统计学变异的概念范文

引言：寻求写作上的突破？我们特意为您精选了12篇统计学变异的概念范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

1思辨数学词源诠释

思辨数学一词是荷兰数学家、数学教育家弗赖登塔尔（Freudenthal，1905—1990）首先提出的。他在名著《作为教育任务的数学》中举例诠释了思辨数学与算法数学的区别：设有相同数量的白酒与红酒各一杯，取一匙白酒倒入红酒内，使之混合，再取同量的一匙混合酒倒入白酒内。试问，白酒杯中所含的红酒比红酒杯中所含的白酒多，还是正好相反？答案是：两种含量一样多。然而解题方法有两种，一种是根据其取法操作，列出算式计算...另一种是这样思考的：设想每个杯子中的白酒和红酒是分开的，那么白酒杯中的红酒正是红酒杯中所缺少的部分，而它的空缺现在正好被白酒所填补。前一种解法是算法求解，后一种解法是思辨求解]。

显然，这是两种思维风格迥然不同的解法，解法一是逻辑性的算法求解，属于算法数学；解法二主要是直觉性的思辨求解，属于思辨数学。这里举例仅仅是为了诠释概率论中思辨数学与算法数学的区别。我们认为，思辨数学就是动态地辩证地把握概念和体味推据（这里把思辨推理的理论依据简称推据），凭借对概念的直觉和数学美的启迪（而非逻辑性的推理），产生直观的解题思路方法或做出合情推理决策。换言之，在直觉领引下，围绕推据，换位思考，思维在运动中觅到解题方法的一套数学知识体系。

德国数学家、数学教育家克莱因（KleinF，1849—1925）指出：“数学学科并不是一系列的技巧，这些技巧只不过是它微不足道的方面，它们远不能代表数学，就如同调配颜色远不能当作绘画一样，技巧是将数学的激情、推理、美和深刻的内涵剥落后的产物。”[4]克莱因这一论断，对概率统计教学具有重要的指导意义，把握思辨数学与算法数学的区分，它能为教学提供重心，对于贯彻概率统计思想方法为主线的教学大有裨益。

2概率统计课程中的思辨数学内涵透析

从思维的逻辑层面透析，概率统计知识内容可以分为两类，大部分是程序性的，有一些则是思辨性的。算法是程序性的，概率统计的演算中充斥着算法；然而，在概率演算题中也会遇到思辨求解问题，虽然这类题数量不多，但解题思维中颇富有理性精神，有着方法论的教育意义。特别值得一提的是，就产生数理统计一些重要方法的思想而言，思辨因素起着关键性的作用，从本质上讲，作为数理统计核心内容的统计推断也隶属于思辨数学的范畴，即思辨数学至少包含思辨求解和思辨推断两大模块。现分述如下：

2.1思辨求解问题

若对某些概率问题的题设条件进行分析，抓住题目中的关键概念，由对这些概念的直觉和思辨，就能引发解题的思AXB路和方法。具体说来，吃透问题的条件和结论，抓住起决定性作用的思辨因素，运用发散思维或逆向思维，进行类比联想或换位思考推理，进而恰当地引入辅助事件或辅助随机变量，就会建构和洞察到所研究的数学对象中蕴涵着的事件之间或随机变量之间的某种对称性、对等性或等可能性的关系。那么，这些事件、事件关系所遵从的一般的概率法则、统计规律或一些概率原理等就构成解题思维的支点，即推据；思维一旦受到这些推据以及数学中对称美的直觉启发，就会迅速地做出判断，寻到简便的解法，或直接给出答案。

2.2.1最大似然法（以离散型随机变量为例）

2.2.2最小二乘估计

回归分析的基本思想是首先根据样本组的分布特征以及对问题的思辨认识而先验地选定一个模型类型，然后求出（估计出）模型中相应参数。至于对参数的估计，一般采用最大似然估计法，具体到回归分析上叫做最小二乘法。所谓最小二乘法系利用拉格朗日条件极值原理，对所选模型在所给样本下，保证误差最小时，求得参数估计值[6]。说到底它也是一种思辨推断模式。

2.2.3假设检验

先根据统计目的对总体提出一个统计假设0H（也叫原假设），然后再由一次抽样的结果来检验这个假设是否可信，从而做出决策：拒绝还是接受这个假设。一方面，我们先假定0H是正确的，在此假定下，某事件A出现的概率很小，比如p(A)=0.05；另一方面，进行一次试验，如果事件A出现了，就是说在一次试验中就居然发生了小概率事件，那么根据直觉：“概率很小的事件在一次试验中一般认为是不会发生的。”（小概率事件原理，即推据）我们不能不怀疑作为小概率事件的前提假设0H的正确性，因而做出拒绝0H的决策；如果进行一次试验，小概率事件没有出现，则试验结果与假设相符，没有理由拒绝0H，因而只好接受0H。进一步归结出假设检验的一般步骤（略），即是算法程序，使概念的直观具体性有了一个逻辑思维的图式，如果没有这些逻辑模式，推理将变得没有质量。从根本上看，假设检验法是以小概率事件原理为推据的思辨推断模式。概言之，最大似然估计、最小二乘估计和假设检验本质上都是思辨的产物；从思维方法上讲，它们是思辨数学与算法数学有机的统一体；“思辨”当头，“算法”自然就在其中了。

2.3概率统计中的思辨数学之特征分析

2.3.1思辨求解问题与思辨推断的异同

思辨求解问题的推据具有确定性和真理性。。然而，思辨推断的推据则具有“或然性”，比如最大似然原理中的用词：“应该是”，并非“一定是”；小概率事件原理中的用词“一般认为是不会发生”，但并非“绝对不会发生”，可见思辨推断的结论则是概率逻辑意义下的必然。比如假设检验就是概率性质的反证法。故思辨推断理属合情推理。

思辨求解与思辨推断的共同之处，都是主体基于对概率统计领域的基础知识及其结构的透彻了解，基于对整个问题的理解把握以及已有的知识背景，使主体能跨越逻辑的思考而进入直念（即数学直观，形象观念）[3]，想象和直觉判断，以推据为准绳，迅速解决有关数学问题。

2.3.2思辨数学与算法数学的比较

由于思辨数学一词是相对于与算法数学的概念提出的，下面我们就其两者进行对比分析：

算法数学有具体化、程序化和机械化特点，又有抽象性、概括性和精确性；思辨数学有抽象化、模式化和直念化特点，又带有假定性、哲理性和启示性。

算法有算理，比如概率的公理、定理、性质等构成概率算法求解的基本算理。算理是算法的理论基础，算法是算理的具体体现；思辨求解和思辨推断有推据，比如对称性、对等性、等可能性、最大似然原理、小概率事件原理等构成概率思辨求解和思辨推断的推据。推据是思辨的理论基础，思辨求解和思辨推断是推据的实际表达。

与算法相比较，算法求解依据逻辑思维、逻辑推理，思维是纵向的、条理化的；思辨数学则依据认识之直觉，思维是跳跃性的、横向的和发散的。思辨求解的推理是非逻辑的；思辨推断是归纳性质的合情推理。

3提出思辨数学概念对概率统计教学具有的要义

关于思辨数学与算法数学的这种区分，在教学法上具有重要意义。传统的概率教学着眼于概率算法求解，重视运算规则和方法技巧，注重逻辑思维能力培养，忽视或根本不谈概率思辨求解，因为许多概率教材的例题与习题都鲜见思辨求解类的素材；轻视概率统计课程的基本概念教学，因而造成了概率思想、统计认识诸方面知识匮乏和直觉能力的缺失。比如统计推断是数理统计的核心，统计推断是对统计总体的未知数量特征做出概率形式表达的推理，鉴于思维上推与证的不同而分别提出了参数估计与假设检验，由此构成统计推断内容的两面。参数估计是根据样本数据对总体参数所作的“猜想”，而前提是样本与总体的同分布（即样本与总体的同质性）的假定；假设检验即对总体特征做出的一种假设，然后根据样本信息对这一假设的支持程度做出描述。前提同样都是样本与总体的同分布的假定。从哲学层面讲，它们探讨的都是共性与个性的辩证关系。

从战略上看，由样本推断总体具有归纳性质，从战术上看，最大似然估计法与假设检验的解题程式中的样本值nx,x,,x12􀀢又非具体的数值，因而具有演绎性质，所以最大似然估计法和假设检验是归纳与演绎的辩证统一。对于统计推断内容的教法，目前多数教学已落入算法化、程式化的俗套，把参数的最大似然估计和假设检验作为一套处理问题的规则或算法来教；2003年出版的《Mathematica基础及数学软件》一书，把参数的最大似然估计和假设检验按算法编程由计算机来做[7]，毫无思想。诚然，数学教育不应该拒绝计算机的渗透，特别是统计推断问题常会涉及一些烦琐的数据统计和计算，借助于计算机可节省大量的时间和精力。但是，数学方法的内核是数学思想，由于意识不到统计推断是思辨数学体系，所以容易忽视产生统计推断方法所依赖的统计推断思想、策略及其思维活动过程的教学，以致学生不能目睹数学过程的形象而生动的性质，体悟不到统计推断方法中蕴涵的概率思想，更达不到思维训练之效。诚然，给学生一个可仿效的范例，就足以教会一个算法，尽管这样的教学，学生学会了套用统计推断的解题步骤，可能会做对若干道数理统计习题，但是对统计推断的思想实质和认识机制理解不深。比如，有学生在用最大似然估计法解题时，先把具体的实测数据带入似然函数的表达式，再作取对数、求导、求极值点的运算；有的学生在假设检验解题中，在写到最后一步：“拒绝H0”或“接受H0”时就搁笔了，把“即认为...”这句关键的陈述语省略了不写。不难想到，他们对样本的二重性以及最大似然法所使用的辩证逻辑思维领悟不透彻；对统计推断所表达的非决定论的因果关系规律认识不到位。一句话，对最大似然估计和假设检验方法的本质思想，缺少深层的思考。传统教学的结果只会给学生留下这样的印象：数理统计是装着一筐子的“算法”。这种只强调算法与规则的数学课程，正如只强调语法和拼写的写作课程一样，都是一种本末倒置。

任何一门数学学科都是由概念和技巧支撑的；若能区别概率统计教材中思辨数学与算法数学，区分或认识思辨数学的结构，这就意味着预先设定将它们作为思维训练来教，其意义在于强调思辨因素，强调概率统计思想方法形成的思维活动的过程，自然也是强调了以概念为本的课程教学模式。

3.1凸显以概率论为基础的统计思想以深化统计认识

毫无疑问，概率论是统计的运载工具，统计思想是统计方法的灵魂。按照思辨数学模式讲授统计推断，能够更好地揭示和表达统计思想，深化统计认识。因为贯彻三段论即：“在某种假定（假设）...之下，一方面...另一方面...，依推据则有...”的思辨推断模式，势必强调深刻理解概念和推据，充分展示换位思考中的思辨原理与辩证思维方法，这就凸显了以概率论为基础的统计推断思想。比如假设检验，如果统计假设被理解为构成概率计算的基础的话，那么，看来极不可能的某个事件发生了，那就有悖于常理，于是统计假设认为是小概率的事件的发生，将是一个反对该假设的证据，并且这种概率越小，其证据越显得强有力。又由于在统计检验的逻辑中，前提与结论之间的逻辑蕴涵不再是必然的，而是一种概率蕴涵。换句话说，概率解释中的解释前提是假说，所以得到的逻辑必然的推论是可能的概率解释。而在概率解释中，对个别事实解释的概率性与统计规律在每一个别情况下无法实现这一规律联系着，因为统计规律是大数定律，它仅在大量观察或多次试验中才能出现。因此在统计规律上所作的关于个别事实的结论，只能解释这一事实的可能性，而不是它的必然性。因此，“接受”中的“纳伪”和“拒绝”中的“弃真”这两类错误不可避免的发生充分说明了这一点。

3.2强调数学思辨对培育直觉能力具有独特功效

数学强调思辨性。弗赖登塔尔指出：“算法是好的，数学中的常规也是不可避免的。”[1]诚然，对数学来说算法具有极大的重要性，代数、微积分、概率中都有算法。当前教学的强烈趋势就是盛行算法化[1]。将一个领域算法化是更容易超越该领域的一种方式[1]。然而，现代数学之不同于古老数学，在于它强调的是思辨的因素而不是算法[1]。最引人注目的新生事物，也就是引起现代化过程发生的事物——集合论、抽象代数、分析学、拓扑——都是思辨的产物。它们是冲破算法的僵化的外壳喷射而出的[1]。同时弗赖登塔尔还指出：算法数学与思辨数学的关系是辩证的，不能把它们看作是新与旧、高与低的对立。从培养数学思维能力的层面看，算法数学与思辨数学好比“算术和几何正是作为互相的直接对立面在智力上发展起来的，但这并不表明因为喜欢其中一个就应该把另一个贬低。相反，教学应该将这种发展继续下去”[8]，教学应该像重视算法数学一样重视思辨数学，但问题在于目前的数学教育现状，人们有些重算法而轻思辨的倾向。概率统计的思辨求解和思辨推断解决问题的重要策略和特点是：对具体问题作具体分析，以已有知识和经验为背景，在直觉领引下发掘问题中蕴含着的思辨因素，寻找到推据或生成推据，以推据为支点，凭借直觉展开思辨推算或推断。其思维方式是直觉的。从心理学视角看，思辨数学是直觉思辨的产物，它是思维对那种隐藏于数学对象深层的数学事物关系间的和谐性与规律性的感受，正是这种感受把知识空间投影和净化成那幅心智图像。显意识和潜意识沟通形成顿悟，进而达到直觉思维的目标。

因此，强调思辨数学，必然注重培育直觉能力。思辨求解不仅能增加和丰富学生概率解题的方法策略，而且对其直觉思维乃至创新能力的培养大有裨益。克莱因说过：“在某种意义上讲，数学的进展主要归功于那些以直觉能力著称的人多于那些以严谨证明著称的人。”

3.3透过思辨求解法感悟数学方法的奇异美

思辨求解法的产生离不开直觉，数学直觉本质上就是“美的意识或美感”。美的意识力或鉴赏能力越强，发现和辨认隐蔽的和谐关系的直觉能力也就越强。数学审美意识是产生数学直觉、爆发数学灵感的“刺激素”。

思辨求解法的思想性强，其方法直观，运算简捷，甚至用不着计算就能直接获得答案。从思辨求解法产生的心理机制来看，其思维空间是动态的；每一个具体的思辨性解法，无不联系着主体解题的思维运作：数形结合，动静联想，等价语意转换，整体性把握思考，以及受到数学美的启迪等。它把数学表达式的对称美、数学关系的和谐美、数学方法的简洁美、数学思想的思辨美发挥的淋漓尽致。奇妙的解法闪烁着智慧之光，常给人以精神上的愉悦和满足。

“奇异性与思辨性是密切相关的，奇异性的结果会导致数学的新进展，而思辨能引起人们的思索，调动人们的想象，帮助人们对未知事物作深入地理解、把握和预见，促使人们去追求数学中内在旋律。”即追求数学美的旋律。

［参考文献］

[1]弗赖登塔尔。作为教育任务的数学[M]。陈昌平，唐瑞芬译。上海：上海教育出版社，1995。

[2]KennethHR。初等数论及其应用[M]。夏鸿刚译。北京：机械工业出版社，2009。

[3]张奠宙，戴再平，唐瑞芬，等。数学教育研究导引[M]。南京：江苏教育出版社，1998。

[4]刘培杰。数学奥林匹克与数学文化[M]。哈尔滨：哈尔滨工业大学出版社，2008。

[5]蔺云。用随机方法证明一类组合恒等式[J]。高等数学研究，2003，（2）：32。

[6]高隆昌。数学及其应用[M]。北京：高等教育出版社，2001。

[7]阳明盛，林建华。Mathematica基础及数学软件[M]。大连：大连理工大学出版社，2003。

篇2

【论文关键词】统计学；统计思想；认识

1关于统计学

统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。

2统计学中的几种统计思想

2.1统计思想的形成

统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。

2.2比较常用的几种统计思想

所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：

2.2.1均值思想

均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。

2.2.2变异思想

统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。

2.2.3估计思想

估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。

2.2.4相关思想

事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。

2.2.5拟合思想

拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。

2.2.6检验思想

统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。

2.3统计思想的特点

作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。

3对统计思想的一些思考

3.1要更正当前存在的一些不正确的思想认识

英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。

3.2要不断拓展统计思维方式

统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。

3.3深化对数据分析的认识

任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。

参考文献:

[1]陈福贵.统计思想雏议[J]北京统计,2004,(05).

篇3

一、关于统计学

统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。

二、统计学中的几种统计思想

2.1统计思想的形成

统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。

2.2比较常用的几种统计思想

所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：

2.2.1均值思想

均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。

2.2.2变异思想

统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。

2.2.3估计思想

估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。

2.2.4相关思想

事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。

2.2.5拟合思想

拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。

2.2.6检验思想

统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。

2.3统计思想的特点

作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。

三、对统计思想的一些思考

3.1要更正当前存在的一些不正确的思想认识

英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。

3.2要不断拓展统计思维方式

统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。

3.3深化对数据分析的认识

任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。

参考文献:

[1]陈福贵.统计思想雏议[J]北京统计,2004,(05).

篇4

一、关于统计学

统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。

二、统计学中的几种统计思想

2.1统计思想的形成

统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。

2.2比较常用的几种统计思想

所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括：均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：

2.2.1均值思想

均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。

2.2.2变异思想

统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。

2.2.3估计思想

估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。

2.2.4相关思想

事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。

2.2.5拟合思想

拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。

2.2.6检验思想

统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。

2.3统计思想的特点

作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。

三、对统计思想的一些思考

3.1要更正当前存在的一些不正确的思想认识

英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。

3.2要不断拓展统计思维方式

统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。

3.3深化对数据分析的认识

任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。

参考文献：

[1]陈福贵.统计思想雏议[J]北京统计,2004,(05).

篇5

统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际。随着社会的不断发展，统计学的应用越来越广泛，并不断发展。

一、 统计学中的几种统计思想

（一）统计思想的形成

统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。

（二）比较常用的几种统计思想

所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括：均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：

1.均值思想

均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。

2.变异思想

统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。

3.估计思想

估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。

4.相关思想

事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。

5.拟合思想

拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。

6.检验思想

统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。

（三）统计思想的特点

作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。

二、对统计思想的一些思考

（一）要更正当前存在的一些不正确的思想认识

英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。

（二）要不断拓展统计思维方式

统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息（尤其是不完全甚至劣质的信息）去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。

（三）深化对数据分析的认识

任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析（DDA）、推断性数据分析（IDA）和探索性数据分析（EDA）等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。

参考文献：

[1] 陈福贵.统计思想雏议[J].北京统计，2004.（05） .

[2] 庞有贵.统计工作及统计思想[J].科技情报开发与经济，2004.（03） .

[3] 范文正.几种基本统计思想的现实意义[J].统计与决策，2007.（08） .

[4] 邢莉.《九章算术》中的统计学思想探究[J].统计研究，2008.（03）.

篇6

传统的地质统计学是以变异函数为工具，研究在空间上具有随机性、结构性的自然现象的学科。然而，变异函数只能反映空间中两点之间的相关性，不能充分描述出复杂几何形状的砂体，如河道砂在空间中的连续性和变异性。而多点地质统计学着重表达多点之间的相关性，弥补基于变异函数的地质统计学方法的不足，是目前国际前沿研究方向。

一、多点统计算法

基于多点地质统计学原理， Strebelle 和Journe l

提出了Snesim 算法[1]， 该算法按以下步骤执行：

（1）根据对研究区内地质情况的了解， 建立训练图像。（2）利用自定义的与数据搜索邻域相关的数据样板τn 来扫描训练图像， 建立搜索树。（3）将测井数据锚定在最近的网格节点上。定义一条对未取样节点访问的随机路径。（4）在每个未取样点b处， 使得条件数据置于一个以b为中心的数据样板τn中。令nˊ表示条件数据的个数， 从检索树中提取条件数据事件dnˊ类型的比例。如果在训练图像中没有找到足够的dnˊ重复， 就降低最远位置的条件数据， 减少条件数据的个数到（ nˊ- 1）， 以这个较小数据事件dn ˊ- 1为条件的比例被再次从检索树中检索， 依此类推。如果数据个数降到nˊ= 1还没有找到足够的dnˊ重复， 那么就用边缘概率pk 取代条件概率p（u； sk dnˊ ）。（5）从u处的条件概率分布中提取一个模拟值s， 然后将s加入到原来的条件数据中， 作为随后所有节点的模拟条件。（6）沿随机路径访问下一个节点， 并重复步骤（4）和（5）。（7）循环至所有网格节点被模拟为止。此时，会产生一个随机模拟实现。按不同随机路径从步骤（3）开始重新执行整个过程， 产生另一个随机模拟实现。

二、训练图像

训练图像是多点地质统计学的基本工具，通过训练图像将先验知识和概念模型引入到储层建摸中，是多点模拟的一个突破性贡献[2]。多点统计方法都需要借助于“训练图像”，它是多点地质统计的输入参数，其准确性是建模成功的关键。训练图像就是能够表述实际储层结构、几何形态及其分布模式的数字化图像。对于沉积相建模而言， 训练图像相当于定量的相模式，反映微相的定量分布模式。它不必忠实于实际储层内的井信息，而只要求反映储层变化的空间结构性， 是一种先验的地质概念。其作用相当于两点统计学中的变异函数。

由于储层具有不同尺度的非均质性，可以产生不同分辨率的训练图像。针对研究变量的类型（离散或连续）也可以对训练图像进行分类，例如沉积相是离散型的，而物性参数，如孔隙度，渗透率或其它的岩石物性是连续型的。在实际应用中，训练图像必须是三维的，这样才可以全面反映出沉积在横向上的迁移和垂向上的加积模式。

三、多点统计地质学搜索模版

所搜模板，又叫做数据局部模板，是多点统计建模中的一个重要概念。局部模板的数据是来自研究区的实际数据。用一个局部模板对训练图像进行扫描，同时统计出被模拟点的砂体概率。一般说来，局部模板越大，那么模拟结果越接近于合理[29]。但是，由于计算量的关系，局部模板又不能无限的大。一般所建立的局部模板要求能够涵盖各沉积微相在空间上接触关系。在实际应用中一般取为区块总网格数目的1/2或1/3。

搜索模版的几何形态对模拟结果具有较大的影响。搜索呒啊不能一般较长用的是椭球体或长方体也就是X、Y、Z方向的搜索半径不同。

本次研究共设置六个搜索模版，分别为80、10、5，80、80、50、5，80、80、5，50、10、5，50、30、5，50、50、5。模拟结果如下图：

从上图可以看出，随着Y方向半径增加，模拟结果中河道变连续，当搜索模板的几何形态为椭球体即X、Y方向半径相同时，模拟结果中河道显示出了很好的连续性，河道形态明显。这主要是因为当X、Y方向不相等时，搜索半径对X、Y方向搜索得到的模式不同。若X、Y相等则搜索模版对个方向的搜索变化是相同，就导致了模拟结果出现较大的差异。因此，在设置搜索模版时，应将X、Y方向设置为相等的，即搜索模板的几何形态为圆形的。

四、结论

多点地质统计学的发展迄今已有20多年的研究历史，而真正作为一种可实用的随机建模方法则是在Strebelle提出了搜索树的概念及SNESIM算法之后 迄今为止，还出现了SIMPAT方法和FILTERSIM方法等多种算法，但这些方法都未成熟，尚需进一步改进并加以完善，多点地质统计学随机建模方法中，训练图像仍需进行深一步的研究。

在设置搜索模版时，应将X、Y方向设置为相等的，即搜索模板的几何形态为圆形的。

篇7

统计思想的应用是非常广泛的，加之各学科的联系越来越密切，统计思想不仅可应用于统计工作中，而且还可以应用到其他很多领域，如数学、化学、物理和天文学等领域。虽然统计思想给人们的工作和生活带来便利，但是统计思想也需要人们不断地去完善和创新，同时对于统计工作也要不断完善。

1.统计思想的主要内容

1.1均值思想的概念简介和功能分析

均值思想是统计学中非常基础的思想，也是人们在工作、学习和生活中应用最多的思想，均值思想的学习比较简单，容易掌握，所以均值思想这一统计思想的使用者可以是小学生、中学生、高中生以及大学生等。均值是统计学问题中的一个平衡点，表示众多数据和信息的平均水平，利用均值思想不仅可以了解数据或信息的平均水平而且还可以从一定程度上了解数据或信息的整体水平。除此之外，均值思想通过均值表现出数据或信息的发展结果，能够帮助人们做出科学的判断，如品质相同的水将他们放置于不同的容器中，人们可以通过计算每克水的价格，知道哪种水更实惠，即通过运用均值思想做出了科学的处理。

1.2变异思想的概念简介和功能分析

之所以进行统计工作就是因为在一个整体或者集合中，数据和信息之间是不完全相同的，所以要用变异思想来分析这个整体或者集合中数据的差异性，如果这些数据和信息之间的关系是已经推算好的，那么就没有必要再运用变异思想进行统计。统计学中方差表示数据或信息的变异程度的一个重要指标，方差与均值既有相同点又有不同点，方差主要的作用是发现集合或整体中数据的变异性，而均值则表示集合或整体中数据的相同之处。而他们的相同之处就是他们都是度量一个整体或集合的宏观特征。了解方差和均值的异同点对于掌握统计思想是很有帮助的。

1.3拟合思想的概念简介和功能分析

世间万物都是不完全的，分析不同事物之间的联系能够帮助我们了解事物的性质，拟合思想就是帮助人们统计不同事物之间联系的思想，拟合工作的对象主要是对规律或者趋势，拟合工作的结果通常都是一种数学模型，也就要求人们在进行拟合工作之前学好建模的建立及分析过程。

1.4归纳思想的概念简介和功能分析

归纳思想也是一种非常重要的统计学思想，而归纳思想的应用对象主要有两种：一是数学模型，二是实际事件。针对数学模型应用的归纳思想主要是指数学归纳法，针对真实发生的实际事件应用的归纳思想需要根据具体情况进行分析。归纳思想的一个特点是通过分析而最终得出的结果通常是不能量化表示的，这就造成了结论的不确定性和模糊性，因此运用归纳思想所得出的结论通常要进行后期的检验和证实。

1.5估计思想的概念简介和功能分析

估计思想的应用离不开概率的估计，估计并不是完全没有理由和依据的估计，而是根据事物的发展过程和收集的数据，通过计算和比较概率而做出决定。从哲学的角度解释估计思想就是通过对模板和样本等类似参照物的分析，判断事物的发展趋势和预测结果。估计思想是一种建立在模型基础上的思想，估计思想主要包括点估计，矩估计和极大似然估计等内容。点估计就是指在某个时间点上建立概率函数，进而计算期望和方差，最后估计这一事件发生的概率。矩估计是指利用样本矩的数据特点来估计总体之中不同参数的取值情况，矩估计思想是一种历史悠久的统计思想，然而运用矩估计进行估计不仅使用起来比较方便，而且计算结果或估计结果精确度还比较高，所以在统计学中矩估计的应用是非常广泛的。极大似然估计则是在数据或信息的本集中进行估计，极大似然估计的原理就是运用方差的最小值。

1.6相关与互补思想的概念简介和功能分析

相关与互补思想中的互补影响是指一个事物的发展变化所产生的连带影响，而互补则主要是指一个事物的发展变化对于与其有互补作用的事物的发展起到推动作用。根据科学的理论，任何两个事物之间的联系都是必然的，无论是直接联系还是间接联系，或者是外在联系还是内在联系都能对事物的相互作用产生影响，统计学中的相关与互补思想就是这种影响的大小程度进行估计和判断，相关与互补思想的主要应用对象是实际发生的事件，即在分析实际发生的事件时，相关与互补思想的应用对于分析过程是个非常有用的。

2.统计工作的改进措施

统计学在20世纪已经取得了非常宏伟的成就，但是统计学还没有发展成为一个完全成熟的学科，如，虽然统计学的研究对象已经多到涉及生活的方方面面但是生活是一个非常广博的环境，统计学研究不到的领域是数不胜数，所以这就需要我们在利用统计思想进行统计工作时也要注重对统计思想和统计方法的完善，拓宽统计学研究对象的分布范围，让统计学真正成为一个独立完善的学科。统计工作的改进措施主要包括加强统计部门之间的合作意识，建立合理的赏罚机制，提高统计人员工作的积极性，在统计人员选拔时严格要求，对于没有资格的人员一律要小心安排。统计部门是一个大整体，统计工作优势非常复杂的，如果在进行统计工作时，人们没有合作意识，就会导致数据的传输和统计工作的下一步工作无法进行，因此团队合作意识在统计工作的进行中发挥了重要作用。由于统计工作非常无聊，有时要不断重复同一个过程很多遍，加之统计数据的乏味，统计人员很可能失去兴趣，所以要利用合理的赏罚机制激励员工。人才的选拔是统计工作的基础，只有坚实稳固的地基才能让高楼大厦安全平稳，所以必须严格对待人才的选拔过程.

3.结语

随着统计工作的统计范围越来越广，统计思想对人们的工作、生活和学习的影响越来越大，人们在进行统计工作时一定要特别注重团队之间的合作和赏罚机制的建立。相信随着统计工作人员和统计学者的不断研究和创新，统计学一定会发展成为一个成熟的学科，为人类的发展做出更大的贡献。（作者单位：辽宁行政学院）

参考文献：

篇8

统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想等。统计思想不是天然形成的,需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括,才能逐步形成系统的统计思想。作为一门应用统计学,它从数理统计学派汲取新的营养,并且越来越广泛的应用数学方法,联系也越来越密切,但在统计思想的体现上与通用学派相比,还有着自己的特别之处。其基本特点:(1)统计思想强调方法性与应用性的统一;(2)统计思想强调科学性与艺术性的统一;(3)统计思想强调客观性与主观性的统一;(4)统计思想强调定性分析与定量分析的统一。

1.均值思想。均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论,是统计学的基本思想。均值思想也要求从总体上看问题,但要求观察其一般发展趋势,避免个别偶然现象的干扰,故也体现了总体观。

2.变异思想。统计研究同类现象的总体特征,它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差,是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。

3.估计思想。估计以样本推测总体,是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设:样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响,在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。

4.相关思想。事物是普遍联系的,在变化中,经常出现一些事物相随共变或相随共现的情况,总体又是由许多个别事务所组成,这些个别事物是相互关联的,而我们所研究的事物总体又是在同质性的基础上形成。因而,总体中的个体之间、这一总体与另一总体之间总是相互关联的。

5.拟合思想。拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在,所有实际事物的关系都表现得非常复杂,这种方法就是对规律或趋势的拟合。拟合的成果是模型,反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。

6.检验思想。统计方法总是归纳性的,其结论永远带有一定的或然性,基于局部特征和规律所推广出来的判断不可能完全可信,检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。

二、对统计思想的若干思考

篇9

统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想等。统计思想不是天然形成的,需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括,才能逐步形成系统的统计思想。作为一门应用统计学,它从数理统计学派汲取新的营养,并且越来越广泛的应用数学方法,联系也越来越密切,但在统计思想的体现上与通用学派相比,还有着自己的特别之处。其基本特点:(1)统计思想强调方法性与应用性的统一;(2)统计思想强调科学性与艺术性的统一;(3)统计思想强调客观性与主观性的统一;(4)统计思想强调定性分析与定量分析的统一。

1.均值思想。均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论,是统计学的基本思想。均值思想也要求从总体上看问题,但要求观察其一般发展趋势,避免个别偶然现象的干扰,故也体现了总体观。

2.变异思想。统计研究同类现象的总体特征,它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差,是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。

3.估计思想。估计以样本推测总体,是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设:样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响,在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。

4.相关思想。事物是普遍联系的,在变化中,经常出现一些事物相随共变或相随共现的情况,总体又是由许多个别事务所组成,这些个别事物是相互关联的,而我们所研究的事物总体又是在同质性的基础上形成。因而,总体中的个体之间、这一总体与另一总体之间总是相互关联的。

5.拟合思想。拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在,所有实际事物的关系都表现得非常复杂,这种方法就是对规律或趋势的拟合。拟合的成果是模型,反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。

6.检验思想。统计方法总是归纳性的,其结论永远带有一定的或然性,基于局部特征和规律所推广出来的判断不可能完全可信,检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。

二、对统计思想的若干思考

篇10

一、引言

关于变异的教学研究基本是从Moore提出的“变异是统计思想的核心要素”以后开始的，当Wild & Pfannkuch （1999） 提出对变异的考虑是统计思维的一个基础时，变异的重要性开始慢慢得到关注.对变异的理解对学生统计思维的发展起了巨大作用，许多研究都证实了这一观点（例如 Meletiou-Mavrotheris & Lee， 2002； Reading & Reid，2005； Reading & Shaugnessy， 2004； Torok & Watson， 2000）.“变异”既指不确定事物由于随机因素引起的特有的变异性（variability），又指对这种变异性进一步的描述和度量（variation）（张洁铭，2006）.变异是统计的一个基础概念，统计被描述为“关于变异的科学” （e.g.， MacGillivray ， 2004）.

二、变异的成分（Components of Variation）

总体各单位的特征表现存在着差异，这些差异并不是由某种特定的原因事先给定的，统计上把总体各单位由于随机因素引起的某一标志表现的差异称为变异（黄良文，2000）.

Reading& Reid （2010）通过总结关于统计推理、思考和素养的第三届国际研究论坛、Garfield & Ben-Zvi （2005，2008）、Reading & Shaughnessy （2004）以及Watson， Callingham & Kelly（ 2007）等人的观点，提出了变异的成分有：

Ⅰ.发展对变异性的直觉观点；Ⅱ.描述和表征变异性；Ⅲ.利用变异性作比较；Ⅳ.在特定类型的分布中辨别变异性；Ⅴ.在模拟模型中辨别变异性的模式；Ⅵ.利用变异性预测任意的样本或者结果；Ⅶ.对变异性的考虑作为统计思维的一部分；Ⅷ.识别变异的来源；Ⅸ.解释观察到的变异的期望值.

三、对变异的考虑（Consideration of Variation）

（一）在统计教与学中对变异的考虑

Wild & Pfannkuch （1999）在访谈完统计学家和学生之后，想到对变异的考虑可以提供一个合适的基础来扩展对变异的理解，提出了考虑变异的四个部分：注意和承认，测量和建模，解释和处理，调查策略.

注意和承认变异——认识到变异的无处不在（即变异的存在性）以及在讨论中记录这些变异的需要.

为预测、解释或者控制变异的目的对变异进行测量和建模——从数据中总结变异（包括数值的或者图形的）以及利用这些总结来表现变异的影响.

解释和处理——寻找引起变异的原因，在设计和抽样中考虑变异的影响.

利用与变异相关的调查策略——关注变异本身属性的正式程序.

（二）评估学生对变异的考虑

Reid & Reading （2008）提出了学生对变异的考虑的四个水平：

没有考虑到变异的水平，所有这一水平的描述都是类似的，没有认识到任何的变异.

对变异的考虑很少的水平，认识到变异的存在，但通常只限制于变异的一个基本描述（例如，范围），或这种描述是错误的或缺乏的.这些都表示学生认识到变异的存在，但缺少必需的语言或者工具去适当地描述或者利用变异.

对变异的考虑发展中的水平，在这一水平中，所有任务的反应都提供了一个更加细致和准确的描述，至少包含一个变异的来源，包含了组内或者组与组之间的变异.

对变异的考虑的强健水平，在这一水平，强健的反应把组内与组与组之间的变异联系起来，对变异有一个更加直观的分析.

四、对变异的推理（Reasoning about Variation）

关于变异的文献提出关于变异推理的认知发展框架包括：承认和描述变异，利用变异支持推断，解释变异的来源以及把变异和其他概念联系起来.

承认和描述变异，（与成分Ⅰ和Ⅱ联系起来）是学生在处理统计任务时最重要的第一步.Reading （2004）利用SOLO分类法提出了描述变异的认知水平的层次结构.该层次结构中有两个独立的U-M-R发展循环.第一个循环利用大量的与定性特征相关反应来刻画变异的定性特征，第二个循环利用与定量特征相关的反应来刻画变异的定量特征.Reading & Shaughnessy （2004）在该结构增加了根据数据的特征来辨别认知水平，特别是“极端值”（即包括数据的范围或分散度）和“中间值”（即在数据范围内发生了什么）.

利用变异支持推断，例如，比较和预测（分别对应Ⅲ和Ⅳ）是对变异的推理的重要方面之一.还有别的成分，例如承认、描述、识别和解释期望值（Ⅰ，Ⅱ，Ⅷ，Ⅸ）.利用变异支持推断不是单纯的包含变异的一个成分，而是变异的几个成分.

解释变异的来源（成分Ⅷ），Reading & Shaughnessy （2004）提出的一个与这个描述变异的层次结构是平行的层次结构，用来描述解释引起变异的认知水平.在最低的认知水平，提供了很多无关的变异的来源；在更加复杂的认知水平上，变异的相关解释逐渐被提出来.Reading & Shaughnessy的层次结构与SOLO分类法是类似的.

变异和其他概念联系起来，例如，当变异的概念被整理过后，期望值（成分Ⅸ）就成为可能了.Watson， Callingham & Kelly （2007）提出了理解变异和期望值的发展路径，它包括六个水平：特殊的（idiosyncratic）、非正式的（informal）、不一致的（inconsistent）、一致的（consistent）、分布的（distributional）和比较分布的（comparative distributional）.在前三个水平，变异和期望值是分开的，直到第四个水平一致的（consistent）这两个概念才被慢慢地联系起来.

五、对教学和研究的启示

对变异的推理的认知发展框架，可以用于课程、学习活动和评估的设计，探究学生对其他的统计概念的推理.第一，内容丰富的课程设计是促进学习的关键，认知发展框架对课程设计中内容的顺序和呈现是非常有用的.第二，认知框架可以提供很多有用的信息来帮助学习活动的设计，支持学生的学习.第三，认知框架可以使用来设计评估任务，判断一个评估任务是否起到表征推理认知的作用.最后，利用认知框架描述学生对变异的推理，探究学生关于其他的统计概念的推理.

【参考文献】

[1]Garfield，J.B.，& Ben-Zvi，D.，Developing Students’ Statistical Reasoning：Connecting Research and Teaching Practice[M].The Netherlands：Springer，2008.

[2]Reading，C.，& Reid，J，Reasoning about variation：rethinking theoretical frameworks to inform practice，Data and context in statistics education：Towards an evidence-based society，Proceedings of the Eighth International Conference on Teaching Statistics （ICOTS8，July，2010）[R].Ljubljana，Slovenia，2010.

篇11

【关键词】

统计思想；统计工作；影响

在当前我国统计工作中，认清统计的真谛、领会统计思想，对统计本身来讲，有利于提高统计水平和统计工作者的整体素质；对外界而言，有利于树立别的工作及别的理论不能取代和比拟的统计权威。

一、统计思想简述

统计思想是指统计工作中应树立的世界观和方法论。哲学上世界观和方法论是基础，是人们行动的指南，也是统计工作中应遵守的指南。这里统计思想是指统计不同于别的学科所特有的世界观和方法论，也是树立统计权威的基础。

统计的总体思想使统计始终要站在研究对象的整体角度来看问题，形成了大量观察法和大数定律等一系列认识规律。所谓“站得高，看得远”、“把握大局”也是这种思想的体现。这要求统计工作者在工作中，做到万变不离其宗。因为，总体资料是由作为承担者的个体身上搜集后综合而来的，而个体资料千差万别，有些界限还不好判断。这时就需要站在总体的角度，看哪些符合总体要求，哪些不符合总体要求，避免“旁观者清，当局者迷”，避免偏离统计本身的功能。

二、统计思想的几个方面

1.均值思想

均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。它告诉我们统计认识问题是从其发展的一般规律来看，侧重点不在总规模或个体，体现了数量观和推断观。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。

2.变异思想

统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。如果各单位之间不存在差异，也就不需要做统计，如果各单位之间的差异是按已知条件事先可以推定，也就不需要用统计方法。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。可以说，均值与方差这两个概念分别起到“隐异显同”和“知同察异”的作用。平均与变异都是对同类事物特征的抽象和宏观度量。

3.估计思想

估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质，样本才能代表总体，但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。

4.相关思想

哲学认为，事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，我们所研究的事物总体是在同质性的基础上形成。总体中的个体之间、这一总体与另一总体之间是相互关联的。相关概念表现的就是事物之间的关系。

5.拟合思想

拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势，趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。

三、统计工作

统计工作应包括统计设计、统计调查、统计整理、统计分析、统计信息应用和等D个环节；而作为统计工作成果的统计资料显然应包括调查的原始资料，整理的系统资料和分析的深度加工资料；统计学研究统计工作的全过程，同时也研究统计资料的可行性、可信性和可用性。3个涵义之间存在着严密的辨证关系。

统计工作的5个环节中，设计是基础，说统计学是方法论的科学，最主要的就体现在统计设计上；统计工作能否达到目的，关键也在于设计。若把统计工作看作是产品生产过程，统计设计就相当于产品设计，统计调查就是施工，统计整理就是组装，统计分析就是质量检验与分析，统计信息应用与就是广告宣传与销售。每一环节都具有很强的技术性，但设计和分析是技术性、理论性最强的工作，统计的特殊功能也主要体现在这两个环节上。统计设计实际上是告诉操作者怎样去调查，怎样去整理；分析与信息就是告诉用户统计可以达到什么目的，而这些目的是别的专业达不到的。发达国家为什么对统计如此重视，联合国为什么专门设立统计委员会，关键也体现在这两个方面。

今天的社会，统计已相当发达，无论是资料搜集方法研究，还是统计规律研究，其目的都是为了认识我们所研究的对象，或者说认识统计总体。统计工作者从调查开始到整理出对外服务的系统资料，这一过程使人们对统计总体的外貌有比较清楚的认识，如果我们能再从数字后面找出内部特征，就能总结出现象发展的规律性，结合社会经济运行的法则，就可以提出管理社会经济的有效建议。统计指标体系是一个完整的科学系统，由统计指标所核定的数量是有科学涵义的，指标之间是有严密分工的。因此，统计分析是别的分析所不能比拟的。

四、统计工作如何改进

统计学虽然在20世纪已经取得了无可比拟的伟大成就，但还没有成熟为一个具有完整稳固基础的知识领域，因为就统计学的研究对象而言，其所能涉及到的范围是如此之大、我们所面临的未知是如此之多而不得不需要不断夯实和拓展其学科基础，以保证统计学定量认知的职能与功能。所以，从人类不断增加和提高的对统计的要求出发，我们要更强调多学科的交叉与相融，要不断汲取其他相关学科例如数学、复杂系统科学、混沌学、仿真学、计算机学等的最新发展成果来补充、拓展统计学的基础，否则，统计学的发展就会缺乏生命力，就会裹足不前。

在市场经济时期，全面系统的统计工作却需要具有一定统计业务基础、专业技术和相对固定的统计人员来完成。相对稳定的统计队伍，可以积累经验，为企业管理做出更大、更快捷的贡献。如果责任心不强、上进心不足、业务素质低下，势必贻误正常工作。统计人员要善于学习，不断提高自己的业务素质，才能胜任本职工作。同时，企业单位，行业系统，尤其是企业集团需要具有责任心、富有时代感，并有开拓创新精神与较高业务素质，能带领同事一道学习与工作的统计负责人。

随着社会的发展，统计学在我国的地位越来越高，也越来越受重视，统计思想体系也越来越完善，相信不久的将来我国的统计工作将会不入更高的一层台阶。

参考文献：

篇12

笔者认为，说到统计思想就不能撇开统计学派别来孤立的谈论统计思想。不同统计学派，他们的研究对象及研究方法有所差异，统计思想的体现也必然有所差异。认识他们有助于更好地理解和运用统计。现在普遍的观点认为，统计学派大致有社会统计学派和通用科学派及方法论派之分。就通用科学派和方法论派而言，他们认为：统计学是通用方法论科学，在所有涉及实质性现象的领域中，统计方法都发挥着越来越重要的作用。这些统计方法具有内在联系和逻辑关系，在认识事物时存在比较通行的模式，特别是能够对观察资料、实验和试验资料进行数学处理的数理统计方法，不仅应用于社会经济的研究，而且应用于各个不同的学科领域。

笔者认为，统计思想在这里主要侧重于数学方面的思想，有以下几种体现：

一是均值思想。均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。它告诉我们统计认识问题是从其发展的一般规律来看，侧重点不在总规模或个体，体现了数量观和推断观。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。

二是变异思想。统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。如果各单位之间不存在差异，也就不需要做统计，如果各单位之间的差异是按已知条件事先可以推定，也就不需要用统计方法。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。可以说，均值与方差这两个概念分别起到“隐异显同”和“知同察异”的作用。平均与变异都是对同类事物特征的抽象和宏观度量。

三是估计思想。估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质，样本才能代表总体，但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。

四、相关思想。哲学认为，事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，我们所研究的事物总体是在同质性的基础上形成。总体中的个体之间、这一总体与另一总体之间是相互关联的。相关概念表现的就是事物之间的关系。

五、拟合思想。拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势，趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。

六、检验思想。统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。

以上分析可以看出，上述思想均体现了统计思想的数量观、总体观和推断观。

社会统计学派认为：统计学是一门实质性的社会科学,既研究社会生活的客观规律，也研究统计方法。社会统计学继承和发展统计学的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在许多国家得到广泛发展。

苏联科学院、中央统计局和高等教育部在1954年3月召开统计科学讨论会，对通用科学派和方法论科学派的主张进行了批判。并根据多数意见作了如下的决定：“统计学是独立的社会科学。它在质和量的密切联系中研究大量社会现象的数量方面，研究社会发展规律在具体地点及时间、条件下的数量表现。统计学在社会生产力和生产关系的统一当中研究社会生产的数量方面。此外,统计学还研究自然和技术因素对于社会生活的自然条件的影响。统计学的理论基础是历史唯物论与马克思列宁主义的政治经济学,统计学根据这些科学的原理和法则,表明具体大量社会现象的量变,并说明它们的规律性。”这一观点与我国现阶段对社会经济统计学的定义是一致的，即社会经济统计学是关于国民经济和社会现象数量方面的调查整理分析的原理原则和方式方法的科学，是一门应用科学。这就决定了社会经济统计的研究对象是社会经济现象总体数量特征和数量关系，通过这些数量方面反映社会经济现象规律性的表现。从这里我们可以看出，它所研究的对象具有社会性、总体性、变异性等性质。

作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。它包括：