统计学的数据分析篇1
关键词： excel；医学统计；数据分析
1 excel中加载“数据分析”工具
首先，启动excel，点击工具菜单中的“加载宏”选项，在出现的对话框中选中“分析工具库”，确定安装后，在菜单栏的“工具”下会出现“数据分析”选项。
2 使用excel进行数据统计描述
用excel可进行数据的统计描述，包括：（1）集中趋势（集中指标），它包括算术平均数，中位数，几何平均数，众数等。excel提供有现成的公式及内置函数可进行这几个指标的计算。如首先输入一组数字，然后建入公式=aVeRaGe（常数），=meDian（常数），和=moDe（常数），按回车健可得到算术平均数，中位数和众数；（2）离散趋势（变异指标），它包括全距，百分位数，四分位数间距，方差，标准差，标准误，偏度系数和峰度系数等。而其中以方差，标准差，百分位数和标准误较为常用。同样在电子表格中建入公式=VaRp（常数）和=VaR（常数）两函数可计算总体方差和样本方差。建入公式=StDeVp（常数）和=StDeV（常数）便可得到总体标准差和样本标准差。
3 t检验
t检验是医学统计分析中最常用的统计分析方法，用来检验标准试样测定结果的平均值与标准值之间是否有统计学意义。excel“数据分析”中提供了多种不同条件的t检验工具，如“平均值的成对二样本分析”，“双样本等方差假设”，“双样本异方差假设”及其他统计分析工具，当样本中的观察值存在配对关系时，可以使用“平均值的成对二样本分析”t检验。例如对一个样本组在实验前后进行了两次检测，为确定实验前后样本均值是否相等，应使用成对t检验，此t检验并不假设两个总体的方差是相等的。例如，用某药物治疗高血压患者10名，治疗前后舒张压变化如下：
在工作表中输入上面的数据，比如数据区为a1至J2。分析时，在“工具”菜单中，单击“数据分析”命令。在数据分析对话框中，选择t检验：平均值的成对二样本分析，拉出平均值的成对二样本分析对话框，其中有如下输入项：变量1的区域：输入需要分析的第1个数据区域的单元格引用。该区域必须由单列或单行数据组成。可单击输入框右面的按钮，回到电子表格上自数据开始的单元格向结尾的单元格拖动。此时变量1的区域（a1~J1）自动进入输入域中。然后单击输入域右面的按钮，回到原对话框。变量2的区域：输入需要分析的第2个数据区域的单元格引用。该区域必须由单列或单行的数据组成。输入方法同前。变量2的区域为（a2~J2）。假设平均差：在此输入期望中的样本均值的差值。缺省为0值，即假设样本均值相同。标志：如果输入区域的第1行或第1列中包含有标志项，应选中此项：如果输入区域没有标志项，excel将在输出表中生成适宜的数据标志。这里选中此项。α在此输入检验的统计意义水平。该值范围为0～1之间。缺省为0.05。
输出区域信息可选择如下单选项：输出区域和新工作簿。我们选择新工作表，结果为平均95.88889，方差80.86111，观测值9，泊松相关系数0.881366，假设平均差0，df8，tstat5.230769，p（t≤t）单尾0.000396，t单尾临界1.859548，p（t≤t）双尾0.000792，t双尾临界2.306004。两组比较差异有统计学意义（p<0.05）。
4 方差分析（analysisofvariance，anoVa）和卡方检验
在数据分析工具库中提供了3种基本类型的方差分析：单因素方差分析、可重复双因素分析和无重复双因素分析，现简单介绍方差分析的应用。
统计学的数据分析篇2
关键词：数据分析；统计；数学；教学策略
中图分类号：G623.5文献标志码：a文章编号：1008-3561（2017）12-0027-01
能够根据具体问题背景选择合适的统计图是学生统计素养的一个重要内容，也是学生对数据分析能力的一个表征。扇形统计图是在学生认识了条形统计图、折线统计图后的小学阶段的最后一个统计内容，该内容增加了选择合适统计方法的难度，使“数据分析”变得尤为重要。因此，教师在教学中要以数据为载体，以学生原有知识经验为基础，引导学生展开渐进式思考，探寻统计的有效方法，培养数据分析观念。
一、引发认知冲突，点燃统计内需
学习是一种由外而内的过程，学习最大的动力来自学生心灵深处，源自于自身的认知冲突。教师在教学中创设教学情境的目的正是为了借助外部环境的刺激，引发学生的内部认知冲突，促使学生在矛盾中生成新的需要，将学习不断引向纵深。苏教版六年级下册的“扇形统计图”一课意在使学生通过联系百分数的意义，体会扇形统计图描述数据的特点。为了让学生深刻领会扇形统计图的特点，教师在教学中改变了教材的编排顺序，没有直接出示例题中的扇形统计图，而是引导学生感知数据，造成他们认知上的矛盾冲突，点燃他们新的统计内需，逐步引出扇形统计图。教师这样给学生出示例题：我国陆地总面积大约是960万平方千米，其中丘陵占9.9%、山地占33.3%、高原占26.0%、盆地占18.8%、平原占12.0%。“同学们能否根据数据设计出一个统计图反映出我国陆地各地形分布情况？”教师边出示条件边提问。学生一听说设计统计图，马上联想到以前学习的内容，有的说：“我们可以画出条形统计图。”有的说：“我们可以设计成折线统计图。”教师表扬了学生善于联系旧知的意识后说：“请同学们想一想条形图与折线图分别用来反映什么？例题中的数据表示什么含义，可以用它们来表示吗？”教师的提示唤醒了学生的数据意识，经过对数据的观察与思考，学生们一致认为：“条形统计图用来直观反映数量多少，折线统计图反映了数量的增减变化，这道题中的数据都是百分数，表达的是部分量与总量的关系，看来以前学的那两种统计图不合适。”“那该怎么办呢？”一个女生迫不及待地问道。“是啊，我们该用怎样的图形来表示部分量与总量之间的关系呢？”教师故意装作不知，“看来我们必须另找出路了。”
二、引导自主思考，点化绘制图形
面对学生的急切心理，教师没有直接将“扇形统计图”推出，而是借助生活情境的观察感悟，引导他们自主思考，摸索出扇形统计图的特点和画法，逐步点化学生绘制出扇形统计图。“先请同学们来看一个有趣的拼盘。”教师边说边给学生展示了一张课前制作的地地形分布模型：用一个圆形塑料盘代表我国陆地总面积，在圆盘内用各种颜色的橡皮泥分别表示不同地形。教师用这个拼盘图对学生进行暗示启发，学生甲一点就通：“原来百分数关系可以用圆与扇形来表达，用一个整圆表示总量，用扇形表示各部分量。”学生乙补充道：“平原占12.0%，表示平原面积占我国陆地总面积的12.0%，我们可以用一个圆来表示我国陆地总面积，在圆内画出一个扇形表示平原面积。”教师接着说：“同学们的悟性真高，像拼盘那样表示各部分量与总量之间关系的统计图我们称为扇形统计图。下面，就请同学们自己尝试着画出我国陆地各种地形分布情况统计图。”然后教师又引导学生根据各百分数的含义，讨论如何绘制出各个扇形。学生丙联系圆心角的知识道出了平原部分的画法：“一个圆是360°，360°的12.0%是43.2°，在圆内画出一个圆心角是43.2°的扇形就表示平原的面积了。”在学生丙的引领下，同学们迅速算出其他扇形的圆心角度数，并画出了完整的扇形统计图。
三、引领梳理反思，点醒对应思想
为了实现“教是为了不教”，教师在教学中经常引领学生梳理思路，反思学习得失，总结学习经验，使他们获得了质的提升。在学习“扇形统计图”一课的过程中，由于有了先前基于数据分析的精心引导，学生亲历了统计方法的选择与统计图的绘制，对扇形统计图的特点和作用了然于心，读懂扇形统计图自然不成问题。因此，在组织学生对统计图中的信息进行简单分析之后，教师增设了一个“回顾反思”环节，让学生回顾整个统计活动经历，使学生懂得了不同的问题背景需要用不同的数据分析方法，各种统计图的选用必须与数据意义相适应。如反映数量增减可选择折线图，要表达数量多少可选用直条图，要反映各部分量与总量之间的百分比关系可选择扇形统计图。高年级学生的类比分析能力比较强，教师让他们通过简要梳理与反思，能使他们明晰数据分析方法的选择的重要性，对数据分析方法的选择有清晰的认识，进而点醒他们的数学思想。
四、结束语
总之，统计教学是一个系统而完整的活动过程，从对问题背景的理解、对数据的解读、对统计方法的选择，再到图形的绘制等，这一切都离不开科学严谨的分析。数据分析是统计的核心，教师在统计教学中应以数据为核心，引领学生在科学分析中选择出合适的统计方法，从而圆满地完成统计任务。
参考文献：
统计学的数据分析篇3
关键词:测评系统;需求分析;逻辑设计;e-R图;关系模型
中图分类号:tp311文献标识码:a文章编号:1009-3044(2010)08-1921-02
analysisandDesignofSchooleducationandteachingevaluationSystemDatabase
panGuo-rong
(ChangzhouLiuGuo-junHigherVocationalandtechnicalSchool,Changzhou213004,China)
abstract:anevaluationdatabasewasdesignedbasedontherequrimentanalysisoftheschooleducationandteachingevaluationsystem.itcanrealizethemaintenanceoftheessentialinformation,andthequeryandstatisticsofevaluationdata.theneedsanalysis,conceptualdesign,logicaldesignetc.wasdisscussedintheentiredesign.
Keywords:evaluationsystem;needsanalysis;logicaldesign;e-Rdiagram;relationalmodel
学校教育教学情况测评是指学生对班主任教育情况及任课教师教学情况的评价,我校一直以来都非常重视学生对教师的评价。从1998学年开始,学校教务处会在每一学期的期中考试前或考试后,统一组织学生进行测评。最早采用的测评方式就是给每个学生发一张评价表格,测完后以班级为单位装订成册,供领导和教师查询,这种方式的主要缺点是查询不方便且无法统计分析;从2005学年开始,改为学生按评分规则填涂卡,教务处用读卡机读卡并统计,最后将所有测评情况汇总成册,供主要领导查阅,采用这种方式虽然能作一些统计,但统计方式单一、查询不方便,也耗费资源,班主任和众多任课教师很难及时、方便看到测评结果,尤其是学生对学校的意见、建议及评价信息。在学校加强信息化管理的大趋势下,学校于2008年初提出要开发一个基于计算机网络平台的学校教育教学情况测评系统(简称测评系统),以提高测评工作的效率,提升教学管理水平。
1需求分析
需求分析是整个系统设计过程的基础,要收集数据库所有用户的信息内容和处理要求,并加以规范化和分析,这是最费时、最复杂的一步,但也是最重要的一步,它决定了以后各步设计的速度与质量。需求分析做得不好,可能会导致整个数据库设计返工重做。
测评工作在我校已开展多年,本人对测评过程也比较了解,该项工作的主要负责部门是教务处。教务室工作人员提供了原先使用的测评评价表(见图1)及测评情况汇总表,明确提出了对测评系统的要求,通过分析,主要有以下几方面的要求:
1)学生能在校园网上登录系统,并且每个学生登录的用户名及密码是不同的;
2)学生测评时是不记名的,并且只能对本班班主任及任课教师进行测评;
3)测评的项目见图1测评评价表所示,这些项目和分值是相对固定的,即项目数不变,项目内容和分值在不同的测评中会有所调整;
4)学校领导及教师能在校园网上登录系统并查询测评数据;
5)测评数据可以用多种不同的方式汇总并查询。
2业务流程分析
根据对测评的需求进行分析,可以得出测评系统主要的业务流程如图1所示。
由以上业务流程,可以清晰地划分出三大处理部分,首先,教务部门人员在测评前要对本次测评所需的基本数据进行准备,即要维护好参与测评的班级、班级的班主任、班级的科目及任课教师等相关信息;其次,组织学生对班主任及任课教师进行测评;最后,领导和教师对测评情况进行查询。
3数据库的分析与设计
3.1概念结构分析与设计
概念结构设计是整个数据库设计的关键,通过对用户需求进行综合、归纳与抽象,形成一个独立于具体DBmS的概念模型。测评系统数据库概念设计的表达工具采用e-R模型,基本过程如下:
1)按照业务流程分析中划分出的三大处理部分,可以确定主要模块。
教师情况数据维护:对教师(包括班主任及任课教师)的基本信息进行维护;
课程情况数据维护:对课程的基本信息进行维护;
班级情况数据维护:对参与测评班级的基本信息进行维护;
班级科目数据维护:对参与测评班级的所授科目情况进行维护;
系统用户维护:对系统用户的基本信息进行维护;
学生对班主任的测评:学生对本班班主任的教育情况进行测评;
学生对任课教师的测评:学生对本班任课教师的教学情况进行测评。
2)确定实体集。
在教师情况数据维护中实体集合有:教师;
在课程情况数据维护中实体集合有:课程;
在班级情况数据维护中实体集合有:班级,教师信息;
在班级科目数据维护中实体集合有:班级信息,课程信息,教师信息;
在用户情况数据维护中实体集合有:用户;
在学生对班主任的测评中实体集合有:学生信息,班级信息,教师信息,班主任测评信息;
在学生对任课教师的测评中实体集合有:学生信息,班级信息,课程信息,教师信息,任课教师测评信息。
3)确定实体集之间的联系。
学生是属于班级的,教师与班级之间可能有两种不同的联系,一是教师担任班级的班主任,二是担任任课教师,一个班级开设有多门课程,每门课程可以有1位或几位任课教师,通过分析不同实体之间的联系,便于设计数据库完整性约束。
4)确定实体和联系的属性。
按前面分析及系统要实现的功能,可以设计出各个实体及联系的属性。学生是一个比较特殊的实体,从理论分析看,学生是参与测评的主体,系统中应该有这个实体,而从测评系统具体实际出发,测评时只需记录一个学号,不需要学生姓名等其他信息,因此,系统中不设计这个实体。
5)画出局部e-R图。
分别画出班级选择科目及测评的e-R图,如图2、图3所示。
6)集成局部e-R模型。
形成全局e-R模型,如图4所示,其中系统用户实体未画出。
3.2逻辑结构设计
逻辑结构设计的任务就是把概念结构设计阶段设计好的基本e-R图转换为与选用的具体机器上的DBmS产品所支持的数据模型相符合的逻辑结构,并对其进行优化。
1)将实体与联系转化为表。
在概念结构设计阶段已画出全局e-R模型,现在只要利用范式理论,将实体和联系转化为关系型数据库管理系统中的表,将实体中的属性转化为表中的属性。测评系统所选用的DBmS为microsoftSQLServer2000,一般可以利用SQL语言来实现数据库、表、属性等的创建,并完成所有表及表之间的实体完整性、参照完整性约束和用户自定义完整性约束。
2)数据模型的调整与完善。
数据库逻辑设计的结果不是唯一的,可以根据应用需要对设计结构进行适当的修改和调整,以期进一步完善设计,提高应用系统的性能。本测评系统中,学生测评完毕后,领导和教师要频繁统计查询测评结果,因此在表中增加适当的冗余是必要的。
4结束语
数据库设计是管理信息系统开发过程中非常重要的一个环节,在进行数据库设计时,应该准确了解用户需求,以便设计出符合实际需要的数据库。本人开发的基于Struts框架结构的测评系统已经在学校成功进行了4次测评,在最近的一次测评中,有90个班级近4300名学生参与了测评,同时在线参测学生达400人,查询统计非常及时方便,大大提高了教学管理的效率和水平。系统的实际运行证明,测评系统中数据库的设计是规范的,运行是稳定的、可靠的,完全满足系统的要求。
参考文献:
统计学的数据分析篇4
糖尿病（diabetesmellitus）是由于靶细胞对胰岛素的敏感性降低。或体内胰岛素分泌相对缺乏，或不分泌，或胰岛素本身存在异常而导致的蛋白质、脂肪、碳水化合物代谢紊乱的一种慢性疾病。由于体内长期呈现为高血糖状态，因此极易对其他组织造成伤害，尤其是心脏、血管、肾、眼的慢性损害。由于饮食结构和生活方式的改变，糖尿病的发病率正在逐年上升，成为危害人类健康的又一大疾病。本研究对糖尿病患者的用药种类、频率，及所用药物间的相互作用进行了系统的整理分析，以期通过本研究可以为临床药师的药学监护提供科学客观的依据，具体内容如下。
1资料和方法
对我院2017年全年内分泌门诊糖尿病患者的处方进行抽取，每1周抽取1天，共52天。然后抽取周一到周五的处方5次，周六到周日的处方4次，最终共抽取了2788例患者的3629张处方，共包括9912条药品记录覆，其中降血糖类药物记录共6281条，非降血糖类药物共3632条记录。抽取的患者中男性1499例，女性共1289例，年龄为26～83岁，平均年龄为（55.6±3.8）岁。覆盖率达12.4%～13.9%。对所抽取的糖尿病患者的用药种类、频率、并发症、适应症进行处理分析。
2?Y果
2.1内分泌门诊糖尿病患者联合用药情况分析
数据分析显示联合使用5种以内的药物进行治疗的患者共有2623（94.08%），使用5种以上的共有165例（5.92%），详细结果见表1：
由比较结果可知，使用5种以内的药物进行治疗的患者占抽取总数的大部分。
2.22017年内分泌门诊糖尿病患者使用降血糖药物的情况分析
在门诊糖尿病患者中使用较多的降血糖药物分别为二甲双胍、阿卡波糖、格列美脲、格列齐特、甘精胰岛素。
2.32017年内分泌门诊糖尿病患者使用非降血糖类药物情况分析
由表3可知，在门诊糖尿病患者中使用较多非降血糖药物分别为阿司匹林肠溶片、甲钴胺、氨氯地平、阿托伐他汀、硝苯地平。
2.42017年内分泌门诊糖尿病患者的并发症情况分析
由表4可知门诊糖尿病患者发病率较高的疾病分别为高血压、高血脂、冠心病、动脉硬化、骨质疏松。其中大部分为心血管疾病，该现象提示临床药师在进行药学监护时，在关注其他并发症用药的同时，更应加强对糖尿病心血管疾病的监护。
2.52017年内分泌门诊糖尿病患者使用的非降血糖药物对降血糖药物疗效的影响的分析。
在抽取的2788例患者中有412例患者联合使用钙离子拮抗剂，121例联合使用螺内酯、78例联合使用左旋多巴，以上联合使用的药物具有升血糖作用，因此对该类药物引起的血糖变化应该密切监测。154例联合使用β受体拮抗剂、106例联合使用氟喹诺酮类药物，以上联合使用的药物具有降血糖作用，同样需要医护人员的注意。有1例患者联合使用二甲双胍和地高辛，经肾小管排泌的阳离子药物地高辛理论上可能与二甲双胍竞争肾小管转运系统发生相互作用，需要注意地高辛剂量调整时对血糖的影响[1]。除此之外还有1例患者联合使用非诺贝特和瑞舒伐他汀，3例联合使用胰激肽原酶和血管紧张素转化酶抑制剂，对于体质较为虚弱的患者此类药物的联合使用可能会对患者造成一定的损害，使用时应严密监测患者的各种反应，因此用药时应充分结合患者的具体身体情况来选择药物。另外，影响患者降血压、降血脂药物的疗效的联合使用的药物同样需要严密的监测，如维生素D和钙的联用、他汀类药物和氯吡格雷的联合使用等。
3讨论
统计学的数据分析篇5
一、数据分析观念的内涵
（一）《标准》中“数据分析观念”的主要内涵
1.了解在现实生活中处理很多问题时，应当先做调查研究，收集数据，再通过分析进行判断，明确数据中蕴含的信息。这一描述强调了确立统计意识是培养数据分析观念的前提。面对复杂的现实情境，学生要从数据中提取有用的信息，必须具备数据意识，意识到数据包含有所需要的信息，同时也要具备数据分析意识，知道只有通过分析数据，才能挖掘出数据中所蕴含的丰富信息。
2.了解对于同样的数据有多种分析方法，需要根据问题的背景选择合适的分析方法。数据中所蕴含的情境性，是数据与数字的最大区别，这也使得在各种问题情境中所收集到的数据有可能相似，但采用的分析方法却大相径庭。不同的数据分析方法不能简单地用“对”与“错”来评判，只有“合适”与“不合适”。同样的数据，因为研究的问题和目标不同，所以选择的分析方法也不同，决策者要根据具体的情境和期待的结果作出正确的选择。
3.通过数据分析体验随机性：一方面对于同样的事情每次收集到的数据可能不同，另一方面只要有足够的数据就可能从中发现规律。[1]这说明数据具有随机性的特点，但是通过大量的实验可以发现，数据又呈现出一定的规律性。数据分析是在大量的甚至无限次的实验的基础上作出相应的数理统计的过程，而每一次实验都存在随机性，无法保证实验结果一定准确无误，这是数据出现随机性的原因。
分析《标准》中关于“数据分析观念”的阐述可以知道，针对义务教育阶段统计教学如何培养学生的数据分析观念，《标准》提出了3个方面的要求：一是过程性的规定，即数据分析观念是在学生调查、收集和整理数据的过程中发展起来的，并在分析的基础上作出相应的决策；二是方法性的规定，即面对不同情境的问题，如何选择恰当的、合理的解决方法；三是感悟性的规定，即让学生从中体会数据的随机性和规律性特点。
（二）关于内涵解读的研究
“统计是关于收集和分析带有随机性误差的数据的科学和艺术。”[2]y计的对象――数据，是统计研究的基础。正如美国统计学家戴维・S・穆尔所说：“统计是用来处理数据的。数据由数字组成，但它不仅是单纯的数字。数据是有内容的数字。”[3]小学阶段的统计学习正是探讨这些具有一定实际背景的数字，教学时教师需要将其与学生熟悉的“数与代数”中那些单纯的数字进行区分，帮助学生认识统计的特殊性。
数据分析观念是数据意识、统计技能的统一体。在现实生活中，数据意识体现在，当遇到问题时能够想到进行调查研究，用数据说话，运用统计的方法解决问题。数据意识是统计活动的起点，也是统计教学的核心内容。统计技能是完成统计活动所必需的各种能力和技术的总和，它包括数据的收集、整理和分析，从数据中提取有价值的信息，进而作出决策。因此，数据分析观念也可以划分为3个维度：一是认识到需要收集数据，这包括3个要素，即有数据意识、发现和提出运用数据解决问题、根据问题的需要设计收集数据的计划；二是了解数据中蕴含的信息，也包括3个要素，即从数据中提取信息、通过分析数据进行判断、选择恰当的统计方法；三是体会数据的随机性特点，认识到所收集的数据是随机的，但数据较多时会呈现某种稳定性和规律性。
尽管表述方式不同，但学者们都把数据分析作为统计内容的核心，并一致强调数据的现实背景来源，具体表现为：①数据分析应当建立在统计的基础之上；②应当选取合适的方法对收集到的数据进行分析和处理；③根据已经整理好的数据作出解释、得出结论，运用数据进行推断，在推断的过程中还要对数据的来源、处理方法和分析结果进行合理的质疑。
二、数据分析观念的教育价值
在知识经济和信息技术时代，加强数据分析观念的培养是新时代对人才的要求。可见，数据分析观念是义务教育阶段学生必备的数学素养之一。
（一）结合数据的情境性激发数据意识
在信息化社会中，无论是人口预测、投资贷款、风险评估、市场预测，还是学生学习统计与概率的知识，都需要数据分析观念的指导，而数据意识更是发挥着重要的作用。数据分析观念并非简单的汇拢数字、计算平均数和众数、画统计图，而是人们在经历调查行动后形成的对事物加以整理和分析的意识。所谓数据意识，是指遇到现实情境问题时能够想到用数据来解决问题，将现实情境中遇到的问题转化为数据问题。
例如，小红、小明的10次射击训练成绩（环数）如下：
如果你是教练，会选择谁参加比赛呢？遇到这样的问题，学生首先会计算小红和小明射击训练成绩（环数）的平均数，这时会发现两人射击训练成绩（环数）的平均数相同，于是产生疑问：那要根据什么进行选择呢？小学生虽然还没有接触方差等概念，但利用众数和折线图的陡缓程度能够初步判断谁的射击训练成绩（环数）更稳定、更有潜力。如果教师对学生进行过相关的训练，在看到一组数据时，学生就会有意识地对数据进行分析，从而发展数据意识，那么，今后遇到类似的问题时就能够自觉地运用学到的知识和技能对数据进行处理和分析了。
（二）在统计活动中体验和发展随机性思维
在生活与工作中，人们必须掌握处理不确定性现象的概率统计知识，具备一定的数据分析意识与数据处理能力，只有这样，才能在面对大量的、不确定的数据信息时作出正确的选择。小学生在学习“统计与概率”之前就已经掌握了数与代数、图形与几何等内容，具备了以逻辑推理为主的确定性思维，在学习统计与概率的内容时，教师要让学生知道事物的发展既有偶然性又有规律性，从而形成数据分析观念和随机性观念。
例如，一个不透明的袋子中装着若干个红球和蓝球，事先不告诉学生红球和蓝球的数量，而是让学生重复摸取、放回，进行多次实验。在活动中我们发现：每次摸取球的颜色可能不一样，但是随着摸取球的次数的增加，就会发现一些规律。学生在摸球过程中理解了随机的概念，体验到了随机知识在生活中的应用，进而意识到学习随机性的意义。
（三）亲历问题解决过程，训练思维的灵活性
数学思维的灵活性是需要重点培养的思维品质之一，而这需要学生在解决数学问题的过程中获得锻炼和发展。比如，教师可以设计一些有效的统计活动，鼓励学生采用不同的统计方法，从多角度对数据进行分析，发散学生的思维，并根据情境的变换及时调整解决问题的思维方向，引导学生学会解决不同情境的实际问题。
例如，教师可以创设这样的情境：假设学生是任教五（1）班和五（2）班的数学老师，期末总结时要对自己任教的这两个班级的期末成绩进行比较。在这个过程中，教师应当引导学生按照不同的标准来评判两个班级的数学成绩。这时我们会发现：有的学生依据两个班级各自的数学平均分进行比较；有的学生依据85分及以上为优秀这个标准，先统计出两个班级获得85分及以上的学生各有多少人，然后分别计算出两个班级的优秀率，再进行比较分析；有的学生依据60分以下为不合格的标准，统计出两个班级不合格的人数，按照不合格人数的数量比较两个班级数学成绩的优劣。其实，这里的答案并不唯一，每一种答案都可以作为教师分析学生成绩的标准。因此，教师应当鼓励学生进行多维度思考，训练学生思维的灵活性。
三、稻莘治龉勰畹呐嘌策略
数据分析观念不是凭空想象出来的，也不是教师说统计有用，学生就能够体会得到的，更不是凭借收集数据就可以形成的，而是学生在经历统计活动解决问题的过程中建立起来的一种认识。从某种意义上说，观念是意识的高级阶段，是在意识、能力的基础上形成的认识。培养学生的数据分析观念是一个循序渐进的过程，教师必须根据学生的认知特点设计教学。
（一）引导学生树立统计思想
数据分析观念是统计思想的重要组成部分，要让小学生树立统计思想，教师首先要让学生意识到统计的必要性，重视统计的应用。课堂上，教师可以向学生展示生活中与统计相关的事例，指导学生学会判断在什么情况下需要采取统计的方法解决问题，并自觉地朝着统计这个方向思考问题。其次，学生具备了统计意识后，教师要让学生掌握具体的统计方法和策略，以便更好地进行数据分析。需要注意的是，面对不同的问题要采取不同的统计方法。
例如，调查统计“我们最爱吃的水果”，教师可以创设生活情境：生活老师要为同学们准备课间水果，准备哪些水果比较合适呢？首先，生活老师需要了解全班同学的喜好，为此必须采用统计的方法，设计统计方案。其次，当收集到所有数据之后，为了确定哪一种水果最受欢迎，必须采用合适的统计方法进行统计，比如可以采取扇形图对水果进行分类；至于每一种水果需要的数量是多少，则应当再次根据前期的数据调查进行分析。
（二）体验数据分析的全过程
学生要将数据分析观念真正地纳入已有的思维模式中，最有效的方法就是经历数据分析的整个过程，包括发现问题、提出问题、调查现状、收集数据、整理分析、得出结论以及反思交流。小学生抽象思维尚未成熟，接触的数据都应源于现实生活背景，只有丰富的数学情境才能够帮助他们更好地理解概念，并学会迁移应用。因此，教师应当充分挖掘贴近学生生活的情境资源，创设学生感兴趣的问题情境。
以估计全校学生上个月家庭用电情况为例，如果对全校每个学生都进行调查，有点不切实际，浪费时间和精力。当学生碰到这个问题时，教师可以渗透抽样统计的方法，选取每个年级段的一个班级进行调查，收集数据。在这个活动中，如何利用收集到的数据对全校学生进行合理的估计，学生需要具备较强的数据分析能力。教师可以通过这个活动，发展学生的数据分析能力。学生掌握了基本的统计方法，经历了调查研究、整理数据、分析数据的过程，将会逐步形成数据分析的观念。
（三）培养批判意识，提高辨别能力
在信息社会，人们每天都要接触大量的数据信息，其中绝大多数是无用的信息或伪信息。辨别信息的真伪并作出理智的选择，离不开批判意识和辨别能力。培养学生的批判性分析能力，教师要引导学生读懂数据，理解数据内在的含义，并对数据的来源和处理方法进行考察和分析。小学生心智发展尚未成熟，加上认知发展水平还处于具体运算阶段，对于外界复杂的信息缺乏理性的判断，因此，教师可以呈现案例，如生活中误用或滥用统计数据的现象但大多数人对此并未警觉或质疑，从而培养学生的批判意识，提高辨别能力。
例如，超市为了促销牛奶，打出的广告是第二箱半价。如果不加思索，消费者就会认为很实惠，马上买了两箱牛奶。但仔细思考发现，两箱牛奶的平均价格和促销前其实只相差几毛钱而已，这是因为，消费者只注意到半价，而并没有留意到第一箱牛奶的价钱。又如，超市有两种不同品牌的商品，甲品牌打八五折，乙品牌买满150元送50元，我们应该怎么选择呢？面对这样的问题，我们不能凭感觉乱猜，而要根据不同的需求量进行分析。诸如此类的实例都是小学生在日常生活中常常会遇到的，学生要作出理性的选择与判断，必须具备质疑能力和一定的数据分析能力。
（四）合理利用信息技术
小学生每天大部分时间都在学校度过，接触外界事物的机会不多，而数据分析观念的培养又需要呈现大量的真实的生活情境，让学生对数据进行整理、分析和判断，信息技术正好可以弥补这一缺陷。教师可以利用信息技术的优势给学生呈现更多的生活实例。另外，当碰到需要分析大数据或需要多次实验才能够解决的统计问题时，教师可以利用信息技术对原始数据及分析结果进行直观展示，这样做有助于学生理解统计过程及其内涵。
例如，调查分析全班学生对颜色的喜好情况，教师可以借助信息技术，让学生先在电脑中输入自己最喜爱的一种颜色。待全部学生输入完毕，电脑便会自动生成全班学生对颜色喜好的原始数据。接下来，学生就要对这些原始数据进行分类、整理，再通过电脑将整理后的数据生成不同的统计图表，并依据这些图表分析学生对颜色的喜好情况。在这个过程中，教师利用信息技术不仅节省了宝贵的教学时间，将数据的收集、整理和绘制统计图表生动形象地展示在学生面前，而且帮助学生经历了数据的收集、整理及图表绘制的过程。
参考文献：
[1]中华人民共和国教育部.义务教育数学课程标准（2011年版）[S].北京：北京师范大学出版社，2012：6.
[2]陈希孺.机会的数学[m].北京：清华大学出版社，2000：58.
[3]（美）戴维・S・穆尔，郑惟厚译.统计学的世界[m].北京：中信出版社，2003：4.
统计学的数据分析篇6
关键词：总体数据;相关性;个性化营销;定制服务
随着科技的发展，大数据已经成为信息时代的一场技术革命。大数据是指传统数据库管理工具难以处理的大量的、多样化的数据。当前普遍认为大数据有3个特点：第一，数据量非常大；第二，数据增长速度非常快；第三，数据类型越来越多样化[1]。零售业作为传统的线下实体经营行业，积累了大量的消费者以及管理层的数据，如果依靠传统的统计学模型对这些数据进行分析，很难得出可以用于企业经营管理的有效信息，加上年轻一代消费者越来越追求个性化，所以传统统计学所采用的根据部分样本推断总体的分析方法已经无法满足市场的个性化需求，因此，传统统计学要想跟上时展的步伐，就必须做出与之相适应的改变。
1零售行业里大数据与传统统计学的区别
维克多•迈克尔在《大数据时代》一书中提出了大数据思维的3个最显著的变化:一是样本等于总体。这与过去基于样本进行统计分析的思维截然不同；二是不再追求精确性。在大数据中往往存在“噪音”和罕见事件，这样的数据影响了结果的精确性；三是相关分析比因果分析更重要，在大数据时代我们将注意力更多地放在“是什么”而不是“为什么”[2]。大数据的以上特性在零售行业同样适用，零售行业的大数据与传统统计学的区别有以下3点。第一，大数据收集总体数据，而传统统计学多采用抽样的方式收集部分数据。传统统计学在做统计分析时首先针对某一个问题提出假设，然后确定需要调查对象的总体，由于数据采集存在一定的难度，所以统计分析采取从总体中随机抽样选取一部分数据作为分析的对象，如此的话对随机抽样的方法与数据采集的准确性要求是非常高的。而大数据收集的是数据“总体”，在进行分析的时候不会人为进行假设，排除了人的干扰因素，仅仅从数据本身出发进行数据分析。在零售行业如果能运用大数据思维分析数据，从产生数据的顾客行为本身出发，针对不同顾客做出个性化营销，而不是人为假设的话，管理层就可以根据数据进行预测，避免了主观的经验与直觉的判断。沃尔玛作为零售行业的巨头，运用大数据分析得出的著名的啤酒与尿布理论可以证明这一点。第二，大数据注重个体行为的研究，统计学用样本数据推断总体行为。传统的统计学采用抽样调查的方式对样本数据进行分析，用样本推断总体，那些在图表上反映出来的异常数据被排除在外。大数据包容一切数据，其中包括各种结构化、半结构化、非结构化甚至是异构数据。对于零售行业而言，顾客的总体行为表现是没有意义的，因为每个顾客的需求不同，在不同的时间和地点需要的商品都不同，只有根据每位顾客的不同行为进行个性化服务才能让线下的零售行业有优势可言。美国高档连锁百货nordstorm最近开始采用线下实体店客流分析服务供应商euclidanalytics公司的客流监测解决方案euclidZero，基于用户连接wifi行为来获取店内顾客手机的mac物理地址并进行线下追踪，由此可以通过单个顾客在百货店里的行动路线和滞留时间，从而用于改善商品罗列与室内动线以及顾客个性化偏好与推荐服务[3]。第三，大数据注重数据之间的相关性，而传统统计学更加关注数据分析的结果。从社会发展的角度来看，大数据对数据的关联性分析更有助于零售行业管理层做出决策。对于传统零售行业而言，线下的用户体验是非常重要的，如果能根据用户行为数据分析出哪些商品放在一起能促进购买力，那么零售行业将会有更大的利润空间，相比之下，统计学进行的结果分析显得没有那么重要。
2大数据在零售行业的优势
迈克尔•舍恩伯格说：大数据发展的核心动力就是人类测量、记录和分析数据的渴望。第一，大数据收集的数据是多样化的、非标准化的，而统计学收集的数据都是标准化、结构化的，统计学无法对非结构化的数据进行分析与测量。但是在零售行业仅仅对标准化的数据进行分析做出的判断已无法满足行业的需求，通过对用户在商品前滞留的时间以及与货架上商品的互动行为产生的数据进行分析，从而调整货架的位置才是主流。第二，大数据可以实时、快速监测与收集数据，而统计学收集数据时间长、难度高。大数据收集与处理数据的能力对于零售行业的供应链管理十分有效。零售市场可以利用大数据对库存和员工行为进行监测，从而为管理层做决策提供依据。沃尔玛为了提高大数据成果在不同部门之间的高效利用，并增加存货管理和供应链管理的投入回报率，其开发了RetialLink工具。供应商使用该工具可以预先知道不同店铺商品销售和库存情况，从而能够在沃尔玛发出指令前自行补货，极大地减少商品断货，提高供应链的库存水平[4]。
3传统统计学面对大数据挑战要做出改变
大数据的出现给我们的生活带来了巨大的改变，甚至不同国家的政府都将大数据作为国家的战略资源。相比之下，传统统计学面临着大数据的巨大挑战，如果能根据自身优势做出改变，传统统计学仍然具有存在的价值。第一，改变数据的收集方式。统计学收集数据时前期要做大量的准备工作，需要耗费大量的人力物力成本，所以想要更加高效收集数据，就必须做出改变。由于大数据是基于互联网收集数据的，所以对于不使用互联网的地区和群体来说，大数据就显得很无力，而传统统计学可以在此基础上发挥自身优势，在以往的数据收集方式上进行创新。第二，传统统计学在数据的分析思维上也要进行改变。传统统计学不光要打破只能分析标准化数据的魔咒，更要着重分析问题的本质，而不是一味注重结果分析，虽然“是什么”很重要，但是一直以来探寻事物内在本质才是不断推动人类社会进步的动力所在，所以统计学也要学会知道“为什么”。
4结语
信息技术的发展是无法想象的，我们无法通过今天来预测未来10年信息行业的发展。只有追上时代的脚步，做出顺应时代潮流的改变，才能免遭淘汰，对于传统统计学也是一样，停留在原地不动是不明智的，改变才是世界的本质。而所有技术的变革都将反馈给人类的生活，让人们和社会从中受益。
作者:吴兴蔚单位:河北省张家口市蔚县第一中学
参考文献：
[1]城田真琴.大数据的冲击[m].人民邮电出版社,2013.[2]维克多•迈尔.大数据时代[m].浙江人民出版社,2013.
统计学的数据分析篇7
关键词：小学数据分析；数学经验再生
数据分析是学生的核心素养之一。数据分析是指针对研究对象获取数据，运用数学方法对数据进行整理、分析和推断，形成关于研究对象知识的素养。[1]数学活动经验，既包含经历数学活动所获得的策略性、方法性内容，也包括体验性、模式性感受。数学经验都是在直接感性基础之上，经过学习者个体自我反思、加工而形成，带有明显再抽象、再加工痕迹，都是基于个体对数学活动过程的重新认识[2]。数学经验的重新认识过程，就是数学经验再生过程。数据分析中的数学经验再生，就是学习者以数据为操作感知对象，经历动手收集、整理归类、推理趋势、综合应用等数据再加工活动，在思维方式与数据分析之间建立深度联系。纯粹地数据收集，简单地数据计算，不能再生数学经验。只有深化学生数据分析能力发展，促进数据思维的提升，经历数学经验再生过程，升华数学经验再生品质，才能有效发展数据分析核心素养。
一、数据收集中的数学经验再生
学会数据收集以及体会数据中蕴含的丰富信息是数据分析的重要基础。教师要引导学生采用图形、图表等视觉化方式全面、真实、规范地呈现数据，在学生已有生活经验基础上，逐步完善对数据信息的数学认知，从而促进数学经验再生。数据收集是一个持续过程，仅依靠课堂教学时间很难完成，需课后拓展数据收集的时间和空间，形成自主数据收集意识，养成科学数据收集习惯。数据不仅可以采用实验、调查、体验、测量等方式直接收集，也可以从报刊、书籍、杂志、网络等媒体间接获取。教师要创设学生感兴趣的生活情境，紧密联系学生学习实际，帮助学生经历数据收集过程，感受数据收集的真切价值。同时，注重生活化经验与数学化经验对接，促使感性经验与理性经验相互衔接，再生数据收集经验，为数据分析核心素养的发展奠定基础。教学苏教版《数学》五年级下册“蒜叶的生长”时，指导学生选择合适蒜瓣，采用水培和土培两种方式，分为阳光下和房间里两个环境。有学生指出：前4天，我量了蒜叶高度，分别是1、3、6、10毫米，推算第5天是15毫米，第六天是21毫米。实际测量第五天是13毫米，第6天是16毫米，蒜叶生长数据不是等差数列；有学生指出：我根据数据发现水培蒜苗长得慢，土培蒜苗长得快；有学生指出：不是的，应该水培蒜苗生长快，土培蒜苗生长慢……教师适时追问：同样水培和土培栽种方式，为什么数据信息结果却截然不同呢？有学生指出：栽种蒜苗，除了水培和土培方式外，光照条件好，蒜苗生长速度就快，光照条件差，蒜苗生长速度就慢；有学生指出：我查找了相关资料，阳光、水份、温度、土壤、营养、饱满程度、带皮等因素都可以影响蒜苗生长速度；有学生指出：光靠收集数据无法解释，必须考虑影响数据变化的因素……在蒜叶生长的实验数据收集中，学生不仅经历了蒜叶观察、数据记录和天气描述等过程，而且再生了收集数据需要综合多方因素统筹辨别的数学经验。教师针对同样栽种方式、不同数据信息的适时提问，激发学生的合理观察与交流，引起数学思考，促进直接收集与间接获取经验的有效融合，实现综合多方因素进行数据收集的经验再生，为数据分析素养的发展做出了充分准备。
二、数据整理中的数学经验再生
数据整理是指对数据进行组织、排序、分类，用文字、图画、表格、图形等方式呈现整理结果[3]。苏教版小学数学教材，有序安排了单式统计表、复式统计表、单式统计图、复式统计图等形式多样的数据整理图表。针对前期收集的数据，能用多种不同统计图表比较整理，并能根据问题实际情境灵活选择合适图表，是课程标准对小学生数据整理的要求。同一组数据，由于整理方法不同，选用图表不同，由此产生的数据信息也就不同。学生从诸多图表中不断尝试、选择、调整和比较，体验数据合理整理和科学表达过程，实质是数据整理反思过程。在这一过程中学生针对数据变化特点，经过不断调试反思，科学选取统计图表，再生数据整理经验，从而实现数据分析素养生成并发展过程。整理班级学生校服尺寸相关数据的过程中，学生采用不同统计图表：数字记录统计表、画“正”字统计表、条形统计图、折线统计图、扇形统计图……有学生指出：这些方式都反应出数量多少，可以任选一种；有学生指出：数据统计表中可以知道数量多少，但是不利于每个型号校服数量之间比较；有学生指出：画“正”字的方法在数据量大的情况下统计起来比较麻烦；有学生指出：可以用条形、折线、扇形任一种统计图来整理相关数据；老师问：三种统计图都可以反映数据整理结果，作为制衣厂负责人，会选择哪种统计图呢？有学生指出：选择条形统计图，清楚表示每个型号校服人数的多少；有学生指出：折线统计图反映每种型号校服人数变化情况；有学生指出：扇形统计图表示各部分数量和总数量之间关系，既表明每种型号校服人数，又反映总人数情况……在整理班级学生校服尺寸数据中，学生在尝试选择和主动调整中再生数学经验。尝试选择，学生再生运用不同数学图表进行分类整理的数学经验；主动调整，学生再生不同数学图表表达不同数据信息的数学经验。学生能够根据生活情境实际要求，灵活多样地选择数据整理方法，在尝试选择和调整比较中，感受数据特征，体验形式变化，再生数据整理经验，逐步发展了数据分析素养。
三、数据分析中的数学经验再生
数据分析是指选择统计模型、计算统计量，解释统计结果及意义，根据数据进行判断和预测，提出对策、方案、建议[4]。数据分析既对数据大小亲历感性体验，又对数据关系深入理性思考。教师在有意识引导学生对数据进行描述、刻画和解释的基础上，进一步加工、排列和重组，体会数据分析可以从不同角度与层次进行多维分析，把握随机数据与发展趋势的关系。数据分析着力数据随机现象，把每个随机数据置于数据总体发展趋势体系中，再生数据总体趋势经验。通过有意识为学生提供同类事物的不同信息，并要求比较与选择，从而提高学生数据分析的甄别能力，意识到综合分析的必要性，进而在发展数据分析操作能力的同时，提升处理数据的思维能力[5]。学生数据分析能力不断提高的过程，也是数学经验循环再生的过程，同时，也是学生数据分析核心素养逐步提升的过程。教学摸球游戏时，袋子里装入4个球（3个蓝色球，1个红色球，学生不知情）。师：袋子里有4个球，开展摸球游戏，摸了3次，每次30下。从统计图中，你能判断出红色球和蓝色球分别有几个吗？有学生指出：摸出蓝色球数分别占总数的：用总数4分别去乘以这几个分数，计算结果为：3.07、2.8、3.2，蓝色球个数在2.8至3.2之间，取整数为3个；有学生用同样的方法得出红色球数为1个。师：还有别的方法吗？有学生指出：3次次数加起来为90下，蓝色球数占总数的9068，红色球占总数的9022，用总数4分别去乘以这两个分数，结果分别为3.02个和0.98个，与刚刚结果是一致的；有学生指出：虽然结论一致，但3.02和0.98比之前所得数据更精准，更接近整数；有学生指出：数据越多，用大数据分析就越接近正确结果……摸球游戏中，学生将随机性数据通过数学计算与统计模型巧妙相连，强化对不同颜色球的数据关系分析，确定不同颜色球的取值范围，形成了理性数据分析过程。在此基础上，学生进一步运用大数据统计方式，更加精准地计算出蓝色球和红色球的取值范围，并且根据统计结论合理预测和推断数据整体趋势。学生将随机数据置于整体数据之中，综合选择随机数据信息，再生利用统计数据归纳类比事物发展趋势的数学经验。师生重视数据随机性的体验，强化数学经验再生过程，增加了数据分析的思维深度，使学生数据分析素养在不断体验与理性思考中得到有力提升。
统计学的数据分析篇8
关键词：数据分析；观念；统计
数据分析是统计的核心，数据分析观念是统计思想的重要组成部分。在小学数学统计教学中，教师要培养和发展学生的数据分析观念，以有效解决生活中的一些实际问题。教学中主要从以下三个方面进行实践：
一、激发兴趣，引导学生主动参与数据分析
数据分析面对的是枯燥无味的数据，这就要想办法激发学生学习动机。一是要选择合适的素材。选择与学生日常生活密切相关的活动或内容。如从学生说一说喜欢穿什么颜色的衣服，喜欢看什么样的动画片入手。引导学生粗略统计喜欢的几种颜色和喜欢看的动画片，让学生做成简单的统计表。二是要让学生感受到数据统计与分析的现实意义。在生活中选取一些话题展开有关数据分析，让学生喜欢分析并乐于分析。比如让学生记录自己家庭每天的生活开销，引导学生在搜集、整理、分析数据的过程中，能够对家庭的每周开销及物价变化做出合理的分析，从而让学生对统计感兴趣。
二、启发思考，引导学生掌握数据分析方法
数据分析是一个复杂的思维过程。在教学中要鼓励学生从多角度分析数据，掌握数据分析的方法，通过数据的统计与分析，提取信息，选择方法，培养思维的灵活性和多向性。如，在教学中出示“某商场一年12个月a、B型两种彩电销售情况折线统计图”，统计图上呈现了两种彩电的销售情况和月份，然后让学生完成作业，根据销售情况说说随着月份的变化两种彩电的销售情况有何变化，a型彩电销售量为什么呈下降趋势？为什么在1～3月份销售量最多？B型彩电为什么在10～12月份销售量最多且呈现上升趋势？如果你是经销商将会有什么打算？让学生统计图表中获取信息并联系生活实际进行思考，很快就能得出答案：B型彩电得到了消费者的认可，经销商要及时调整进货源头，多进B型彩电就会获得更多的利润。
三、加强训练，培养学生形成数据分析能力
数据分析能力培养绝不能只靠课堂教学来完成，教学时，教师要精心设计多样性实践操练活动，注重分类与比较能力训练，将课内外有机结合起来，激发学生参与统计与分析的兴趣，指导学生通过调查、科学实验、查阅资料等，把所学的知识进行系统化的收集、整理、分类、描述和分析，让学生形成数据分析观念和数据分析能力。
统计学的数据分析篇9
关键词：数学统计；现在经济与管理；应用分析
中图分类号：o13；F224文献识别码：a文章编号：1001-828X（2016）030-000-01
引言
数学学科重视逻辑思维能力，具有高度的抽象性，被广泛应用于社会生活的各个方面，如工程学、经济学等等。数学学科中的统计方法对经济学具有重要意义，对于现代企业来说，经济上决策的制定实施都需要应用数学的统计方法。因此，应当对数学统计在现代经济与管理领域的应用进行具体分析，以帮助企业提高经营效率，从而促进我国经济的发展。
一、数学统计法对于现代经济与管理领域的意义
1.解决复杂问题
现代经济和管理领域问题需要严密精确的计算，而数学统计最大的特c是逻辑缜密。把数学统计的方法应用于现代经济和管理领域，可以有效解决复杂问题。数学方法和经济学和管理领域密切相关，衍生出数理经济学、产权经济学等多门专业学科，说明统计方法在现代经济中已经得到了广泛应用[1]。
2.进行科学决策
企业对经济管理领域活动进行评估，需要从定性分析发展为定量分析，这一分析过程需要应用数学统计的方法。在制定决策时，企业应用数学统计方法，来进行精确的分析决策，可以有效提高企业决议的科学性，避免造成资金财力的损失。在决策之后，企业对自身的发展状况有了准确认识，可以进一步提出发展规划，促进企业蓬勃发展。
3.分析现论
数学统计方法是分析经济管理理论的重要工具。经济学的数据比较繁杂，把统计方法和现代经济管理理论相结合，可以化难为易，解决深奥的数学问题。近年来，人们尝试用统计方法进行数量关系分析，对质和量的判定都精准无误，为分析理论提供了非常有效的渠道和途径。
4.指导经营活动
事物的发展会经历一个从量变到质变的过程，经济与管理领域的问题也不例外。因此，经济与管理领域问题中的定性分析和定量分析具有重要意义。数学统计方法通过数量关系分析经济要素之间的关系，对经济理论进行分析之后，企业制定相应的发展策略，指导经营活动。
二、数学统计法在现代经济与管理领域的应用问题
1.我国市场经济体系存在弊端
运用数学统计的方法来解决经济与管理领域问题，有几个具体步骤。首先，要取出数学变量，建立相关模型。模型的建立需要对具体经济现象进行分析，同时要遵循相应的经济理论[2]。企业在经济运行过程中，需要建立宏观的经济模型，这就要求数学统计法对宏观的运行机制进行分析。只有保证宏观经济运行机制描述的客观性，以及宏观经济行为分析的科学性，才能确保数学统计法的顺利实施。但是目前我国的社会主义市场积极体系还不完善，许多基础的理论问题没有得到解决，导致数学方法无法在经济学领域中有效应用。
2.目前数据统计水平相对较低
数据对事物的描述具有重要作用，而经济统计数据指的是对经济事物和与经济有关的对象进行描述。经济统计数据的准确与否将直接影响到分析经济管理问题的结果。数据统计法的对象便是数据，如果经济统计数据出现了问题，数据统计法也将失去效用。目前我国数据统计水平相对较低，可用数据口径不一，无法整合到一起满足解决问题的需要。随着我国经济的不断发展，经济数据越来越繁杂，整理工作越来越困难，极大影响了我国的数据统计水平。
3.对数学统计的认识存在问题
数学统计方法的目的是化难为易，高效地解决经济与管理领域问题。在使用过程中，要注意方法使用的科学性和合理性。但是在当下企业，一些经济分析师为了炫耀自己的才华，盲目使用数学统计方法，认为只有应用这种方法才能提升工作水平。这种认识是错误的，极不利于企业的良性发展[3]。部分分析人员没有掌握数学统计方法的基本原理，在解决问题时难免出现纰漏，造成经济事故。
三、数学统计法在现代经济与管理领域的应用策略
1.健全社会主义市场经济体系
就上文分析的具体问题，将数学统计法应用于现代经济和管理领域，首先应当健全我国的社会主义市场经济体系。国家应该挖掘社会主义市场经济的发展规律，优化产业结构，使更多企业加入到市场的良性竞争中，提升自己的竞争实力[4]。企业在经济管理领域应用数学统计法的过程中，应当总结市场经济的发展经验，完善相关理论，从而进行科学分析，制定相应的发展对策。现代企业在良性竞争中发展，反之又能促进社会主义市场经济体系的完善。
2.建立经济数据网络收集平台
经济数据是进行数据统计的重要因素，只有保证经济数据的科学可靠，数据收集的及时有效，数据范围的广泛完备，才能使数据统计有效进行。因此，必须建立一个专门收集数据的网络平台，实现资源共享，提高数据处理的效率。我国经济数据的收集工作一般由经济部门完成，经济统计部门应该建立一套较为完备的数据统计体系，对应该收集的数据进行核实，对新兴的数据进行采集。同时，经济统计部门要加大调查力度，确保信息来源的全面性。最后，还应该调动相关部门积极配合，实现数据的顺利收集。
3.科学合理应用数学统计方法
运用数学统计方法分析经济问题，目的是把复杂的经济问题简单化，促进问题的解决。因此，企业经济部门人员应当科学合理地应用数学统计方法。经济问题的定量分析通常依据数学统计方法，但是定性分析拥有自己的专门方法。工作人员在具体的应用中要合理分析，选择最适合的方法[5]。
四、结论
数学统计在现代经济管理领域具有重要作用，企业应当重视应用数学统计法，精确分析相关问题，制定出相应的发展方案，从而促进自身的快速发展。目前数学统计法的应用还存在一些问题，政府、企业和社会如果能全力配合，寻找有效策略，就能促进我国市场经济的良好发展。
参考文献：
[1]初旭.数学统计方法在经济学中的应用[J].商场现代化，2014，01：202-203.
统计学的数据分析篇10
【关键词】统计分析电力建设工程造价管理
统计分析是根据统计研究的目的和任务，以统计资料为依据，运用各种统计指标和统计分析方法，对经过加工整理的统计资料进行系统的、科学的分析研究，认识客观现象的状态，揭示客观现象的本质及其规律性，预测客观现象前景的活动。
一、统计学和电力建设项目计划管理
工程统计学是结合工程问题，研究怎样去有效地收集、整理和分析带有随机性的数据，以对所考察的问题做出推断或预测，直至为采取一定的决策和行动提供依据和建议的学科。电力建设项目计划管理中数据收集、数据处理、数据分析、数据等一系列工作是由统计学工作来完成的，是由统计数据全面反映的。数量性统计信息在电力建设项目计划管理中是最鲜明的体现和最普及的应用，即通过数字揭示电力建设项目实施计划管理过程中特定时间特定方面的数量特征，帮助对电力建设项目的计划管理进行定量乃至定性分析，从而做出正确的计划管理方案。
二、计划管理可采用的统计技术
电力建设项目计划管理计划统计工作，包括对计划统计数据的收集，并对数据进行加工整理，进而进行分析、对比，最后形成统计分析报告，用以指导计划管理实际工作，主要由数据收集、数据整理、数据分析等阶段来完成。
数据收集是取得原始资料数据的基础环节，在计划管理进行中，计划任务各项原始数据必须根据预先设定的要求按期完成，收集内容应保证真实性、准确性、及时性和完整性，统计资料的搜集，不能只使用一种调查方法，而应该根据数据收集对象特点和调查条件，灵活地选用不同调查方法组成调查方法体系。
数据整理是根据计划管理任务的要求，对统计调查所收集到的原始数据进行科学的加工整理，使之条理化、系统化，把反映总体单位的大量原始资料，转化为反映总体的基本统计指标，从简单枯燥的数据中找出计划管理任务的内在联系和发展规律，为下一步数据分析打下良好基础。
数据分析是指运用统计方法及与分析对象有关的知识，从定量与定性的结合上进行的研究活动。它是数据收集、数据整理之后的一项十分重要的工作，是在前几个阶段工作的基础上通过分析从而达到对研究对象更为深刻的认识。计划管理中数据分析的作用在于总结计划管理现状及发展变化趋势，为管理层决策提供依据。
三、统计分析在电力工程造价中运用
（一）制定一套科学的统计管理制度和科学的统计管理手段
要制定一套科学的统计管理制度，工作中要严格按制度执行，对于违反者要给予一定的处罚；要采用科学的管理手段来管理统计分析成果，对于数据大、指标多、统计分析复杂的可以利用计算机进行管理操作，以实现资源共亭和科学决策。
（二）建设项目实施阶段要抓影响建设项目的核心重点，抓现场管理及收集整理统计资料
首先，不论建设方还是施工方，都要以合同为主线进行统计，全面履行合同，发现实物量或工程质量严重与合同、目标、统计报表不相符的应及时向领导汇报。其次，加强工程造价资料的收集整理工作。搜集、积累工程造价资料不仅是造价管理的一项重要基础工作，同时也是统计的一项重要基础工作。通过对已完工程数据资料的积累和数据库建设，建屯统一的收集管理模式，可以为工程造价的动态管理提供条件，为建设项目投资决策提供信息，为参与市场竞争提供投标报价的依据，使投标报价更快捷，更准确。
（三）要从“量”和“价”上着手进行统计分析
（1）从“量”上。采用统计综合分析法和因素分析法，把施工图设计预算或投标中标数据加上工程变更增减数据中的量与实际发生的人工、机械及材料设备中的量进行对比分析。如果发现浪费现象严重问题，要责令施工方赔偿；如果属未及时办理领退料手续；要责令施工方及时办理领退料手续，如果是统计时多列应令其减去；如果是漏列。要令其补上。
（2）从“价”上。以自己的报价为依据，运用科学的计算方法和统计分析法进行计算和分析，做出公平的，合理的报价决策。“价”是个比较复杂的问题。由于价的种类有多种，估价、预算价、市场价、招投标中标价和合同价等等，计价的方式又有多种，但不论是采用那种价，它都归属于合同。合同规定用什么计价方式，投标及预结算就采用什么计价方式。价的计算方法，要采用统计提供的科学计算方法进行计算和分析，使价建立在有充分依据，计算更为准确的基础之上，以保持价在甲、乙双方的公平性和合理性。
四、统计学在计划管理中的应用实践
在电力建设项目组织管理中的应用电力建设项目管理要实施有效的管理，首先要建立一个完善、高效的管理机构。管理机构的职能、组织、结构及制度一系列的选择、筹划和确定均需要统计信息上报的资源来完成，经过数量性和综合性的分析，制定科学合理的管理机构，有准备的组织实施对电力建设项目的管理。建立健全相关制度及科学的指标体系，为了解决项目计划管理统计中的问题，项目部需要建立起对各阶段原始记录资料的质量检查制度，出现问题及时地进行调整和校正，把统计工作看作是指示器和校正器，发现矛盾，提出建议，以便使统计工作在电力建设项目计划管理中发挥真正的作用。再者，需要建立一套科学的指标体系和调查方法，使各项统计资料具有充分的科学性合理性，能正确全面反映各个方面和各个环节的真实情况，并能保持连续性、系统性。
在电力建设项目施工过程中的应用在电力建设项目施工过程中更加要求统计信息及时、详实、完整，随时需要将系统的统计信息，收集、整理、分析、决策、优化决策，优化决策实施过程又是统计信息反馈、调整、优化的过程，说明统计信息不是单纯地罗列数据，如同点连成线，要有机结合。因此，必须大力加强统计职业道德教育和业务技术教育，联系电力建设项目的实际生产情况，每隔一定阶段，组织统计人员的培训，以更新知识和概念，提高业务素质，这对于提高电力建设项目的统计水平，强化统计的职能有着深远的意义。