前言：我們精心挑選了數篇優質統計學統計方法文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

1、大量觀察法：指從社會現象的總體出發，對其全部單位或足夠多數單位進行數量觀察的統計方法。

2、統計分組法：指根據統計研究的任務，將所研究的社會經濟現象總體按照一定標志劃分為若干組的方法。

3、綜合指標法：指運用各種統計綜合指標來反映社會經濟現象總體的一般數量特征和數量關系的研究方法。

第2篇

 

起源于上世紀七十年代的層次分析法(簡稱AHP)是由美國運籌學家T.L.Sattyti提出的，主要是對多指標系統方案給出一種層次化、結構化的決策方法。該方法綜合考慮了定性與定量兩種決策分析方法，在決策分析問題中有著廣泛的應用。

 

層次分析法主要是一個模型化、數量化的過程，通過對復雜系統的分解，將其轉化為若干因素，在各因素之間通過比較和計算，從而得出不同方案的權重，該權重可為最佳方案的選擇提供依據。在處理實際問題的過程中，經常會遇到諸如目標準則層次較多以及非基本結構的復雜決策問題，此時如何能夠將該問題簡化主要取決于如何從少量的定量信息入手，深入探究問題的本質及其內在關系，將思維的過程數字化，從數學的角度思考，用數字說話，達到準確計量的目的。

 

層次分析法中各層次的結構反映了各因素之間的關系，如何確定該結構是關鍵所在。通常準則層中的各準則在目標衡量中所占的比重并不一定相同，處理的關鍵在于如何較為準確的將這些比重進行量化。很多時候，對某個因素有影響的因子比較多，如若直接給出各個因子的比重，難免出現偏差，主要原因有：問題考慮不全面、首尾數據顧此失彼、所有數據可能不符合整體性為1的隱含條件等。

 

比如我們有這樣的生活常識：假如有若干個大小不一的西瓜，每個人都能按照自己的感覺給出每個西瓜所占總體重量的大致比重，但是由于不知道每個西瓜具體的重量，每個人給出的數據都不盡相同，而且由于只是估計值，可能所有的比值會出現相互矛盾的情況，也容易出現比值和不等于1的情形。因此，當影響某因素的因子較多時，通常將眾多專家研判的均值作為各因子的比重，但這些比重只是初始值，通常要在初始值的基礎上經過一系列嚴格的轉化、換算，才能最終得出各準則層的相對權重。

 

各準則層相對權重求解的過程大致可以分為三個步驟：1.構造判斷矩陣——分析系統中各因素間的關系，對同一層次各元素關于上一層次中某一準則的重要性進行兩兩比較，從而構造得出兩兩比較的判斷矩陣;2.構造判斷轉化矩陣——由上一步中的判斷矩陣中數據計算各比較元素所在準則的相對權重，并進行一致性檢驗。通常由判斷矩陣到判斷轉化矩陣的轉化方式不唯一，不同的轉化構造方式往往對應不同的適用和使用效果;3.計算各層次對于系統的總排序權重，并進行排序。以上三個步驟中，第二步是關鍵，最終可以得到各方案對于總目標的總排序。

 

在用層次分析法解決某些具體問題時，可能會出現相對權重明顯集中，權重差距較大的現象。因此，需要對層次分析法相對權重進行改進計算，努力提升層次分析法實際應用效果。本文主要介紹確定相對權數的一種新算法—方程法，并且通過實例檢驗其使用效果。1層次分析法中相對權重的算法新思路

 

1.1建立判斷矩陣

 

判斷矩陣是在對每一層次中的所有因素進行相對重要性的兩兩比較的基礎上而建立的矩陣，即：

 

R=r111…1R1n

 

1

 

rn11…1rnn，其中r11。，r22，…，rnn=0.5，rij表示第i個元素相對于第j個元素的重要程度關系，采用0.05-0.95標度給予數量表示，且rij+rji=1。江蘇理工學院學報第20卷第6期孫丹丹：確定統計權數的新方法——方程法

 

rij的取值不應由個別人來確定，應由眾多專家共同研判，最終取其均值。專家研判的取值是第i個元素相對于第j個元素的重要程度確定：特別重要(0.85-0.95)、重要(0.75-0.85)、相對重要(0.65-0.75)、稍重要(0.55-0.65)、重要程度相當(0.5)。

 

1.2判斷轉化矩陣

 

判斷轉化矩陣：A=a111…1a1n

 

1

 

an11…1ann，其中a11，a22，…，ann=1。

 

判斷轉化矩陣，需要將rij轉化為aij。

 

判斷轉化矩陣中aij和aji必須滿足兩個條件：①aij*aji=1;②aij-aji=rij-rji(其中i為i和j兩個元素中較重要者，否則條件②改為aij-aji=rij-rji)。

 

將以上兩個條件進行變換，即aij-11aij=rij-rji或aji-11aji=rji-rij，求解可以得aij或aji(取正數解)。

 

1.3準則層的相對權重的計算

 

①計算判斷矩陣中各行元素乘積：Mi=∏N1j=1aij=ai1·ai2…ain(i=1，2，....n)。

 

②計算Mi的n-1次方根：Wli=n-11Mi。

 

判斷轉化矩陣中涉及元素是n個，反映元素間的關系應是n-1個關系。事實上，由于判斷轉化矩陣中a11，a12，…，ann=1，因此對角線上的元素對計算判斷轉化矩陣中各行元素之乘積是沒有影響的。基于以上考慮，應該計算Mi的n-1次方根。

 

③對Wli進行正則化處理：Wi=Wli/∑n1i=1Wli，其中Wli為判斷矩陣中各行元素乘積的n-1次方根。正則化處理后，∑n1i=1Wi=1。

 

從上述過程可以看出，新方法中準則層的相對權重計算過程與傳統層次分析法相比，區別主要在于第二步，即判斷轉化矩陣的計算。在判斷轉化矩陣中，aij保留了最初判斷矩陣中rij之間的差異性，并進一步將最初判斷矩陣的對角線相應因素和為1轉化為了判斷轉化矩陣中的對角線相應因素積為1，這在一定程度上解決了相對權重明顯集中，權重差距較大的現象。下面將通過實例，來驗證該方法在處理權重差距較大問題時的可行性和優越性。2層次分析法中相對權重的改進算法實際應用

 

全部國有及規模以上非國有工業企業主要經濟效益指標：工業增加值率、總資產貢獻率、資產負債率、流動資產周轉次數、成本費用利潤率、全員勞動生產率、產品銷售率，記這7個指標分別為1、2、3、4、5、6、7。

 

2.1判斷矩陣：11121314151617110.510.2510.8010.5510.7010.8010.75210.7510.510.9010.8010.8510.9510.90310.2010.1010.510.3510.3510.8010.40410.4510.2010.6510.510.5510.8510.60510.3010.1510.6510.4510.510.7510.60610.2010.0510.2010.1510.2510.510.25710.2510.1010.6010.4010.4010.7510.52.2判斷轉化矩陣

 

由上述矩陣結合算法新思路中判斷轉化矩陣的求法，不妨以a12與a21為例。

 

由r12=0.25，r21=0.75可知：a21·a12=1，

 

a21-a12=r21-r12，即a21·a12=1，

 

a21-a12=0.5。

 

解方程組可得：a12=0.780 8;a21=1.280 2。

 

同理，可求得所有a1ij，i，j=1，2，…，7。

 

匯總整理后可得如下判斷轉化矩陣：1112131415161711110.780 811.34411.051 211.219 811.34411.280 8211.280 81111.47711.34411.409 511.546 611.477310.74410.6771110.861 210.861 211.34410.905410.951 310.74411.161 21111.051 211.409 511.105510.819 810.709 511.161 210.951 31111.280 811.105610.74410.646 610.74410.709 510.780 81110.780 8710.780 810.67711.10510.90510.90511.280 8112.3準則層的相對權重的計算

 

由上述矩陣結合算法新思路中準則層的相對權重的計算方法可得：Mi分別為：2.316 294，8.186 244，0.454 378，1.345 582，0.909 344，0.154 815，0.612 73。Mi的n-1次方根分別為：1.150 268，1.419 648，0.876 805，1.050 715，0.984 286，0.732 772，0.921 605。

 

從而可以求得每個Mi相對權重，匯總整理如下：

 

%11121314151617統計局公布權重116120112115114110113新算法權重116.12119.89112.29114.72113.79110.27112.91傳統層次分析法權重123.36146.5913.1518.95111.8611.5414.55本例中，由最后的計算結果可以看出：若使用傳統層次分析法，則最終計算出的權重值差距較大且僅集中于個別因素;而使用新方法所計算出來的相對權重明顯更接近于統計局所公布的數值，且由此方法計算出的權重值也有更為合理的解釋。3結語

 

本文在傳統層次分析法權重計算的基礎上，提出了一種確定統計學權數的新方法—方程法。不僅給出了新方法的推導過程，并且通過實例計算，證實了該方法在解決實際問題中的可行性和優越性。

第3篇

關鍵詞：統計學;非統計專業;教學方法

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2016）06-0195-02

統計學是收集數據、整理數據和由數據得出結論的一門科學。當今大數據時代，各行各業中都存在大量的復雜數據，如何由數據客觀地得出結論及對未來進行預測，是很多實際領域都面臨的一個重要問題。統計學作為處理數據的一個重要利器，在很多學科中都有很大的應用性。基于時代的需求，目前我國高校很多非統計專業都設置了統計學作為專業必修課。本文基于作者多年來對非統計專業的統計學教學過程的經驗和感受，探討對非統計專業統計學教學的一些認識和建議。

一、非統計專業學生對統計學的誤解

1.對學習難度認識的兩極化。在非統計專業的統計學教學中，有一種很奇怪的現象，部分同學認為統計學比較簡單，而部分同學認為統計學很難。情況往往是這樣，女生認為統計學簡單，她們只注重統計學的計算層面上，沒有認識到統計方法的本質;而男生則認為統計學較難，性別差異很明顯。而這些簡單的認識，往往都是對統計學的片面了解造成的，并沒有把握到統計學學習的本質。

2.缺乏學習的主動性。對于非統計專業的學生，統計學課程和他們的專業課程（尤其是文科性質的專業）相差較大，部分學生覺得統計學很難，看到統計學的符號和公式就頭大，故對統計學的學習興趣較小，缺乏主動性。還有一部分非統計專業的學生，覺得統計學無非是利用一些軟件算出一些數值，非常簡單，現用現學或者臨陣磨槍即可，無須去下較大的功夫，致使學習的主動性較差。

3.陌生感與距離感。對于非統計專業的學生，尤其是沒有學過高等數學和概率論專業的學生，看到統計學的一些符號、公式有著一種與生俱來的陌生感，于是會對統計學的學習產生一些本能的排斥。其實，統計學只需要有中學的數學基礎就可以學習很多的統計思想和統計方法。統計學既是一門科學也是一門藝術，統計思想對統計學的理解和學習非常重要，而這往往會使初學者產生一種距離感，導致了一些消極的學習態度。

4.對統計學的價值缺乏認同。部分非統計專業的學生對統計學的學習價值缺乏認同，尚未了解統計學的意義和作用。部分學生認為自己距離處理數據比較遙遠，對于統計方法的實用性也缺乏認識，學習統計學僅限于完成上課任務并且通過考試而已。造成這種誤解的原因很多，既有學生自身的問題，也有社會環境的問題，或者是相關專業的其他教學中對統計學的涉及不足，也可能是教師或者教材存在的問題。

二、統計學在非統計專業教學中可能存在的問題

教學是教師的“教”與學生的“學”兩個過程的有機結合，教學效果的好壞既取決于學生的學習過程，更取決于教師的教授過程。恰當的教學方式和方法能夠有效地激發學生的學習興趣和主觀能動性，從而使得教學活動收到很好的教學效果。作為教學活動的組織者，教師在不斷增強自身知識體系的接觸上，應該在教學活動的組織方式和方法上多下功夫，而這點也是非統計專業的統計學教學過程中至關重要的。目前，非統計專業的統計學教學過程中存在一些問題，主要體現在以下幾個方面：

1.教學內容過于“程式化”。統計學與數學是有一定區別的，對于統計學的教學，每一種統計方法都包含著一定的統計思想，其提出具有實際的應用背景。在教學實踐中，部分教師過分強調統計方法的實施步驟，而忽視了統計思想的自然性及其傳授，導致其學生對統計方法的認識過于機械化、程式化，往往對于數據能夠熟練地計算其結果，而對于結果的解釋及其應用條件的判斷卻束手無策。例如，很多教師在講方差時，往往著重于方差的計算，而忽略了對其定義的理解和認識，而這往往會導致學生認為統計就是一些數字的誤解。

2.與具體專業的結合不夠。統計學無所不在，只要有數據的地方就有統計方法的應用。而統計學真正的意義在于解決實際問題。在非統計專業的統計學教學實際中，盡管要教授統計學的基本理論和方法，但是案例教學是必不可少的。教學中的實際例子除了要有代表性還要和具體的專業緊密結合。而部分教師由于對相關專業的應用情況了解不足，教學過程中的例子往往和相關專業結合不夠，這樣會使學生對統計學產生一定的距離感，不利于學習興趣的激發。

3.多媒體在統計學教學中的使用問題。傳統的教學手段主要是板書。板書是教師的基本技能，也是最重要的一種教學手段。對于統計學教學而言，板書教學不利于展示統計方法對于具體數據的實現。隨著現代化教學手段的進步，在統計學的教學實踐中，多媒體教學逐漸占據了重要的地位。多媒體教學的優點是圖文并茂，有利于展示統計方法在統計軟件中的實現，在學生掌握統計理論基礎的同時提高了他們的動手能力。在統計學教學過程中，不應忽視多媒體教學的最要重要。但是多媒體容易使教學速度加快，不便于學生的理解和吸收。因此，在統計學教學中，過分使用多媒體或者基本絕緣于多媒體都存在一定的問題，要結合所教授的內容，恰當把多媒體教學引入到傳統教學當中，會獲得更好的教學效果。

4.考核方式略顯單一。在非統計專業中，統計學多為考試課。考試形式多采用閉卷考試，試題類型常包括單項選擇、多項選擇、判斷、簡答和計算，缺乏對統計方法應用能力的考核。在這樣的考核方式下，往往使得臨陣磨槍型的學生考試成績也不錯，使學生對統計學的學習和認識產生誤解。而這種考核方式，對學生的思想也有一定的束縛，很難培養學生用統計學方法解決實際問題的認知。因此，教師需要對統計學的考核方式多做些思考，在考核學生理論水平的同時，注重培養學生用統計學方法解決實際問題的能力。

三、統計學在非統計專業中教學方法的幾點建議

1.注重統計思想的傳承。統計學不是一門孤立的學科，它是人們客觀認識自然界和人類社會中各類隨機現象的經驗總結。任何一種統計方法的產生并不是憑空的，總是有它的實際應用背景和啟發的問題，可以說統計方法是實際中使用方法的一種理論提升。因此，在統計學的教學過程中，要注重統計思想的傳承，培養學生的統計思維和解決實際問題的應變能力，這樣不僅有利于增強學生學習統計學的積極性，也是創新思維形成的一個前提。

2.注重統計方法的實際應用。統計學來源于實踐，也必定扎根于解決實際問題。實際問題，往往不是經典統計方法的一個簡單應用，這要求把實際問題首先提煉成統計學的問題，這就要求統計學教師不僅要不斷拓寬專業知識，還要多多接觸非統計專業領域的問題，善于交流與合作，這樣統計學才有生存和發展的空間。在教學的過程中，有意識地應用具體專業的實例來傳授統計學的方法，這樣容易使學生產生共鳴，深刻體會統計學在本學科中的應用價值。比如，在講授回歸方法的時候，首先把數據的散點圖呈現給學生們，然后讓學生們分組討論，從直觀的想法出發，如何對一個新的個體進行預測。這樣在學習統計方法的同時，也讓學生了解統計方法如何應用。

3.多媒體和板書有機結合。在統計學教學過程中，板書和多媒體要有機地結合起來，用板書來傳授理論知識，用多媒體生動地來解釋實例和演示統計軟件。這樣，兩種教學手段充分利用，相互補充，才會達到更好的教學效果。比如，在講解Logistic回歸模型時，首先應用板書來講授Logistic模型的模型框架及其建模方法。其次，對于不同的問題，哪些適用于Logistic模型。對于不同的統計軟件，如何實現Logistic回歸，這需要用多媒體來演示統計軟件的Logistic回歸流程。最后對于軟件的輸出結果，如何解釋。這樣的多媒體和板書結合的教學方式，對于統計方法的教學過程是十分必要和有效的。

4.培養學生用統計方法解決實際問題的能力。統計學教師的教學不僅限于課堂，還應該組織學生進行多種實踐活動，這樣才能更好地調動學生學習的積極性，培養學習解決實際問題的能力。例如，在學習聚類分析時，讓學生們3人一組，對已有的考試成績進行聚類分析，首先面臨的問題是數據的處理，對優良中差這類分級的成績如何賦分，然后選擇合適的聚類方法，對得出的結果如何進行解釋。這個過程中，小組成員需通過上網或者圖書館查閱相關文獻，用計算機模擬不同的方法，最后把研究成果用文字報告或者PPT呈現。這樣，原本看似枯燥的方法在實際問題中會變得既有意義又生動，留給學生們很大的空間去選擇和應用統計學方法，結論也不一定是唯一的，更有利于調動學生的主觀能動性，培養學生用統計方法解決實際問題的能力。

統計學是實用性極強的一門學科，在非統計專業的數據處理中統計學將起到不可替代的作用。隨著大數據時代的到來，高維、海量及復雜數據的出現，統計學與各領域的結合更加密切。對于非統計專業的學生而言，掌握統計學的基本理論知識，了解統計學在所學領域的應用，這對非統計專業學生能力的提高將會起到重要的作用。

參考文獻：

[1]白日榮，蘇永明.非統計專業統計學教學的改革與創新[J].統計教育，2007，（12）.

[2]鄧海松.關于非統計專業統計學教學的一些見解[J].中國科教創新導刊，2013，（17）.

[3]閔素芹，柳會珍.淺析統計學專業創新與實踐教學改革[J].統計與咨詢，2010，（6）.