信息处理所遇到的信息压缩、特征检测、可靠性分析，以及数字、符号、图形乃至语言的加工等一系列问题，都要依靠统计方法与计算技术来解决。现实中的许多统计难题需要引进新的统计概念与方法甚至理论体系。当然对于体育统计的这些问题，就目前的研究力量与人才资源，是难以承担如此重任的。

计算机与商品化大型统计软件的出现，为统计学的发展提供了技术上的可行性，使更多的人有可能进行大样本数据处理和多元分析。可以预见，体育院校统计教学研究都将使用专业化的大型统计软件。即将改版的体育统计教材，已将spss的使用列入教学内容。科学、统计学的发展给体育统计和体育科研奠定了宽厚的基础，那么体育统计和体育科研的关系又如何呢？

3体育统计与体育科研方法

3.1体育科研的复杂性

虽然体育对于健康和社会的作用已被社会各界接受。然而，体育学科的复杂性还未被教育界乃至社会所理解。体育外在粗犷，却蕴含了众多的自然学科和社会学科，而使投身体育的研究者感到力不从心。谁也无法夸口能解决体育科学的众多难题。体育与健康的研究，涉及医学、生理学、心理学、人类学、健康社会学、抗衰老的研究等等；体育的动作技术分析会涉及理论力学、材料力学、流体力学、空气动力学和解剖学等等；运动训练理论会涉及技能学习、体能的提高和战术，它与生理、生化、心理、认知科学、博弈论以及教育科学的许多理论直接相关。许多体育科研，出身于相关学科的研究人员，会因为没有从事体育的感性知识而产生困难，竞技体育的研究会因为没有体验训练而难以深入。显然，在体育科研中狂妄、自负只能反照自己的浅薄。

3.2体育科研中统计方法应用的几类问题

3.2.1实验设计的基本原理

虽然研究有专业设计，但是无论你研究自然现象还是社会现象，大多需要实验或调查。

无论是实验设计还是调查设计都离不开统计。最基本的我们应该了解实验设计的三个基本原理：重复，随机化以及区组化。由重复使我们得到实验误差估计值与效应值更精确的估计；由试验对象、试验次序等随机化使观察值或误差为独立分布的随机变量，就可以使用各种统计方法；由相似试验对象的区组化使我们可能提高实验的精确度。如果不注意基本原理，你的研究难免出现方法错误。

3.2.2实验方法

体育的影响因素，如运动强度等，常常是难以控制的，实验对象经常是人，常难以齐同对比，不便重复试验，还不能对实验对象造成伤害等，这使许多主要源于农业试验的试验设计，很少能应用于体育。因此，需根据具体研究目的、研究对象等制约因素，慎重选择合适的试验方法。

3.2.3取样

无论是试验还是抽样调查都需要样本。由于经费、工作量或对抽样方法了解不够等原因，在体育科研论文的研究方法里，包括不少学位论文，对于抽样方法没有明确的交代，抽样方法有较大的随意性。如果精度要求不高，仅作探索性研究，而不是由样本推测估计总体，有时也可用非概率抽样。社会科学中的大样本研究，有时也用非概率抽样。但是，离开了概率抽样，许多统计方法就失去了应用的前提。概率抽样有多种方法，适用不同的情况。因此从研究方法的严密性看，需要在体育科研方面增补这方面的内容。

3.2.4统计分析方法

现代统计学可以借鉴的方法应该有不少，在体育统计基础相对薄弱，原创方法几乎没有的情况下，对于体育统计分析方法，首要的是开阔视野，学习、应用前人或相关学科已有的统计方法。在此基础上，研究前人已有方法不能解决的、有待建立的体育统计方法。当然，方法的建立相当困难，必须重视人才的培养和引进。按照前20年的进程，期望建立新的体育统计方法，形成较为完整的体育统计学科，都是十分困难的。

目前，体育统计应用中存在不少问题，这些问题的根源还是在于对统计基本理论的理解。如：

（1）推测性数理统计是由样本研究总体，由于样本信息是不完整的信息，必然有抽样误差存在，必然有出错的可能性。而在统计分析中却有人得出完全肯定或完全否定的结论。

（2）统计方法仅仅对试验的可靠性和有效性提供准则，但是并不证明变量间的因果关系。如均数比较的假设检验，可以给出比较对象来自同一总体的概率，但统计分析不可能给出它的原因，比如并不说明训练方法好坏等。

（3）实际的差别显著与统计显著性的差别。虽然统计上的显著性与差别大小有关，但是它的直接含义是来自同一总体的概率大小，而不是你误指的差别大小或差别显著。

（4）当训练强度与成绩提高相关，P

（5）统计方法为研究目的服务，要选择合适的方法，而不是选择复杂的方法。

（6）统计模型对于数据的测度水平，变量是连续型还是离散型，是计数资料还是计量资料，相关变量是对称还是不对称等等有不同的要求，所以在研究设计的时候就要考虑统计分析的方法。

（7）体育问卷调查有大量的名义（定类）测度与序次测度。不能不问数据资料的测度水平，一概用均数表示集中趋势，用标准差代表离散程度，用它们作线性回归、因子分析等等。

（8）不注意模型要求乱套统计公式。如不知变量的分布，作小样本的t检验；在自变量间关系过于密切的情况下作回归分析，在变量间关系不密切的情况下作因子分析。

4用好体育统计方法，提高体育科研水平的建议

（1）科学数学化特征及科学发展趋势。可以预见，体育科学必然向数学化方向发展，体育统计无论对于体育自然学科或体育社会学科都将成为重要的研究方法。体育高等学校应重视体育统计学科对于体育科学发展的重要作用。体育科研人员应从方法论高度学习科研方法，吸收相关学科的研究方法。

（2）体育统计要注重抽样研究本质的研讨。重视与概率相联系的思想方法，研究相关学科的统计方法，加强方法的移植研究，明确统计方法建立的条件，避免统计方法误用。

（3）体育科研应加强实验设计、抽样研究及社会科学常用统计方法的普及。提高体育科研人员应用国际通用统计软件包的能力。

（4）体育统计学科的纵深发展必须有跨学科人才的引进与培养。

参考文献

[1] 侯灿.医学科学研究入门[M].上海：上海科学技术出版社，2010

篇3

一、引言

当今社会，科学技术日益革新，统计思想逐步成熟，统计工具也被应用于统计领域，该领域也随之得到延伸和发展。而所谓的统计学其主要的内容是通过对数据的收集、统计、整理分析、数据处理等方法，从而更加深入的发掘数据存在的内部规律，以达到更科学、更合理的解释客观事物的目的，加深对该事物的认知。在具体工作和现实生活中，很多客观规律的分析及归纳是运用统计的方法实现的，通用的操作方法如下：首先需要在分析之前对客观事物进行研究和设计，了解该事物的基本特点；其次针对该事物进行抽样调查，调查的范围要全面；再次利用相应的统计软件和数学思想，建立相应的数学模型，对抽样的结果进行统计分析，让数据呈现一定规律；最后便是根据统计分析的结果作出结论性成果，以便能更加深入的研究及分析客观事物存在的内在规律和普遍性原则等。统计学被应用的领域广泛，本文主要针对统计学在财务方面进行研究。

二、统计学应用于财务方面的意义

（一）将统计学应用于财务，能满足企业和行业对产值、资金等方面的计算需求。行业或企业财务数据极为庞大，运用统计方法进行财务统计，便于反应企业或行业的劳动成果和产能产效，为国家统计国内生产总值、人均GDP等提供数据支撑。

（二）将统计学应用于财务，可以帮助企业或个人进行负债核算、资金流核算等，提供基础数据。运用统计学进行财务统计，既可以作为分析企业经济实力的标准，又可以将统计的数据作为核算资产负债的数据来源。

（三）将统计学应用于财务，可以用于研究分析个人、企业、国家三者之间的利益分配关系，通过统计学研究出的普遍性规律来制定符合大多数人需求的收入分配制度，从而达到合理调整利益关系的目的。

三、如何合理运用统计学解决财务管理问题

（一）利用统计学方法进行财务的收益与风险计算财务管理的过程中，经常需要计算财务收益与风险，而对应在统计学中即为算数平均值与标准差的计算。比如,企业在运营过程中，需要计算期望现金流量,往往在现实运营过程中，存在诸多影响未来现金流量的不可控因素，因此计算出的未来的资金流量存在很大的不确定性，但如果采用单一的现金流量，在一定程度上可以保证现金流量的确定性，却不能全面的反应企业的资金运营情况。在这种大背景下，可结合统计学方法，如期望现金流量法，计算未来的现金流量，能提高计算的准确性，取得较好的效果。此外，在企业财务管理的过程中,需要运用到许多基于统计学的财务预算方法，如在预测资金需求量的情况下，可以运用回归法预测、平滑法预测等。当今，基于统计学原理，已经形成了很多专业的财务预算方法，如：预计资产负债表法、线性回归法等，这些方法的运用，加快了财务管理的效率，为财务人员处理庞大的财务数据提供了方法。

（二）利用统计学方法进行审计统计抽样抽样调查是统计学常用的统计方法，而审计抽样,则是抽样调查在财务应用的体现，主要是指审计人员在审计时，审查主体数据量比较庞大，因此仅抽取部分样本进行审查分析，通过分析抽取样本的审查结果,从而大致推断出总体的审查结果，这也是我国财务审查的主要方法之一。统计抽样之前需要先进行假设检验，即在抽样调查之前需要确定抽样规模、范围、基本参数等，之后还需对选取的样本进行初步审核。若在实际审查的过程中，抽取的样本不能满足审查要求，还可对样本的规模进行逐步扩大，以达到抽样结果的特征与总体情况基本相符的目的。在审查的最后，根据样本的审计结果进行推导，从而得出基本符合总体特征的结论。在实际的审计过程中，抽样的方法有很多，如货币单位抽样、变量抽样等。而在选择抽样方法时，审计人员应该根据审计的目标、效率及审查总体的特征合理选择，以达到审查的最终目的。

四、统计方法在财务管理中的应用

当今社会，统计学方法被大量应用于财务管理的各个方面，其最终目的在于提高财务管理的效率，分析财务活动的合理性，为财务活动的预测、决策、控制等提供科学依据。本文从收益率的预测、概率图的运用、数据的准确性及数据变异系数的分析四个方面着手，对统计学在财务方面的应用进行研究分析。

（一）预测未来收益率，提高企业收益。一个企业在实际运营过程中，能很好的把控未来的发展状态及收益情况，是企业发展的重要途径。利用合适的统计学方法可以实现利用已有的数据预测未来一段时间的数据。对应到企业中去，即运用统计学的方法，对企业现有的资源进行统计分析，预测未来一段时间内的收益情况，从而根据预测的收益率指定相应的实施方案，从而达到提高企业收益的目的。

（二）利用概率分布图，进行数据分析及投资决策。在具体的财务管理过程中，可利用统计学方法对已有数据进行处理，并根据需求绘制相应的概率分布图，那么各种数据的变化规律便一目了然，以便于决策者根据其变化规律进行投资或运营。比如在计算企业未来收益率时，可以根据现有的数据进行统计分析并绘制出一条概率与结果近似关系的连续性曲线，并根据该曲线推导出未来的收益率，从而进行投资决策。概率图有两个最主要的特点：概率分布图越集中，则其预期结果越趋向于实际结果，则其风险越小，投资回报率越高。当所得到的概率分布图越集中时，则说明实际结果越有可能接近预期值；反之，概率分布图越稀疏，则实际结果与实际结果的差距越大，风险也越大。

（三）利用标准差，确保数据的准确度。在财务的实际管理过程中，经常需要确定数据的准确程度，而财务人员通常是是利用统计学中的标准差的大小来判断所得到数据的精确程度。计算标准差的步骤如下：第一，根据现有的数据进行预测，得出收益的预测值；第二，将收益率的预测值和实际值相减，得到离差值；第三，计算概率分布方差，即将离差值求平方，并将得出的平方值与预测值相乘，再将这些乘积相加；第四，对方差进行开方计算，得到标准差。

（四）运用数据变异系数，度量单位收益风险。变异系数是标准差与平均数的比值，主要是用来衡量数据的变异程度，即用于度量单位收益下的所面临的风险。这种单位收益的风险判断为企业的决策提供了有效的借鉴。因为变异系数既能计算风险还可以反映企业收益，因此在企业的财务管理中被大量应用。

五、结论

企业或行业的财务管理过程中会面临大量的数据处理，合理利用统计学方法进行数据的统计及分析，对简化数据处理，提升数据准确度、精确度，甚至对于财务决策等各方面均有所助益，因此，将统计学方法引入财务管理具有非常重要的意义。

【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

1　什么是统计学

问：一般认为，统计学这个词来源于拉丁语的国情学，原是国家管理人员感兴趣的事情。《大不列颠百科全书》对统计学下的定义是：“统计学是关于收集和分析数据的科学和艺术。”陈希孺院士认为：“统计学是有关收集和分析带有随机性误差的数据的科学和艺术。”

史宁中教授，作为统计学家，您是如何认识统计学的?

史教授：我们先来简单地回顾统计学的历史是有益处的。正如拉丁语所说，统计原本就是收集和分析国家管理中需要的各种数据，比如国民收入、各种税收。为了直观，人们才发明了各种报表、直方图、扇形图，等等。可以看到，这种传统意义上的统计学现在仍然是非常重要的，这也是我们现在小学统计教学中的主要内容之一。后来到了14世纪左右，随着航海业在欧洲兴起，航海保险业开始出现。为了合理地确定保险金与赔偿金，需要了解不同季节、不同路线航海出现事故的可能性大小，需要收集相关的数据，根据数据进行分析和判断，这被称为近代统计学的发端。到了19世纪末20世纪初，人们把数学、特别是概率论的有关知识引入到统计学，构建了统计学的基础。与古典统计学相比，虽然二者都是对数据的收集和分析，但却有本质的不同，因为后者进行分析的基础是“不确定性”，我们称之为“随机”。

到了现代，人们发现，对于大量数据的分析，采用随机的方法不仅方便而且准确。比如，对于国民收入，我们可以动用大量的人力来收集数据，但是谁都知道这样的数据不可能是准确的，远不如我们依据某种原则规划分出地区和人群，然后抽样、加权求和准确。再比如，对于股票市场，一天交易之后，可以得到精确的交易总量，但是人们宁可用部分核心企业的股票交易量来反映股票的变化，这便是“恒生指数”“上证指数”，等等。特别是到了2l世纪，银行、保险、电信，以及材料科学、基因组学等新兴学科的实验中涉及大量数据，其分析更需要借助随机方法了。我想，大概就是因为这些原因，国家才决定在现在中小学数学的教学中加入统计学的内容。

因此，你们谈到的关于统计学的定义都是可以的。但是，要把握统计学的根本思想方法却是非常困难的。

问：那么，您认为统计学的基本思想方法是什么呢?

史教授：这是一个不容易回答的问题。对于统计学的掌握很大程度上依赖于感悟，需要比较长的时间的理解与实践。我们先来回顾一下中小学传统数学的教学内容。这些内容主要是对日常生活中见到的图形和数量的抽象，研究的问题是图形的变化和计算法则，研究的基础是定义和假设，研究的方法主要是归纳、递归、类比和演绎推理。

统计学则不同。如我上面谈到的，统计学是通过数据来进行分析和推断的。因此，统计研究的基础是数据。这些数据的特点是，对于每一个数据而言，都具有不确定性，我们需要抽取一定数量的数据，才能从中获取信息。因此，统计学的研究依赖于对数的感悟，甚至是对一堆看似杂乱无章的数的感悟。通过对数据的归纳整理、分析判断，可以发现其中隐藏的规律。因为可以用各种方法对数据进行归纳整理、分析判断，所以，得到的结论也可能是不同的。而且，我们很难说哪一种方法是对的，哪一种方法是错的，我们只能说，能够更客观地反映实际背景的方法要更好一些。比如，我们希望知道某公司员工的收入情况，可以用平均数也可以用中位数，很难说哪个方法错。事实上，如果收入比较均衡，用平均数要好一些；如果收入比较极端，用中位数要好一些。当然，最好的方法是对收入。情况进行分类，但是分类的方法又有好坏之分。我们可以看到，统计学关心更多的是好与不好，而中小学传统数学关心更多的是对与错。

因此，统计学的基本思路是，根据所关心的问题寻求最好的方法，对数据进行分析和判断，得到必要的信息去解释实际背景。

2　统计学的研究对象

问：我们对于统计学有了一定的了解。从您的谈话中我们感觉到，统计学似乎是包罗―万象的。那么，统计学到底是研究什么呢?

史教授：是这样的，统计学的应用面非常广，凡是涉及数据分析的都可以成为统计学的研究领域。特别是到了近代，人们希望更加精细地了解实际背景，更多地借助数据分析，甚至人文科学也是如此，并且逐渐形成了专业的研究领域，比如计量经济学、计量社会学、计量教育学、计量心理学，等等。这些研究领域分析方法的基础大体是统计学。统计学并不研究某一个领域的具体内容，在本质上只是研究数据分析的方法，这包括创新的方法，也包括分析方法的好坏、分析方法的适用条件。

问：您能否结合中小学统计的内容谈得更具体一些?特别是在统计教学过程中，应当把握的基本原则是什么呢?

史教授：可以在统计研究中首先遇到的问题是如何获取“好”的数据。所谓“好”的数据，是指那些能够更加客观地反映实际背景的数据，而要获取好的数据要依赖于“好”的方法。根据数据的不同，方法主要分两大类，一是通过调查收集数据，二是通过实验制造数据-中小学统计教学中涉及的主要是前者，称为抽样调查(而后者通常被称为实验设计)_抽样调查又包含两个方面，一个是对已经存在的数据的收集，称之为抽样，比如市场的物价、学生的身高、企业的产值，等等；另一个是需要我们了解才能够获取的，称之为调查，比如美国总统的民意支持率、人们日常消费的主要项目、中小学生喜欢的歌手，等等。

根据问题的不同，所要采用的方法也可能不同，但是要建立两个基本原则。第一个基本原则是，采用能够获取好的数据的方法。为了获取好的数据，我们需要尽可能多地利用对于实际背景已有的先验知识。比如，希望知道学生的身高，先验知识是“年龄之间差别很大”。因此，最好是根据年龄段学生数的多少按比例抽取样本，我们称这种方法为分层抽样。可以看到，统计方法的直观想法是很明显的。如果对于实际背景一无所知，那么一定要抽取样本，这便是随机抽样。比如，希望知道学生喜欢的歌手，因为这些学生年龄之间差别可能不大，就可以采取随机抽样。当然也可以用分层抽样，但要麻烦得多。第二个基本原则是，采用简单的方法。能够基于上述两个原则的方法就是一个好方法。我们不要小看第二个原则，一个好的方法往往能够节省很多调查经费。这就是为什么咨询公司非常欢迎统计学家的原因。

问：刚才您提到了样本，许多教师对样本这个概念总是感到费解。

史教授：是的，这个概念很难把握。样本实质上就是数据，但是，统计学中涉及的数据往往是随机性的。还是

回到“学生的身高”这个问题上来。在抽样之前。我们可能并不知道具体数据的大小，这些数据对于我们是随机的。为了讨论出一个好的方法，我们假想能够得到这些数据，并且假想这些数据的出现是依据某种规律的，这种规律就是数据出现的可能性在小，我们称之为概率。比如，高年级学生出现大数据(高个子)的可能性要大于低年级学生，就是说，出现大数据的概率要大。但是，只有当抽样之后我们才能得到真实的数据；才能进行实质的计算与分析。这样，我们所要研究的数据既具有随机性又具有真实性。为了方便起见，我们称这样的数据为样本。

问：根据您的阐述，统计学怎么有一些哲学式的思考呢?

史教授：你们理解到了根本。这是统计学与中小学传统数学的最大区别。传统数学可以根据假设和规定的原则进行计算或者推理，但是统计学往往要问你所采用的方法是不是有道理，是不是还有更为合理的方法。不过，传统数学是统计学不可缺少的工具。

问：是不是因为统计学需要计算呢?

篇5

methods and applications of statistics in the atmospheric and earth sciences

2012，384p

hardcover

isbn9780470684443

n. balakrishnan著

篇6

当今中小学数学增加了统计学和概率论的内容，这些内容是一种“不确定性数学”内容，与传统的“确定性数学”内容有较大区别。这使得数学教育工作者以及在教学一线的广大教师普遍感到不适应。

统计的基本思想方法是什么？解决统计问题的基本途径是什么？中小学统计课程、教学中应当突出的重点是什么？中小学统计的教育价值是什么？带着这些迷茫和困惑，我们进行了较长时间的专题访谈和深入研讨。

访谈对象：史宁中教授（以下简称史教授）。

访谈形式：专题访谈，三人对话以及多人参加的讨论班式的访谈；辅以资料查询。

一、统计及其基本思想与方法

（一）什么是统计学

问：一般认为，“统计学”这个词源于拉丁语的“国情学”，原是国家管理人员感兴趣的事情。《大不列颠百科全书》对统计学下的定义是：“统计学是关于收集和分析数据的科学和艺术。”陈希孺院士认为：“统计学是有关收集和分析带有随机性误差的数据的科学和艺术。”

史宁中教授，作为统计学家，您是如何认识统计学的？

史教授：我们先来简单地回顾统计学的历史是有益处的。正如拉丁语所说，统计原本就是收集和分析国家管理中需要的各种数据，比如国民收入、各种税收。为了直观，人们才发明了各种报表、直方图、扇形图等等。可以看到，这种传统意义上的统计学现在仍然是非常重要的，这也是我们现在小学统计教学中的主要内容之一。后来到了14世纪左右，随着航海业在欧洲兴起，航海保险业开始出现。为了合理地确定保险金与赔偿金，需要了解不同季节、不同路线航海出现事故的可能性的大小，需要收集相关的数据，根据数据进行分析和判断，这被称为是近代统计学的发端。到了19世纪末、20世纪初，人们把数学、特别是概率论的有关知识引入到统计学，构建了统计学的基础。与古典统计学相比，虽然二者都是对于数据的收集和分析，但是却有本质的不同，因为后者进行分析的基础是“不确定性”，我们称之为“随机”。

到了现代，人们发现，对于大量数据的分析，采用随机的方法不仅方便而且准确。比如，对于国民收入，我们可以动用大量的人力来收集数据，但是谁都知道这样的数据不可能是准确的，远不如我们依据某种原则划分出地区和人群，然后抽样、加权求和准确。再比如，对于股票市场，一天交易之后，可以得到精确的交易总量，但是人们宁可用部分核心企业的股票交易量来反映股票的变化，这便是“恒生指数”“上证指数”等等。特别是到了21世纪，银行、保险、电信，以及材料科学、基因组学等新兴学科的实验中涉及大量数据，其分析更需要借助随机方法了。我想，大概就是因为这些原因，国家才决定在现在中小学数学的教学中加入统计学的内容。

因此，你们谈到的关于统计学的定义都是可以的。但是，要把握统计学的根本思想方法却是非常困难的。

问：那么，您认为统计学的基本思想方法是什么呢？

史教授：这是一个不容易回答的问题。对于统计学的掌握很大程度上依赖于“感悟”，需要较长时间的理解与实践。我们先来回顾一下中小学传统数学的教学内容。这些内容主要是对日常生活中见到的图形和数量的抽象，研究的问题是图形的变化与计算法则，研究的基础是定义和假设，研究的方法主要是归纳、递归、类比和演绎推理。

统计学则不同。如我上面谈到的，统计学是通过数据来进行分析和推断的。因此，统计研究的基础是数据。这些数据的特点是，对于每一个数据而言，都具有不确定性，我们需要抽取一定数量的数据，才可能从中获取信息。因此，统计学的研究依赖于对数的感悟，甚至是对一堆看似杂乱无章的数的感悟。通过对数据的归纳整理、分析判断，可以发现其中隐藏的规律。因为可以用各种方法对数据进行归纳整理、分析判断，所以，得到的结论也可能是不同的。而且，我们很难说哪一种方法是对的，哪一种方法是错的，我们只能说，能够更客观地反映实际背景的方法要更好一些。比如，我们希望知道某公司员工的收入情况，可以用平均数也可以用中位数，很难说哪个方法对哪个方法错。事实上，如果收入比较均衡，用平均数要好一些；如果收入比较极端，用中位数要好一些。当然，最好的方法是对收入情况进行分类，但是分类的方法又有好坏之分。我们可以看到，统计学关心更多的是好与不好，而中小学传统数学关心更多的是对与错。

因此，统计学的基本思路是，根据所关心的问题寻求好的方法，对数据进行分析和判断，得到必要的信息去解释实际背景。

（二）统计学的研究对象

问：我们对于统计学有了一定的了解。从您的谈话中我们感觉到，统计学似乎是包罗万象的。那么，统计学到底研究什么呢？

史教授：是这样的，统计学的应用面非常广，凡是涉及数据分析的都可以成为统计学的研究领域。特别是到了近代，人们希望更加精细地了解实际背景，更多地借助数据分析，甚至人文科学也是如此，并且逐渐形成了专业的研究领域，比如计量经济学、计量社会学、计量教育学、计量心理学等等。这些研究领域分析方法的基础大体是统计学。统计学并不研究某一个领域的具体内容，在本质上只是研究数据分析的方法，这包括创造新的方法，也包括分析方法的好坏、分析方法的适用条件。

问：你能否结合中小学统计的内容谈得更具体一些？特别是，在统计教学过程中，应当把握的基本原则是什么呢？

史教授：可以。在统计研究中首先遇到的问题是如何获取“好”的数据。所谓“好”的数据是指那些能够更加客观地反映实际背景的数据，而要获取得好的数据则要依赖于“好”的方法。根据数据的不同，方法主要分两大类，一是通过调查收集数据，二是通过实验制造数据。中小学统计教学中涉及的主要是前者，称为抽样调查（而后者通常被称为实验设计）。抽样调查又包含两个方面，一个是对已经存在的数据的收集，称之为抽样，比如市场的物价、学生的身高、企业的产值等等；另一个是需要我们了解才能够获取的，称之为调查，比如美国总统的民意支持率、人们日常消费的主要项目、中小学生喜欢的歌手等等。

根据问题的不同，所要采用的方法也可能不同，但是要建立两个基本原则。第一个基本原则是，采用能够获取“好”的数据的方法。为了获取好的数据，我们需要尽可能多地利用对于实际背景已有的先验知识。比如，希望知道学生的身高，先验知识是“年龄之间差别很大”。因此，最好是根据年龄段学生数的多少按比例抽取样本，我们称这种方法为“分层抽样”。可以看到，统计方法的直观想法是很明显的。如果对于实际背景一无所知，那么，一定要随意抽取样本，这便是“随机抽样”。比如，希望知道学生喜欢的歌手，因这些学生年龄之间差别可能不大，就可以采取“随机抽样”。当然，也可以用“分层抽样”，但是要麻烦得多。第二个基本原则是，采用简单的方法。能够基于上述两个原则的方法就是一个“好”方法。我们不要小看第二个原则，一个好的方法往往能够节省很多调查经费。这就是为什么咨询公司非常欢迎统计学家的原因。

问：刚才你提到了“样本”，许多教师对这个概念总是感到费解。

史教授：是的，这个概念很难把握。样本实质上就是数据，但是，统计学中涉及的数据往往是具有随机性的。还是回到“学生的身高”这个问题上来。在抽样之前，我们并不可能知道具体数据的大小，这些数据对于我们是随机的；为了讨论出一个好的方法，我们假想能够得到这些数据，并且假想这些数据的出现是依据某种规律的，这种规律就是数据出现的可能性的大小，我们称之为“概率”。比如，高年级学生出现大数据（高个子）的可能性要大于低年级学生，就是说，出现大数据的概率要大。但是，只有当抽样之后，我们才能得到真实的数据，才能进行实质的计算与分析。这样，我们所要研究的数据既具有随机性又具有真实性。为了方便起见，我们称这样的数据为样本。

问：根据你的阐述，统计学怎么有一些哲学式的思考呢？

史教授：你们理解到了根本。这是统计学与中小学传统数学的最大区别。传统数学可以根据假设和规定的原则进行计算或者推理，但是统计学往往要问你所采用的方法是不是有道理，是不是还有更为合理的方法。不过，传统数学是统计学不可缺少的工具。

问：是不是因为统计学需要计算呢？

史教授：不仅仅如此，判断统计方法的好坏很大程度上也是依赖传统数学的。

问：你能不能结合中小学统计课程、教学，谈得更具体一些？

史教授：可以。假如我们得到了数据，由于数据看起来是杂乱无章的，就需要进行必要的整理，整理的实质是对大量的数据进行“压缩”。根据问题的不同，压缩的方法也有所不同。比如，希望知道学生的平均身高，称之为“总体均值”。我们可以计算样本的平均数，然后用样本的平均数去估计总体均值。样本平均数就是对于数据的一种压缩方法。当然还可以用其他的方法，比如计算中位数，或者计算最大数和最小数的平均数。那么，哪一个方法要好一些呢？虽然我刚才谈了平均数和中位数的使用条件，但这仅仅是一种描述性的。对于数据压缩也有一个原则，就是不能失去我们所要研究问题的信息，满足这个条件的压缩后的值被称为“充分统计量”。这个原则的数学表达需要借助“条件概率”，涉及很深的数学。因此，统计学需要哲学的思考，也需要严格的数学推理。事实上，对于总体均值，上面的三个压缩后的量中只有样本平均数是充分统计量。直观地想，样本平均数以局部的特征估计总体的特征，可能要好一些。这是因为，虽然样本平均数依赖样本的选取也是随机的，但是我们可以想象，当我们反复取样本计算时，这些样本平均数应当在总体均值附近摆动。当然，我们还可以建立其他的准则来判别方法的好坏，只要这个准则是合理的。比如，我们可以验证，样本平均数是使“与所有数据差的平方的和达到最小”的数；样本中位数是使“与所有数据差的绝对值的和达到最小”的数。这两个准则都是有道理的。

因此，作为教师，在统计课程实施的过程中，不仅仅需要知道如何去计算，还需要知道之所以这样计算的道理。只有这样，在讲课的时候才可能心里更有底，才可能根据学生的反应随时调节教学策略。再比如统计图表，是为了更直观地表达数据，这也是数据整理的一种形式。根据我们所要研究问题的不同，表达方式也可以有所不同。

（三）统计学研究方法的本质

问：严士健先生认为，统计学的研究方法与传统数学的研究方法有一个本质上的不同：统计学的研究方法是基于归纳，而传统数学是基于演绎。

史教授：我想，这是从思辨的角度来考虑的。一般来说，推理分为演绎和归纳。上面已经谈到，传统数学在本质上研究的问题是确定性的，基础是定义和假设，遵循约定原则进行严格的计算或者推理，因此更多的是演绎；统计学在本质上研究的问题是随机的，是非确定性的，通过较多的数据进行推断，也就是通过许多的个别来推断一般，可以认为是一种归纳。但是，正如我在上面也谈到过的那样，在许多情况下，哲学思考后的数学表达也是严格依赖于演绎的。

二、中小学统计课程设计的核心问题

（一）统计与概率课程设计的总体构想

问：《标准》《标准》指《全日制义务教育数学课程标准（实验稿）》。在总体目标中提出，要使学生能够“经历提出问题、收集和处理数据、作出决策和预测的过程，掌握统计与概率的基础知识和基本技能，并能解决简单的问题；经历运用数据描述信息、作出推断的过程，发展统计观念”。在课程实施中，许多在教学一线的教师，甚至学科教学的专家都感到统计的内容安排不好把握，甚至对《标准》关于统计的设计提出了一些质疑。

作为统计学家，你认为如何设计中小学各学段的统计课程内容更合理呢？

史教授：对中小学统计课程内容的设计，我没有进行过专门的研究。我想，在讨论这个问题之前，首先要清楚的问题是，除了知识之外，统计学的教育功能是什么？或者说，统计学的教育价值是什么？

问：在中小学阶段，统计学的教育价值是什么呢？

史教授：我在上面都已经谈到了，现在再总结一下。主要有三点。首先，养成通过数据来分析问题的习惯。其实质是通过事实来分析问题，当遇到问题时，应当去调查研究，应当去收集数据，在此基础上进行的推断才可能客观地反映实际背景。其次，建立随机的概念。有些事情可能发生，有些事情可能不发生，这在日常生活中是大量存在的。即便如此，只要我们掌握的信息多了，也能够合理地推断实际背景。第三，学习如何去判断事情的主要因素。我已经谈到，统计学能够在一堆看似杂乱无章的数据中提炼信息、寻找规律，这就需要抓主要因素。比如我刚才谈到的股票市场的例子，核心企业就是主要因素。在统计学中，可能还有其他方面的教育价值，但在中小学阶段统计的教育价值主要就是这三点。

问：如何通过这三点来说明中小学统计内容的课程、教学设计呢？

史教授：教育价值，或者说教育功能是进行课程、教学设计的灵魂，是课程、教学设计的核心目标。如果中小学统计学课程、教学设计的核心目标是培养学生“通过数据来分析问题”，课程、教学设计的总体框架就应当是，体现从收集数据到分析推断的全过程，并以这个过程为主线，抓住要点，循序渐进。我们以小学统计为例， 在第一学段（1~3年级），可以侧重于统计直觉的培养。首先，应该对数有一定的理解和感悟，这主要是数的大小的比较，以及对于数的分类。后者对于学习现代数学和现代统计学都是重要的，但是过去我们很少接触。比如，我们可以让学生“建立一个原则，在这个原则下给全班同学分类”。显然分类方法是多种多样的，这个原则可以是男女、出生月份、家庭区域等等。再比如，把全国各省的GDP统计数据提供给学生，让学生根据GDP的多少对各个省进行分类，并讲出分类的标准。其实，这里也涉及抓主要因素的问题，分类的标准就是抓主要因素。

其次，学习一些抽样的方法，最好针对身边的事情。比如，同学们的身高、脚的大小、睡觉的时间等等。在这其中可以得到一些趣味性的结果。可以学习平均数，也可以学习统计表、直方图等等。

最后，可以学习分层抽样，并且通过比较，领会分层抽样的好处。因为有了数据的分类的基础，学习分层抽样就比较自然了。

在第二学段（4~6年级），可以有一些具有背景的理性的思考。比如，再进行学生身高的调查，然后与以前的数据比较，看身高的变化，其中可以得到许多有趣的学习：可以作直方图或折线图，然后比较；可以分类比较；可以通过斜率来分析变化率；甚至可以通过变化率来预测未来。除此之外，还要进行社会调查，比如市场物价调查，评估物价的上升还是低落，这里也涉及抓住主要因素的问题。

在这个阶段，可以渗透随机和概率的思想，分清楚有些事情可以直接判断可能性的大小，有些事情则需要调查估计可能性的大小。可以涉及加权平均。中位数和众数的学习一定要结合具体的案例进行学习，并且与平均数比较，这是因为中位数和众数在日常生活中用得不多。

最好有一个案例能够贯穿小学统计教学的全过程，比如我刚才谈到的身高的调查分析，让学生积累调查记录，逐年比较，从而对统计的学习有一个整体的了解。

（二）处理统计与概率关系的策略

问：在中小学数学课程教学中，应当如何处理统计与概率的关系？

史教授：概率论与统计学有很大的差别。虽然二者都研究随机现象，但概率论的研究基础还是定义和假设，这与传统数学很相似，而统计学的研究基础是数据，它的研究要借助概率论的结果。比如我刚讲到的“分清楚有些事情可以直接判断可能性的大小，有些事情则需要调查估计可能性的大小”，前者是概率计算，而后者是统计推断。在小学阶段，概率所涉及的形式化数学知识很少，只需要很好地理解分数。我曾经在前面的访谈中讲到，真分数有两个含义：一个是0与1之间的实数，一个是比率。后者可以理解为概率。如果再懂得一些代数知识，就能够理解概率中的逻辑运算和计算的基本原理。

中学的统计教学也涉及分数，也是借助比率的含义，也是表示事件发生可能性的大小。但是，在统计的计算中，分数是基于样本计算出来的，是与样本量的大小有关系的，在计算的过程中必须注意到这一点。比如，希望了解学生对某一项活动的支持率，一班有50人，10人赞同，支持率为；二班有45人，15人赞同，支持率为，那么总体支持率是否为（+）÷2=呢？不是的。应当考虑样本量的比例和，则总体支持率为，大约为。这就是加权平均，权为样本量的比例。当然也可以用来进行计算。两个计算都是合理的，因为都考虑到了样本量。但是前一个式子已经不需要样本的具体数据了，因而是更为深刻的。

从知识的角度来看，统计学的研究需要以概率论为基础。但从认知的角度看，统计比概率更为具体，概念和定义用得更少，因此，在小学阶段应当以学习统计为主，到初中阶段可以学习一些概率的初步知识，但是仍然要注意结合生活背景和实验背景，对概念的表达要以描述性为主，不要出现太多的专业术语。我想，概率的全面学习安排在高中阶段更为合适。

（三）统计与现代信息技术的整合

问：从课程改革实验区的情况看，计算器、计算机的日益普及为学生学习统计与概率提供了更加方便的工具。你是如何看待计算机在统计课程教学中的作用的呢？

篇7

关键词:

经济统计;自由度概念;背景和应用

一、自由度概念的产生

自由度概念的产生与与人们进行抽样调查密不可分，抽样调查是一种非全面调查，它能够解决全面调查无法解决或者较难解决的问题，在抽样调查时，先确定好研究地对象，然后对研究对象进行调查，最后再抽选相应的对象进行调查，从总体上来看，抽样调查的这种方式是对全面调查的补充和完善。抽样调查的简单快捷是全面调查力所不及的，全面调查在调查过程中，人力、物力和财力的浪费现象较为严重。节约大量的调查时间。抽样调查的特点较多，抽样调查进行时不受其他因素的影响，时效性极强;在抽样调查中，能够根据调查的要求随机进行选择，这显示出了抽样调查的灵活性;在抽样调查后针对获得的数据进行详细的计算，最后所得数据准确性极高。虽然在许多定律和假设条件中受到限制，为了降低判断失误和调查不全面的情况，采取提高总体样本和抽样样本之间的相关性措施，在抽样样本数据的形成上必须慎重对待。于是自由度在这样的要求下应运而生。基于满足总体和样本之间的约束原因，通过对部分变量和元素的调整以达到实现抽样调查的准确性的目的，因此自由度概念产生的主要原因就是样本在选择过程中的为满足相关条件进行的优化。

二、自由度概念的界定

自由度是可以自由变换的，对于在自由度中不同的较为显著性的实验，其计算方法也是不一样的，样本自由度的正确选择是显著性实验的基础。有专家认为，自由度是可以随意变化信息的数量，其前提是没有违背总体和样本之间的约束条件。如果仅仅只从社会经济的角度来看，在统计中，统计工作质量的主要方面受到样本统计过程的科学性、样本的代表性和统计检验的合理性以及统计结果的真实性的影响，而统计工作的质量主要取决于统计工作的着重点，即统计样本。自由度的确定和选择，在形成统计样本的时候是十分重要的。在统计学上，界定自由度主要从把握样本与总体的关系来进行，总体样本与抽样样本的关系只是基于统计的目的，在统计方法、统计主体、统计性质和统计数量的不同而有所不同。在经济统计学中，统计学中自由度n－1的由来。

三、自由度在经济统计学中应用分析

自由度在经济统计学中的运用作用极其重要，其中，在抽样调查中的应用尤其常见，在抽样调查中，自由度的使用能使抽样调查结果更为精确。在统计上，自由度的运用也及其常见。

(一)统计上的自由度在统计中，对总体的方差进行估算时，离差平方和的使用是最为常见的，方差的确定由n－1的个数决定，这其中的原理是:当均值确定后，n－1个数的值也得到确定，第n个数的值便会得到确定，在统计计算中，均值是n－1的限制条件，基于这样的限制条件，在对总体方差进行最后的估计时，自由度便为n－1．在数学中，自由度是指变量的个数可以随意进行取值，举例说明:假设有4个变量，分别为x、y、z和w，其中x+y+z+w=20，因此可以得知它的自由度等于3．自由度在统计上的运用较为频繁，在热力学中，什么是分子运动的自由度?在确立了分子的空间位置时，这个位置所需要的自由坐标的数量就叫做自由度;在理论上的力学中，质点在空间上进行随意运动时，质点的位置只要三个坐标就能够得到确定，由此可知，质点在进行运动的时候，其拥有三个自由度。当然，在物体受到限制时，其自由度便会减少，如果让质点只在一个平面上运动，它的自由度便为两个，在曲面上也是如此;但是，如果让质点在一条曲线上运动，或者在一条直线上运动，它的自由度就只有一个。

(二)经济学中自由度的运用举例为证，实验者对某一公司产品的年销售量进行调查研究，该公司预计销售10万份产品，利用随机抽样的方式对前半年的月销售量进行调查，在调查中，被调查产品的月销售量的平均数是总体的参数，这是较为精确和客观的。通过对公司相关负责人的问卷调查和随机抽样取得的数据获得前半年的产品月销售量数据，样本的平均值是在调查中取得的数据，通过计算获得的，理论上来说，调查的参数与统计量在数据的内容要求一致，由此可以看出这前半年的数据和是能够得到确定的。当前5月的数据被确定，剩下一个月的数据的精确度便十分精准。所以，在上述例子中，被研究产品年销售的情况是:在统计量中求得平均数后，其自由度为:k=6－1=5．这个解释可以归结为:将前半年的月数视作6，样本便为x=6，它的平均值假设为7，即为y=7，由于受到y=7的限制，在自由确定了6、3、7后，第6个数据只能为13，否则的话，y不等于7。因此，这里的自由度为k=x－1=3，由此推算，在所有统计量中，自由度都为k=x－y。

四、结束语

在日常社会生活中，人们或多或少都会用到统计量，自由度存在于统计量的计算公式中，但不少人会产生疑惑，同样是计算标准差，为什么在总体中，标准差的自由度为n，但是样本中的标准的自由度却为n－1，其他公式中，自由度的界定为n－2或者n－3?我们知道，自由度的概念不仅仅存在于统计学中，但是在经济统计中，自由度的运用是较为全面的。例如对产品的销售数量在市场上进行的调研、人口的统计调查以及居民的月用电量等等。自由度的概念广泛存在于统计的计算公式中，

［参考文献］

［1］袁卫．从“人口革命”到重构统计教育体系———戴世光教授的学术贡献［J］．中国人民大学学报，2012，01:146－152．

［2］钟无涯，颜玮．自由度概念在经济统计中产生的背景及其应用［J］．统计与决策，2012，19:8－10．

篇8

1.1 不知统计学为何物，总以为是数学的延伸

由于在中国大学里面统计学过去一直被认为是数学的一部分，过去以及现在的很多统计教材和统计教学都有浓厚的数学味道，这使得目前我国统计教学过程中存在一些问题或误区。商务统计课程虽然加了“商务”二字，但重心仍是统计，所以对统计学的各种错误看法在商务统计教学中也经常出现，独立学院的学生经常会问到“商务统计和高数哪个更难”。这看起来只是一个非此即彼的简单问题，其实反映出来的是独立学院学生的一个特点：惧怕数学，惧怕与数学有关的课程。为此需要让学生明白：统计学不是数学，统计学是一种哲学，是一种指导行为的方法，商务统计则是将这种哲学思维应用到商务领域，所以更加不是数学。数学是以公理为基础，以归纳演绎为基本思想方法的逻辑体系，逻辑正确，则结果正确，逻辑错误，则结果也是错的；统计学的研究需要在各种假设的基础上来研究未知的对象，所以统计学的结论是不能证伪的，统计学里没有“对”和“错”，只有“好”和“坏”，这与数学差别很大。我们要做的只是在众多的可能中找出最可能，然后据此来进行各种推理，做出我们认为最正确的决策。

1.2 从实际问题出发，从具体数据入手

分析数据、提出对策是让学生理解统计、应用统计的必经之路，所以在商务统计的教学中也应多让学生做一些开放式的习题，让他们真正利用学到的统计知识去解决实际问题，而少要学生进行枯燥的公式推导，把统计知识的应用放到重要位置，这样才不会把统计课上成数学课。

让学生明白统计知识的应用领域是非常广泛的，可以在上课的相关章节插播一些与统计有关的影音资料。例如在讲解条件概率的时候，可以让学生观看世界德州扑克大赛决赛的视频，这个决赛视频的特点是牌面上每发出一张新的公共牌，后台就会根据对阵双方的手牌和当前的公共牌情况计算出当前情况下对阵双方获胜的概率各为多少，并且这个概率会一直更新，直到比赛结束。非常直观，且浅显易懂，能够很好地让学生明白条件概率的本质就是在当前已知的数据基础上对未知事件做出的概率判断，已知的信息有变化，由此得出的概率也会跟着变化。这既能让学生明白条件概率的本质，又能让学生明白条件概率的具体应用。这局比赛的过程跌宕起伏，在最后一张公共牌发出之前本场比赛对阵双方获胜的概率分别为90%和10%，但最后的结果却是获胜几率只有10%的选手取得了胜率，这就能让同学们更加明白统计学的结论没有绝对的“对”和“错”，只有相对的“好”和“坏”。

2 学生数学基础较弱，对统计学有畏难情绪

2.1 数学基础薄弱，畏惧公式定理

独立学院商务统计课程的开设对象都是非统计专业的学生，这些学生的特点是数学水平参差不齐，在独立学院里，学生们的数学基础本来就较为薄弱，较大一部分学生对数学类课程兴趣不大，直接导致他们大一的数学类基础课学得并不扎实，面对一门公式和数据遍布书本的商务统计课程，大家第一印象就是数学，第一反应就是畏惧，直接导致学习热情大减。目前有些独立学院所选的商务统计教材在理论方面过于偏重数学公式的推导，仍然有比较复杂的积分求导等运算，这也会让学生望而生畏。还有部分商务统计的教材只是把统计学教材里的例题换成了商务案例，，而对知识的实际应用却较少提及，这样的教材也不适合独立院校的学生。

2.2 简化数学推导，讲解定理内涵

首先，商务统计教材的选择应以应用为导向，学习难度上以应不需要很深奥的数学知识为标准，只需要具有一些代数方面的常识即可。笔者任职的独立学院经过长期的教学探索，最终在学科专家的建议下选择了辛辛那提大学戴维安德森等三位教授编著的《商务与经济统计（精要版）》的中译本作为教材，这本书最大的特点是简化了繁琐的公式推导与证明，紧密地将统计学与商务和经济实践相结合，既介绍了统计的方法，又介绍了统计学在商务与经济领域中的实际应用，真正以应用为导向，在每一章的开篇部分都有一个实践案例，学生能够一开始就对即将学习的概念或原理有一个感性认识，且这些案例又都新鲜有趣，大大提高了学生的学习兴趣。

其次，在教学过程中应尽量少出现数学推导，而应尽可能以浅显易懂的语言向学生讲授那些数学推导难度较大而又非常重要的公式、定理。例如中心极限定理，这个定理在统计推断中非常重要，但其证明过程较难，这时候可以向学生非常直白地阐述这个定理的思想，笔者常举的例子就是平均身高，如果随机选取班上30个同学，测量他们的身高然后求出平均值，那么这个平均身高是否有可能为180cm？是否有可能为150cm？显然是不太可能的。因为随机抽到的30个同学里面应该是有高有矮的，所以他们的平均身高也不应该是180cm或者150cm这种较为极端的情况，而更可能的是一些比较正常的数字，例如160cm～170cm，也就是说这个平均值取到极端值的可能性比较小，而取到正常值的可能性比较大，这不就是正态分布所描述的情况吗？这个时候学生就能很轻松地理解中心极限定理：从总体中抽取一个样本，当样本容量足够大时，样本均值的抽样分布就近似服从于正态分布。有了感性地认识后，再回过头来看这个定理就能更加有针对性地去理解定理里面的每一个专业术语和限制条件，这样就能更加有效地记忆和应用这个定理，然后再结合统计软件，用电脑逐步演示样本容量从小到大变化时的样本均值的抽样分布的曲线图，那效果就更好，这样，一个统计学里的重要定理就会深深植根在学生的脑海里了。

最后，独立院校商务统计课程里的“商务”二字不应只是体现在案例本身的商务属性，除此之外应更多体现在计算过程的简化和对实际结果的分析上。积分的计算应以均匀分布为主，其他的积分计算完全可以依靠附录表格或统计软件进行查询和计算，这样有以下三个好处：

第一，可以规避繁琐的积分计算，让学生明白数学不好也能学好商务统计这门课，这对独立院校的学生来说是一个重要的心理暗示。

第二，可以节约大量的演算时间，而将更多的精力放在统计知识的应用方面：分析数据和理解数据。

第三，可以让学生明白，现在的统计分析很多都是能用统计软件直接完成的，不需要纸笔演算，我们的学习目的是要能理解数据后面隐藏的深层信息，而不是拘泥于繁琐的公式推导，这样就能调动学生在统计实操课上的学习热情，因为熟练掌握一种统计软件就能在很大程度上弥补他们在数学计算上的不足，同时还能轻松地完成统计分析，这正是学生希望达到的效果。

3 独立学院商务统计教学实施策略

3.1 从简单的实际问题出发，启发式教学

兴趣是最好的老师，这点对独立学院的学生同样适用。我们可以多在教学环节中将统计知识加以应用。例如在独立学院学生较为关心的点名问题上，一次统计知识的小小应用很可能让他们对统计产生新的认识，笔者曾在“总体比例的点估计”这一小节课程中向学生展示了这个估计的实用性，当场做了个小实验：估计课上的缺勤人数，然后决定是否点名。这个实验方法非常简单，学生也很感兴趣。具体情况如下：114个人的班级在一个座位数为12排12列的教室上课，随机抽取其中三排座位，一共36个座位，然后清点这三排座位里面的空位，结果发现空位共有11个，由此可以得到这三排座位的上座率为：

篇9

关键词：

抽样调查；实验教学；创新研究

中图分类号：G4

文献标识码：A

doi：10.19311/ki.16723198.2016.10.083

1 研究背景

抽样调查是统计学科体系中发展最快的分支学科之一，在实践中又是一种技术性很强的方法，可以说，抽样调查是国际上通行的统计调查的主要方法之一。抽样调查是统计学专业的专业基础课程，它的根本任务是时效、廉价、准确的搜集资料，并经恰当分析提供有关研究对象的可靠推断。

《抽样调查》课程正是对抽样调查方法加以系统阐述的学科理论。近几十年来，随着科学技术的发展和学者理论水平的不断提高，抽样调查的理论与方法有了迅速的发展，已经形成了比较完善的内容体系，主要的抽样方法包括简单随机抽样、分层随机抽样、整群抽样、系统抽样、多阶段抽样、多重抽样、二相抽样等。

本课程太多的内容在讲述理论的知识，内容相对比较枯燥，加之在学生学习积极性不高的影响下，对该门课程的教学效果产生非常不利的影响。如果不进行教学方法的改革，加强学生实践、动手能力，将于统计专业的培养目标背道而驰。

2 教学内容的认识

2.1 课程的重要性

抽样调查是统计学专业的专业基础课程，是收集信息资料的一种科学方法和手段，具有悠久的发展历史，随着我国改革开放的进一步发展、市场经济的逐步完善，抽样调查在我国也受到了高度的关注并被广泛应用于政府部门、学术机构、社会团体等收集统计信息的活动中。《抽样调查》课程正是对抽样调查方法加以系统阐述的学科理论。根据学生的专业知识结构及教学培养目标，有针对性的设计实验案例，对于该课程教学效果的提升及解决实际问题能力的培养有重要的现实意义。

2.2 课程的特点

抽样调查既具有很强的应用性，同时又是一门理论性很强的课程。近几十年来，随着科学技术的发展和学者理论水平的不断提高，抽样调查的理论与方法有了迅速的发展，已经形成了比较完善的内容体系.主要的抽样方法包括简单随机抽样、分层随机抽样、整群抽样、系统抽样、多阶段抽样、多重抽样、二相抽样等。抽样调查的理论方法比较抽象，公式繁多复杂，不易理解和记忆，容易混淆，内容抽象复杂，难以理解。因此，对于初学者来讲，对本课程的理论方法难以掌握。

2.3 学生的现状

通过本课程的学习学生可以掌握基本的抽样方法，能够理解各种抽样方法的原理和获得实施具体项目的处理能力和分析能力。对于从事调查工作的实际工作者奠定了理论基础。但是本课程太多的内容在讲述理论的知识，内容相对比较枯燥。尽管学生已经具备学习抽样调查课程的能力，但对于整群抽样、分层抽样、多阶段抽样等这些复杂的抽样，证明繁琐，加之公式繁多，有相当一部分同学就会感觉到听课比较吃力。总之，单纯理论的教学模式，教学效果不好。

2.4 教学方法的改进

实现实践教学是《抽样调查课程》教学模式创新的必由之路。结合目前学生实践的硬件条件，首先，实现该课程的实验教学，使得实验教学的环节尽可能与实际情况相结合。实验教学使学生更形象生动地掌握了原来枯燥无味的理论知识，又锻炼了学生的动手能力和创造能力，从而最大限度地激发了学生的学习兴趣。因此，重视和加强实验教学，是激发学生实验是检验理论的最好方法，而理论又是指导实验的最好依据。为了加深理解和巩固抽样调查原理，在讲授理论的同时开设实验课。抽样调查实验是将理论的抽样方法与应用相结合的重要途径，在分析过程中要求学生掌握Excel电子表格、SPSS软件、SAS软件的抽样操作。

《抽样调查》实验教学创新性研究旨在探索设计紧扣抽样的理论知识，同时又能引导每位同学亲自实践的抽样实验案例。设计的实验源于《抽样调查技术》的思路和方法，但不局限于抽样调查基本方法，需要涉猎到统计分析的各种方法。要求学生系统的掌握市场调查方法和抽样调查技术的理论，并能灵活利用这些方法，学会设计调查问卷和撰写抽样调查报告，并培养学生初步具有能结合实际，运用随机抽样的基本方法，对具体项目的抽样调查和对所获得数据进行处理和分析能力。

3 实验设计及实验过程

3.1 实验设计

本课程倡导规范设计型导向实验。教师搜集原始数据并设计实验内容，引导学生根据实验内容完成实验，同时要求学生也针对教师布置的一些实际问题，自主设计抽样方案，并选择合适的统计软件实现抽样及分析。这样，学生一方面熟悉了统计软件上机操作的实际环境，另一方面，加强了统计实验的自主探究能力坚持实践的科学性与实证分析的严谨性，结合教学内容设计实验案例，以不等概抽样的实现为例，介绍案例的设计思路及教学过程。此次实验的目的是使学生掌握不等概抽样原理及其在区域抽样调查中的应用，并且运用软件实现不等概抽样。本次试验的设计思路如下：首先采用易于理解，并且应用背景比较强的实际数据，编制二级抽样框；其次，分析规模测度变量与目标变量间的相关性，并采取简单随抽样，判断估计的误差；最后，利用Excel与SPSS实现不等概抽样与参数估计，最终进行结果分析。

3.2 实验过程及分析

实验过程既注重已学知识的应用，又强调对于新知识、新方法的实际应用，实验过程如下：

第一步，要求学生在原始数据的基础上，按照自然名录编制二级抽样框；

第二步，第一阶段利用代码法抽取一级单元，第二阶段利用拉西里法抽取二级单元；

第三步，在不同的假设条件下，群规模相同，等概率抽样；等概率整群抽样（群规模不等时的估计）；初级单元规模相等的两阶段抽样；初级单元规模相等的两阶段抽样利用样本实现对目标变量的估计及方差估计；

第四步，直接采用SPSS实现不等概抽样及变量估计。

4 结语

在课程学习中，设计学生熟悉的或者和学生相关的调查对象基础上，通过系统的理论教授，设计性实验训练和调研项目实施，使学生熟练掌握概率抽样调查的整个流程和基本原理，达到全面提升统计专业学生进行实地调研，统计分析的能力。通过抽样调查课程创新型教学改革的实施，对于抽样调查课程在自身建设方面和统计专业创新型教学取得了实实在在的成果。使原本抽象、枯燥难懂的理论课程变得实际而有用。课堂教学效果得以实质性的提高，有效地激发了学生的求知欲望，提高了教育教学质量。

参考文献

[1]金勇进，杜子芳，蒋研.抽样技术[M].北京：中国人民大学出版社，2012.

篇10

【中图分类号】 R 179 R 78 R 780.1 【文献标识码】 A 【文章编号】 1000-9817(2008)12-1129-02

为了解河南省人群口腔健康状况和口腔疾病的发病趋势，监测和评价《河南省牙防中期规划目标（1999-2005）》的实施情况，根据卫生部疾病控制司批准开展的第三次全国口腔健康流行病学抽样调查方案的要求，2005年对河南省城乡人群的口腔疾病患病状况及口腔健康行为进行了流行病学抽样调查。笔者对12岁年龄组人群的调查结果进行了分析，报道如下。

1 对象与方法

1.1 对象 根据第三次全国口腔健康流行病学抽样调查方案的要求，采用多阶段分层等容量随机抽样方法，利用国家统计局公布的2000年全国人口普查资料，由第三次全国口腔健康流行病学抽样小组随机抽取区（县）级单位以及街道（乡镇）级单位。在此基础上，省流调组从每个街道（乡镇）抽取2个居委会（行政村），然后从被抽中的居委会（行政村）所有适龄人群中随机抽取各年龄组的被调查个体。选取河南省郑州市中原区、平顶山市湛河区、项城市、汝州市、濮阳县、唐河县12岁年龄组儿童共784人，其中城市391人，农村393人；男生390人，女生394人。

1.2 方法 调查项目包括牙列状况（只检查冠龋）、牙周状况（全口牙齿）、牙龈出血和牙结石、氟牙症。参加口腔检查人员全省共 3人，均具备口腔专业本科以上学历，从事口腔内科临床工作3年以上。调查工作开始前，均经过卫生部组织的培训，获得第三次全国口腔健康流行病学抽样调查口腔检查资格证书。在调查过程中，全国第三次口腔健康流调技术指导组进行2次质量检查，每个口腔检查人员的Kappa值均在0.8以上。检查龋病、牙周疾病使用WHO推荐、上海市齿科器材厂生产的CPI牙周探针及平面口镜。调查数据全国统一录入，数据的统计处理采用SPSS 12.0统计软件包完成。

2 结果

2.1 恒牙龋齿患病情况 学生恒牙龋齿的患病率为19.13％。城乡差异无统计学意义（χ2=0.89，P＞0.05），男、女生差异有统计学意义（χ2=5.25，P＜0.05）；恒牙龋均（DMFT）为0.29，城乡差异亦无统计学意义（t=-0.54，P＞0.05），男、女生差异无统计学意义（t=-0.76，P＞0.05），见表1。

2.2 其他口腔健康状况 在受检儿童中，检出有恒牙外伤的儿童19人，占2.42%，男、女生差异无统计学意义（χ2=1.40，P＞0.05），城乡学生差异无统计学意义（χ2=0.50，P＞0.05）。第二恒磨牙未萌的儿童占51.28%，男、女生差异有统计学意义（χ2=18.41，P＜0.01），城、乡学生差异无统计学意义（χ2=0.42，P＞0.05）。牙龈出血的儿童占29.61%，男、女生差异无统计学意义（χ2=0.42，P＞0.05），城、乡差异有统计学意义（χ2=143.70，P＜0.01）。平均每个儿童有1.06个牙位出血，男生牙龈出血的平均数为1.20个牙位，女生为0.93个牙位；城市儿童牙龈出血的平均数为0.22个牙位，农村为1.90个牙位。有牙结石的儿童占48.85%，男、女生差异无统计学意义（χ2=3.44，P＞0.05），城、乡学生差异有统计学意义（χ2=51.96，P＜0.01）。平均每个儿童有2.63个牙位有结石，男生牙结石的平均数为2.80个牙位，女生为2.46个牙位；城市儿童牙结石的平均数为1.20个牙位，农村为4.06个牙位。有不同程度氟牙症的儿童占19.05%，城、乡学生差异有统计学意义（χ2=5.87，P＜0.05）。见表2。

3 讨论

调查显示，河南省12岁儿童恒牙龋患率和龋均分别为19.13%和0.29。按照世界卫生组织龋病等级评价标准［1］，河南省12岁年龄组儿童少年的龋齿患病处于较低水平；与2002年河南省第二次口腔流调的结果（23.3％）比较，呈下降趋势。分析其原因主要有2方面，一是2次调查龋病诊断标准不同，2005年龋病诊断采用的是WHO口腔健康调查基本方法第4版的标准；新标准要求必须有明显的龋洞或明显的釉质下破坏才可以诊断记录为“龋”,当可疑龋时不能记录为龋。二是河南省自1996年成立牙病防治领导小组以来，在牙病防治健康教育和儿童青少年龋病防治方面做了大量工作，儿童龋病的患病率得到了一定的控制。

河南省12岁儿童恒牙龋齿充填率为4.0％，低于1995年全国流调的平均水平(11.05%)，与北京、上海等经济发达城市差距更大(1995年北京市恒龋充填率为18.45%，上海市为41.3%)。发达国家学生龋患率虽高，但龋齿的充填率一般都在75%以上。所以真正衡量一个国家口腔保健水平的指标不是龋患率，而是DMF构成比中的充填率(龋补率)［2］。

从调查结果还可以看出，河南省12岁城乡儿童牙龈出血及牙结石检出率农村高于城市，牙齿健康（无龋齿、牙龈出血和结石）儿童的检出率城市高于农村。因此，在河南省今后的牙病防治工作中，农村和农村青少年仍是重点。

建议进一步加强口腔健康教育和健康促进，大力推广窝沟封闭、早期充填等适宜技术，不断强化和促进儿童青少年的口腔保健意识及口腔健康行为，做到早发现、早治疗，提高儿童青少年的口腔健康水平。

4 参考文献

篇11

    1.1不遵循或不重视随机化原则

    随机化是科研设计的重要原则,直接影响研究结果的可信度。随机化既要随机抽样,还要随机分组,并有足够的样本量作前提。然而,在医学论文中许多作者对此不够重视,主要表现在论文中统计处理随机化不突出,随机化缺失情况比较常见,有的论文甚至将随机误解为随意、随便,不采用随机化处理方法,导致结果缺乏可靠性。还有些文章中没有提出“随机”抽样的设计与方法,没有排除标准,给人随意选择病例之感,且病例数少,因此没有代表性,所得出的结论不可靠。部分文章虽然注明了“随机”,但未提及采取什么方法进行随机化研究或两组间的例数相差甚远,不符合随机化的一般规律,没有临床参考价值[7]。

    1.2缺少对照研究或对照组设计不合理

    正确设立对照是临床或实验研究的一个核心问题,设立对照的意义在于说明临床试验或实验研究中干预措施的效应,减少或防止偏倚和机遇产生的误差对试验结果的影响。目前,国内许多期刊发表的论文对照组设计不合理现象比较普遍,尤其有些作者对某种新药或新技术在临床的应用观察研究中,不设对照组,缺乏对照观察,得出的结论缺乏科学性,令人怀疑。有的文章虽然设立了对照组,但在分析结果时,却没有将试验组与对照组的结果进行比较,而仅将各组间的自身前后进行比较,从而使该研究失去对照意义。对照组选择不当,还表现在两组间重要的临床特征和基线情况相差太大,无可比性,如性别、年龄、病情、经济情况和文化程度等不一致,如有些论文将健康人或志愿者作为对照组,使结果受到非处理因素的影响,产生偏倚或系统误差,使结论不可信[7]。

    1.3均衡性原则掌握不够

    均衡性原则要求实验中的各组之间除处理因素不同外,其他可控制的非处理因素要尽可能保持一致。特别对疾病预后有重要影响的临床特性一定要在组间分布均衡。各组间越均衡,可比性越强。有些作者在对病例进行分组时,忽视了均衡性原则,两组之间没有可比性,结论自然是错误的。具体表现在:有的文章对治疗组与对照组的相应统一指标没有设在均衡的水平上。对治疗组情况交代的比较详细,而对对照组的年龄、性别、病情等不予交代,或所选对照组的年龄与治疗组不在一个年龄段,影响了作者对指标的观察[7]。

    1.4重复的原则掌握不好

    所谓重复,一是指重复试验或平行试验,二是指各样本组的例数要有一定的数量,即样本的例数要足够大。虽然随机化是增强非处理因素均衡性的重要方法,但当各组内例数过少时,尽管采用了随机化分组的方法,也难以保证非处理因素的均衡一致。在随机化分组的基础上,只有样本例数足够大,才能使非处理因素均衡一致,同时也才能使抽样误差减小,增强样本对总体的代表性。一般来说,在随机分组的前提下,样本例数越大,各组之间非处理因素的均衡性越好;但当样本量太大时,往往又会给整个实验和质量控制工作带来更多的困难,同时也会造成浪费。为此,在实验设计时,还应保证在实验结果具有一定可靠性的前提下,确定最少的样本例数。一般说来,计数指标每组样本不得少于20~30例,计量指标每组样本不得少于5~10例。在多因素分析时,一般认为样本例数至少为观察指标的5~10倍[8]。

    1.5样本的含量

    样本的含量的大小直接影响到结论的可靠性。样本量过少,则抽样误差大,结果可靠性差,且经不起重复验证;反之,盲目加大样本量也会造成人、财、物的浪费,同时也造成非抽样误差增大。故应在保证研究结果精确可靠的前提下,确定最小的样本量。如某篇论文报道某药治疗的临床疗效,实际总例数为10例,其中6例有效,于是作者得出有效率为60%。显然,有限的病例数不能充分说明该药是否有效,作者贸然得出结论,容易给他人造成假象甚至误导[9]。

    2统计方法选择与使用不当

    在选择统计方法之前,首先应确定研究资料是计数资料还是计量资料。只划分其类别而得到的资料为计数资料,也叫定性资料,如根据治疗结果计算出的治愈率、阴性率、阳性率等。测定某个具体数值而得到的资料为计量资料,如血压值、血细胞计数、血氧分压测定等许多物理诊断和化验检查的结果。目前,医学论文中计数资料最常用的统计方法为χ2检验,计量资料最常用的统计方法为t检验。值得注意的是,各种假设检验方法均有其适用条件,应根据资料特点来选用最适当的方法。均数与标准差分别是描述正态分布资料集中和离散趋势的指标。能否选用“均数±标准差”来描述某一资料的分布特征,关键看该资料是否符合正态分布。当资料不符合正态分布或方差不齐时,应将资料转换使之符合正态分布,方差齐性后再用t检验或方差分析,否则用秩和检验。有些作者在使用t检验时,未考虑到上述适用条件而盲目使用,造成统计学处理不当或统计学计算错误[10]。

    2.1统计指标应用不当

    2.1.1描述计量资料的统计指标描

    述计量资料的统计指标主要有平均数指标(算术均数、中位数M等)和变异指标(标准差s和四分位数间距Q等),在应用时一定要注意它们各自的适用范围。对于非对称分布资料,算术均数不能反映数据的平均水平,应采用中位数描述。一般地,正态资料或对称资料用描述,偏态资料用M和Q来描述。在不能确定数据的分布类型时,应选用M和Q进行统计描述。四分位数间距Q是75%分位数P75和25%分位数P25之差,即Q=P75-P25,所谓百分位数Px是将全部观察值分为两部分,理论上x%的观察值比它小,(100-x)%的观察值比它大,中位数M是50%分位数P50。、s、M、Px与Q可通过统计软件直接输出[9]。

    2.1.2描述计数资料的统计指标描

    述计数资料的统计指标有绝对数和相对数。绝对数是原始资料经汇总得到的小计或总计数。相对数是两个有关的绝对数之比,主要包括率和构成比(百分比)。医学论文中相对数应用的主要问题之一是分母较小。分母较小时,相对数的可靠性不能保证,在这种情况下,宜直接用绝对数进行描述而不宜计算相对数。医学论文中相对数应用的主要问题之二是将构成比误用来说明事物发生的强度。构成比只能反映事物的内部构成,不能说明事物的发生强度。医学的研究对象主要是人以及与人体有关的各种因素。由于生物现象的变异较大,各种影响因素又错综复杂,研究常是抽样观察,使事物本质差异与抽样误差混杂,故需用统计方法透过偶然现象来探测其规律性。如果不能正确运用统计学方法,造成统计学上的偏差或失误,就很容易把本来成功的结果当成失败而放弃,或把失败的教训误认为成功的结论而加以宣传。在进行科研设计时要严格遵循科学的统计学分析方法,不能留下隐患,否则,再高明的统计学专家和统计学软件也无法弥补科研设计缺陷造成的损失。总之,统计学分析在医学研究和论文写作中意义重大。作者在撰写论文时,应注意识别、总结有代表性的、有借鉴意义的统计学领域的缺陷、失误或错误的多发点,特别留心易出现统计错误的险区,从而使论文中的统计学问题减到最低限度。认真检查、仔细核验,尽量避免上述错误,必要时还可以请统计学专家帮助把关[12]。

    2.2统计方法描述或选择不当

    统计方法选择非常重要,它直接影响结论的可靠性[12]。临床资料的结果变量可分为计数资料、计量资料和等级资料。计数资料指将观察对象按两种属性分类,如生存、死亡,治愈、未治愈,有效、无效等,通常转化为率。如果是两组间的比较,则采用四格表χ2检验或其校正公式,如果是多组间率的比较,则采用行×列表资料χ2检验。计量资料指对某一个研究对象用定量的方法测定某项指标得到的资料,一般均有计量单位。通常资料呈正态分布时,两组间均数比较用t检验,多组间均数比较用方差分析和q检验。当资料不呈正态分布或方差不齐时,也可用秩和检验等非参数检验法。

    2.2.1统计方法描述不清

篇12

统计学是一门应用性的学科，是大学经济管理专业的一门核心专业基础课。作为一种社会实践活动已有悠久的历史。统计学是一门收集数据、整理数据、展示数据、分析数据、解释数据的科学，它的目的是为了更有效地做出决策。由于在自然科学和社会科学领域中，都需要通过数据分析来分析解决实际问题，因而，统计方法的应用几乎扩展到了所有的科学研究领域。对于本科专业的统计学教学来说，主要注重于理论教学，而对于高职高专的专业则主要是注重学生实践能力的培养和提高，使学生具备利用统计工具获取信息、处理信息、分析信息、利用信息的能力，只有这样才能实现高职高专培养高等技术应用性专业人才的目标，才能适应社会发展的需要，运用所学的统计学知识，对企业对社会提供的数据进行分析，提出具体的意见和解决问题的方法。因此对于高职高专经济管理类专业类学生来说应用统计学的教学显得非常重要。笔者多年来从事应用统计学的教学工作，本文试对应用统计学的教学从以下几个方面加以探讨。本文由收集整理

1 教学内容的选择

教材是知识的载体，教学内容的选择直接影响到教学效果。2002年全国职业教育工作会议做出了《国务院关于大力推进职业教育改革与发展的决定》（国发[2002]16号），加强了对职业教育工作的领导和支持，以就业为导向改革与发展职业教育逐步成为社会共识，职业教育规模进一步扩大。但从总体上看，职业教育仍然是我国教育事业的薄弱环节，发展不平衡，投入不足，办学条件比较差，办学机制以及人才培养的规模、结构、质量还不能适应经济社会发展的需要。2005年国务院做出《关于大力发展职业教育的决定》，进一步深化教育教学改革。根据市场和社会需要，不断更新教学内容，改进教学方法。加强职业院校学生实践能力和职业技能的培养。

因此，高职高专统计学的教学内容应该根据职业教育的特点以及专业目标来决定。既要符合专业培养目标的要求，又要培养学生的 实践能力和技能，具有分析问题和解决问题的 能力。二十世纪90年代末我国开始发展职业教育以来，很多院校开始编写符合职业教育特点的统计学教材，目前关于高职高专的统计学教材种类繁多，但大多是在原有的本科教材的基础上进行删改，内容陈旧，理论多，案例少，没有紧跟社会经济发展的步伐，不利于对学生实际操作技能的培养。所以笔者认为，对高职高专教材的重新编写是目前教学内容改革的重点，对教学内容做适当的取舍。

笔者采用的课本编排的内容为：概述、数据的描述、简单线性回归与相关、统计方法、概率论基础、离散概率分布、正态分布、抽样分布、估计、假设检验等十章。在教学过程中笔者认为有些内容已在中学学习过了，比如在统计方法这章中的平均数、中位数、众数以及标准方差等，还有概率论基础这些内容都是文理科高考的必考内容，这些内容可以删除。另外，抽样分布以及假设检验等对于高职高专学生来说是比较难的，而且不是很实用，所以建议删除。适当增加实用的内容，如根据社会经济的发展，可以增加静态指数的分析，包括总量指标、相对指标、平均指标、标志变异指标等；增加动态指数的分析，包括动态数列水平指标、动态数列速度指数指标；常用的经济指数，如工业生产指数、消费者价格指数、零售物价指数、股票价格指数、农副产品收购价格指数、产品成本指数等实用的内容。这样才能让学生较为完整地掌握统计知识，为后续课程的学习打下坚实的基础。另外当今人们的学习、生活与工作越来越离不开电脑，统计学作为一门应用型学科，也应该让学生学会使用比较常用的统计分析软件，提高学生分析问题解决问题的能力。

2 综合应用各种教学方法

不同的教学方法与教学手段，可以获得不同的教学效果。学生的主观能动性的发挥、学生创造性思维的激发，单靠传统的教学方法是不够的。传统的教学方法是“填鸭式”的或称为单向灌输式的，这样的方法有其优越性：以教师为主导，教师按照学生认识活动的规律，有计划有目的地组织和控制教学过程，目的在于使学生掌握系统的基础知识和基本技能。

学生对所学内容从感知、理解到巩固，都是在教师领导下进行的，教师完全控制课堂，掌握教学进度，可以充分发挥主导作用和正面教育的作用，一个教师可以教授众多学生，学生能在单位时间内掌握较多的系统的信息。但这种方法也有缺点：教师只注重如何“教”，而不注重学生如何“学”，只注重知识的灌输，不注重能力的培养，考试主要靠死记硬背，不利于调动学生的学习积极性，不利于具有创新思维与创新能力的创造性人才的成长。因此，除了传统的教学方法外还应结合以下方法进行教学：

2.1 互动参与式教学法

它是指以提高实践能力为核心，充分调动学生的主观能动性，使之参与到教学过程中去。它的特征在于教学过程中的“沟通”与“对话”，注重于教学过程中“教了什么”和“学会了什么”，是一种提倡师生交流的教学指导思想，强调师生及学生互相之间开展讨论、交流和沟通；是一种是多向的、互动的；学生在教学活动中从单纯接受者的角色转变为学习过程的主体，从“要我学”到“我要学”，从接受式学习改变为发现学习、探究学习，激发学生的创新观念和创新欲望，提升学生的创新兴趣，培养学生产生新认识、新思想和创新事物的创新能力。总之，互动式教学反映了教学过程中教与学的交互、反馈和融合，使得教学过程成为一个协调的整体，是一个对话的过程，理解的过程，创新能力形成的过程。

比如在讲到抽样方法的内容时，如何理解系统抽样。大家知道当总体中的个体数较多时，采用简单随机抽样显得较为费事。这时，可将总体分成均衡的几个部分，然后按照预先定出的规则，从每一部分抽取一个个体，得到所需要的样本，这种抽样叫做系统抽样。但如何进行系统抽样学生还是一知半解。这时我们可以让学生参与教学过程，设计如下的问题：采用系统抽样方法调查本班学生的每月消费情况。每班选取两名学生参与调查。通过让学生亲身体验、亲自参与、亲自动手，从而使学生真正领会统计学的思想。

转贴于

2.2 社会实践教学

统计实践是统计理论知识的加深和延续，通过社会实践，在实践中来分析问题、解决问题，将从书本所学的理论知识进一步巩固和深化。实践活动可以分为校内和校外。校内实践活动可以以小组为单位按照设计的课题，运用所学的理论知识，确定统计研究的目的，制定实践活动方案；可以以教师或学生为调查对象，如大学生的消费结构调查、大学生对某一课程的满意度调查、大学生上网时间与学习成绩之间的关系调查等。对统计方案的设计、统计问卷的设计、统计资料的搜集、数据整理、分析知识的巩固，提高学生的动手能力和创新能力，同时可以让学生把学过的专业知识更灵活地应用到实践中。校外实践活动主要是指让学生到企业或某一单位进行校外实习，如暑假的社会实践活动，学校规定的工厂实习等。学生可以实地调查，使用不同的调查方法收集调查资料，对资料进行汇总整理，然后进行深入细致的分析研究，分析问题产生的原因，提出解决问题的具体措施。通过实践活动让学生在真实的环境下，获得第一手感性知识。也正因为这样，学生才能将所学的理论知识运用到实践的工作中，从而激发学生的学习兴趣。

2.3 案例教学

案例教学法属于实践活动的真实模拟，一方面它可以将理论与实际密切联系起来，让学生在课堂上就能够接触到各式各样大量的实际问题，训练学生综合运用知识去解决实际问题的能力；另一方面，由于案例的解决方案不是惟一确定的，具有一定的挑战性，也有利于调动学生学习的主动性和积极性。

案例应该选择与实际活紧密相连的，或反映国家经济发展的有代表性的以及全球热点问题，案例的选取还要结合专业的特色，比如对经济类专业来说，就可以选取恩格尔系数来说明结构相对数。这样经过精心准备的案例让学生对那些众多枯燥乏味的公式、概念产生深刻的认识，感到统计数字与政治、经济、社会生活息息相关，从而产生对统计科学的浓厚兴趣。目前可以采用的统计学案例很多，教师也可以自编案例。

篇13

近年来，医院档案收集整理工作日益加重，借阅数量也呈上升趋势。因此，做好各类档案的登记与统计，及时发现、分析、总结其规律，是促进档案开发利用的重要一环，而且统计学应用效果关系到医院档案工作的效率和质量。统计学是一门综合性学科，是应用数学的重要组成部分，通过使用数学概率论等来建立数学模型，收集被测系统的数据，对数据进行量化分析、总结，进而作为医院管理决策的有效依据。

一、统计学在医院档案管理中的作用

统计学在医院的日常管理工作中有着不可或缺的作用，医院档案管理过程中运用统计学方法，能够如实体现医院各部门的客观情况，较为全面地为医院档案的登记、保管、借阅、使用等提供更加客观有效的数据。

（一）运用档案统计为医院管理者和决策者提供了重要统计数据信息，有助于做出正确发展决策。借助统计手段，可对医院某一阶段的发展效果和工作开展情况统计数据化，进而分析管理效果，不断改进管理方法。（二）有助于促进医院的人事行政管理的高效化。合理运用统计学方法，更清晰地分析医院人员现有情况，量化掌控人事运行，实现医院人事招聘、医务人员的管理等有序高效进行。

（三）促进医院的临床门诊等管理的信息化、科学化和高效化。通过对医院的门诊人次、住院人次、患者满意度、病床周转情况以及诊断治疗有效率、病死率等的统计，尤其是病历档案的病种统计，进而分析医院医疗服务工作水平如何，更明确掌握医院的质量控制工作，有利于不断改进和提升医疗水平和服务质量。（四）有效提升医院管理的规范化、信息化、科学化、高效化。统计档案一方面为医院提供系统、全面的医疗统计信息，另一方面能及时、准确地从统计档案中提取各种统计资料，提升医院发展水平。

二、统计学在医院档案管理中的应用

统计学在医院各个部门管理工作中皆有涉及，本文主要浅析统计学在医院人事档案、病历档案等几方面中的应用。

（一）统计学在医院人事档案管理中的应用。在医院的实际人事管理中，对医院人员的基本情况进行收集、整理，并在计算机人事管理系统中输入，形成人力资源管理的基础数据，对医院的人员变动以及职称、学历等改变予以及时准确的记录和统计，使用这些统计数据，形成一定的统计表格和台账，便于深入了解医院所有的医务人员的学历水平、医院的整体学历结构、科室的科研水平能力、继续教育状况以及业务水平等情况，从而形成科室的和个人的业绩数据库，便于奖惩制度的实施。同时，医院管理者借助人员信息统计报表，可清楚掌握医院的每学科的技术结构和能力，从而合理调整各专业的人员设置和用人计划，借助人员学历、职称、年龄等结构统计报表以及工资收入统计台账，有效实施医院医务人员的队伍建设，优化医院人才结构和知识结构，进而提升医院的学科建设水平和医疗服务质量。

（二）统计学在医院病历档案管理中的应用。病历档案医院管理的一种特殊档案形式，病历档案是医务人员对疾病的诊疗过程加以记录，从而形成有效的文献，记录患者发病、治疗过程中病情诊断以及护理和治疗，对患者发病治疗全过程予以系统记录，进而做出准确的治疗和护理质量评价，医院科研教学、临床诊治以及管理活动都不可缺少病历档案。医院工作实践中，可利用统计档案资料编制各类型的统计图表。比如，医院年份卫生统计资料汇编、年度住院患者病因分析表等；住院患者疾病分类报表、住院患者地区分布表，还可借助统计台账编制医疗质量统计表以及医技科室统计表等，还可根据医院实际开展相应的患者满意度调查，形成统计表，直观反映医院患者对医院的满意度和医院医疗水平状况。整理医疗质量分析表，如各临床科室的医疗质量分析、工作效率和效益对比台账，以及医院单病种费用统计等信息统计表，便于对各科室进行考核。同时，各科室结合住院患者人数、病床使用率、周转率、手术台次等统计信息，分析科室工作的效率和不足之处，从而做出调整和改进科室医疗水平。近年来社会上对档案的借阅频次也呈增长趋势，利用统计手段，将医院档案分类管理，条目清晰，形成年份、地区或者病种相应的档案卷，并借助现代化的查阅电子信息化系统，更好地服务于社会查阅。统计抽样方法在病历档案管理中应用广泛，即把研究对象视作总体，从中抽取部分个体，并开展调查研究，结合研究结果对总体特性予以评估推断。首先，入馆前抽样。病例档案在入馆前，采取非概率抽样鉴定法从大范围文件系列中择取最有价值文件；采用概率抽样鉴定法从某一个大文件中择取小部分文件。然而，工作量太大，实际操作复杂。比如医院每年肺炎感染患者资料的筛选，需要结合文件是否具有价值其而定，病历档案工作人员可以客观判断加上主观推断择取保留档案。对于诸如病例相似的手足口病患者的档案就不必全部保留，可结合需要抽取样本。这样既能抽取反映大文件重要特征的小部分文件，还能提升档案库房管理效率。其次，库房的抽样检查。对库房所藏案卷状况予以定期检查，掌握案卷使用、贮藏、保管等情况是否正常。由于库房盘点工作量大、病历档案多，运用统计学抽样方法可达到事半功倍效果。比如，医院库房一般按照年份和档案类别排架。那么年度排架可将同一年份中的档案排列，进而年份内依各部门或档案类型划分类目。根据档案类型排架则可以把同类别档案集中排列，进而依据部门或年份予以分类。这样便于后期的分层抽样等工作的开展，只需简单推断、使用合理的统计方法便可清楚得出案卷使用、贮藏、保管等情况。

（三）统计学在医院其他部门档案管理中的应用。对于医院的后勤服务同样离不开统计学方法，后勤部用统计数据和台账，可将洗衣房清洗工作服、被褥以及该科室相关信息统归成后勤工作表格，予以详细分类，便于提取各种数据、后勤服务质量的分析和评价，有条不紊地开展工作。同时，医院统计人员可运用统计数据向医院管理者清晰展示医院的财务报表，准确掌握医院的经济效益，进而调整提升医院的经营计划。然而，在医院档案管理中的统计学应用还存在不少问题：医院管理者对统计学在医院档案管理中的应用价值不够重视；工作人员专业技能和素质参差不齐；档案管理统计系统落后，等等。总之，合理应用统计学手段，可有效对医院人、财、物流动进行控制和分配，合理配置资源，提升医院工作质量和服务水平。在管理实践中重视其价值，加强统计工作人员的业务技能培训，提升专业水平，发挥档案管理系统的应有作用，确保医院档案管理工作的有效开展，促进医院的可持续健康发展。

【参考文献】

[1]马树才.统计抽样调查原理与方法[M].辽宁:辽宁大学出版社,1994(1).

[2]李素梅.医院人事统计及统计数据开发利用的探析[J].医学信息旬刊,2011,24(8):2187.

[3]王燕青.统计学在医院人力资源管理中的应用分析[J].中国外资,2014(10).

[4]王阳.电子病历是医院档案管理的发展趋势[J].中国卫生统计,2007,24(2):173.

[5]许杰,刘洪栋.加强医院统计档案管理的必要性[J].中国卫生统计,1990(5).