地统计学课程论文

地统计学课程论文（共9篇）

地统计学课程论文 篇1

用Excel我们可以让课程表中不同的学科自动采用不同的填充颜色显示，并自动统计各学科的总课时数，这样，看起来一目了然。

一、不同学科，不同颜色

这要用到条件格式。选取课程表所在单元格区域。点击菜单命令“格式→条件格式”，打开“条件格式”对话框。在“条件1”下方的下拉列表中，选择“单元格数值”，然后在右侧的下拉列表中选择“等于”，并在最右侧的输入框中输入“=”数学””(不含外层双引号，并且除汉字外，其余均在英文半角状态下输入)，如图1所示。

点击右下方的“格式”按钮，在打开的“单元格格式”对话框中，点击“图案”选项卡，选取一种填充颜色。如图2所示。确定后，关闭此对话框。

点击“条件格式”中“添加”按钮，则可以增加“条件2”，设置“单元格数值”“等于”“=”语文””，并点击“格式”按钮，并其指定另一种填充颜色。继续点击“添加”按钮，添加“条件3”，设置另一门课的填充格式。确定后，就可以看到，指定的三门课程所在单元格已经用指定颜色填充了，如图3所示。

办公软件教程

二、随时选取各班区域

如果要排若干个班级的课程总表，那么免不了要经常选取某一个班级的课程所在的单元格区域，

要是每次都按着“Ctrl”键用鼠标依次选取的话，那就太麻烦了。所以，我们应该用“命名”的方法随用随选。

比如一班的课程表分布在Sheet2工作表中的C2:C12、G2:G12、K2:K12、O2:O12、S2:12单元格区域。那么先按下“Ctrl”键依次选取这些区域，然后点击菜单命令“插入→名称→定义”，在打开的“定义名称”对话框中的“在当前工作簿中的名称”下方输入框中输入“一班”。如图4所示。确定后，我们只要在Excel“编辑栏”左侧的“名称框”中输入“一班”后回车，那么这些单元格区域就会立刻处于被选中状态。

把其他各班的课程表区域也如此办理，需要时只需要输入我们定义的名称，岂不方便多了吗?

三、自动统计学科周课时数

手工排课程表还要不断地统计各学科的周课时数，以免达不到或超过规定的学时数。要是一遍一遍地数，那显然也不是好办法。所以，我们可以借用Excel的函数来实时统计。

比如我们要统计图2所示课程表中各学科的课时数，那么我们只需在C20单元格输入“数学”，然后在C21、C22、C23、C24分别输入其它的四门学科名称，然后在D20单元格输入公式“=COUNTIF($C$5:$G$16,C20)”，然后回车，就可以统计出在C5: G16单元格中数学出现的次数了，如图5所示。拖动填充句柄向下就可以得到其它几门课的课时数统计。

这样，当我们在上面的单元格区域中调整各学科时，就可以随时查看各学科周课时数了。

地统计学课程论文 篇2

1 地统计学概述

1.1 理论基础

矿物学家D.R.krige最早将地统计学应用于南非金矿的查找工作中,而该方法的理论是法统计学家G.Matheron创立的,有一套完善的理论体系作为基础,即在二阶平稳假设和本征假设的前提下,将区域化变量作为基本概念,以变差函数为工具,通过基本公式如估计方差、离散方差等的计算实现克里格方法。

地统计学理论的提出为资源环境调查提供了新的思路和方法,并促使这些方法在地统计学理论的蓬勃发展下越来越完善[1,2,3],发展至今,理论技术已经非常坚实,实用的数学工具数量也非常多。地统计学的应用非常广泛,能够对空间数据进行最优无偏内插,模拟空间数据的离散性及波动性,研究空间分布数据的结构性和随机性、空间相关性和依赖性、空间格局与变异。

1.2 发展及应用

地统计学的组成部分有2个,分别为分析空间变异与结构的变异函数及其参数和空间局部估计的Kriging(克里格)插值法,广泛应用于土壤、地质、生态、地球物理等方面。在气象领域的主要应用是使用Kriging法进行降水、温度等要素的最优内插的研究及气候对农业影响方面的研究。在资源环境调查方法的设计中,较为流行的方法是克里金方法。国内外很多学者结合已有的方法和日趋成熟的地统计理论创造出了大量的设计方法和评价指标,前者如随机选择法(Naive)[4]、枚举法(Enumeration)[5]、序贯法(Sequential Selection)[6]、模拟退火法(Simulated Annealing,SA)[7,8,9]、空间均衡布样(Generalized Random Tessellation Stratified,GRTS)[10]、适应性抽样(Adaptive Cluster Sampling)[11]等,后者如Kriging方差最小化准则(Minimization of the Ordinary Kriging Variance,MOKV)[12]、WM准则(Warrick-Myers-criterion)[13]、平均最短距离最小化准则(Minimization of the Mean of the Shortest Distances,MMSD)[7,14,15]、极大熵准则(Maximum Entropy,ENT)[16]、分形维度(Fractal dimension)[17]、均方距离准则(Mean squared distance to sides,vertices,and boundaries)[18]等。这些指标和方法在生态[19]、海洋[20]、渔业[21]、林业[22]、农业[23]、人口健康调查[24]、环境[25]、土壤[26]以及水资源[27]等方面得到了广泛的应用。

1.3 资源环境调查方法的联系与区别

不同的应用中所选择的方法有一定的联系和差异。联系主要表现于空间抽样方案专注解决的问题主要表现在以下几个方面[28]:一是对不确定性的衡量,主要是抽样估计的不确定性衡量,如方差。二是确定样本量的大小,如选择样本的容量,即确定样本的个数。三是抽样估计,对抽样目标进行估计,如均值、总值等。四是布样。确定样本的分布方式,即从总体中采取何种方法取样。也有学者提出在确定样本的大小之前加入样本空间构造环节[29]。

具体实现和解决这些问题的方法便是存在的主要差异,目前主要运用3种采样方法获取地理空间分布,即经典采样、空间采样和目的性采样[30]。这些采样方法都是在一定的算法和理论基础上建立起来的,并且需要在一定的假设条件前提下完成,因此需要完善和运用一定的方法不断优化采样方案,以满足这些理论假设。对于最终采集数据的统计推断方式和抽样目标目前主要有2种方式,即基于模型的(model-based)抽样统计推断和基于设计的(design-based)抽样统计推断[3,4,31]。在对抽样目标存在某种空间模式的假设基础上,对于基于模型的抽样则表示抽样目标是一个空间随机场[1],对于基于设计的抽样则表示样本的坐标能够提供相应研究中的辅助信息。

2 地统计学实现方法探讨

国内外许多学者和专家指出:凡是具备随机性和相关性变量的问题,都可以用地质统计学来研究解决,可见地统计学显示了自己强盛的生命力。该理论从建立至今,经过不断的研究和发展,已经是一门从理论到实践都很成熟的技术,随着研究的不断深入,它的应用领域也随之不断拓宽和深入。完善的理论和大量的社会需求催生了许多具有地统计功能的软件,如GS+、Arc GIS、Surfer、STATPAC、Geo-EAS、GEOPACK、Geostatistical Toolbox、GSLIB、DPS等数据分析软件,这些软件的出现方便了地统计方法的运用和实践,大量研究证实了地统计在资源环境调查研究中发挥着非常重要的作用。该方法在资源环境调查中是如何运用,以及应用中的作用将是本节所要阐述的内容。

2.1 地统计学与经典统计学的区别

地统计学与经典统计学的区别如表1所示,由表中可知地统计学所运用的数据更加定量化、标准化,因而这些数据可以方便地在计算机中组织和计算。

在资源环境调查中会产生大量的采样点数据,处理这些数据对于科研工作者是一项重复而繁琐的工作,当引入计算机技术后,这将大大缩短数据处理的时间,并提高计算的准确度和精度,使科研工作者能够将更多的时间花费在数据的分析和采样点的优化工作中,并为后续的研究工作腾出大量的时间,同时也提高了整项研究工作的进展和效率。

2.2 资源环境调查中地统计学的作用

地统计学在资源环境调查中可以指导采样点数量的确定和位置的布设,这是很多学者已经探讨过的内容,也有相关文献可供查阅。对于不同的环境资源而言都有其一定的知识前提和背景,在相应的应用环境下,系统地搜集、整理、分析和提供大量的以数字描述为基本特征的资源环境信息资源。在对已经掌握的资源进行科学分析的基础上,在决策和管理的过程中发挥指导性的作用;基于地统计的信息,对资源环境的运行状态进行定量检查、检测,发现社会资源环境运行中存在的问题及潜在的威胁,针对问题提出相应对策,对潜在的威胁进行预警,以对社会资源的可持续利用提供参考。地统计学的作用主要表现在以下几个方面:一是为政府部门提供决策依据。二是为企业和事业单位管理提供依据。三是获得科学研究的数据。四是为国际交往提供资料。五是为社会公众参与社会资源环境保护活动提供信息。

3 结语

地统计学课程论文 篇3

关键词：有机碳密度；地统计学；空间变异；GIS；空间相关性

中图分类号：S153.6 文献标识码：A 文章编号：1674-1161（2014）02-0019-03

碳循环是全球环境变化问题的研究重点，而土壤呼吸作用产生的碳尤其是有机碳是全球碳循环总量的重要组成部分。土壤有机碳大部分集中在土壤表层，其动态变化对大气CO2浓度、土壤质量及土地生产力有非常重要的影响，直接影响土壤肥力和作物产量。

昌图县位于辽宁省铁岭市北部，属中温带亚湿润季风大陆性气候，地势平坦，土质肥沃，年平均气温6～7 ℃，年平均降水量600 mm，是辽宁省的产粮大县之一，也是全国著名的农业大县、商品粮生产基地。昌图县的主要土壤类型为棕壤、草甸土和黑土。分析当地土壤有机碳的空间变异特性，全面系统地了解昌图县土壤有机碳的密度，对指导昌图地区的生产实践和区域建设具有重要意义。

1 材料与方法

1.1 样品采集与分析

根据昌图县土壤类型分布特点及土壤系统分类采样原则，于2012年在昌图县采集70个样点（0～20 cm土层）的样品，并记录野外样点位置，根据土壤剖面特征进行土层描述。土壤系统分类的采样原则为：重要性原则（农林牧业利用价值大）、主要性原则（分布广，面积大）、独特性原则（分布面积虽小但类型独特）、均匀性原则（全县各地尽量均匀）。

土样经风干处理后，采用干烧法（元素分析仪）测定有机质含量；采用环刀法测定容重；过筛后称定砾石质量。

土壤有机碳密度（T0）通常是指单位面积土体中所含有的有机碳质量，是表征土壤质量及陆地生态系统对全球变化贡献大小的量度指标。对共分为m层的某土壤剖面来说，T0计算公式为：

T0 =Σmj=1（1-δ%）ρjcjdj/100 （1）

式中：cj表第j层中土壤有机碳平均含量，g/kg；ρj为容重，g/cm3；δj%为砾石的体积分数；dj为厚度，cm。

1.2 研究分析方法

分别利用Excel和SPSS 13.0进行试验数据的基本处理和描述性统计分析，采用GS+7.0统计软件和域法进行半变异函数拟合和特异值识别，选用ArcGis9.3地理信息系统软件完成土壤有机碳克里格插值的空间分析。

2 结果与分析

2.1 土壤有机碳描述性统计

对昌图县的70个土壤样本数据进行一般描述性统计，数据基本符合正态分布，结果见表1。

由表1可以看出，表层土壤（0～20 cm）的有机碳密度在0.55～3.41 g/kg之间，平均含量为1.97 g/kg；从反映离散程度的变异系数可以看出，有机碳密度表现出强变异性，变异程度较大。考虑到特异值对样本数值的影响，采用域法识别特异值，确定样本数据中无特异值出现。

2.2 土壤有机碳半变异结构分析

在多种因素的共同作用下，土壤性质具有空间分布的非均一性或空间变异性，且它们彼此不是相互独立的，而是在一定范围内存在空间自相关性。地统计学的核心是根据样本点确定研究对象（土壤性质的某一变量）随空间位置变化的规律，以此推算位置点的属性值。检验结果表明，土壤有机碳密度变量服从正态分布，故进行变异函数模型拟合，得到如图1所示的半方差函数理论模型。

一般认为，块金值（C）代表随机变异的量，如施肥、耕作措施、种植制度等各种人为活动引起的变异。基台值（C0+C）代表变量空间变异的结构性方差，即由土壤母质、地形、气候等非人为因素引起的变异，是系统内总的变异。块金系数[C0/（C0+C）]则是块金值与基台值的比值，表示随机部分引起的空间异质性占系统总变异的比例。按照区域化变量空间相关程度的分级标准，块金系数<25%时，变量具有强烈的空间相关性；块金系数在25%～75%之间时，变量具有中等空间自相关；块金系数>75%时，变量的空间自相关性微弱，变异主要由随机变异组成，不适合采用空间插值的方法进行空间预测。根据变异函数理论模型得出的相应参数见表2。

由表2可以看出：昌图县表层土壤有机碳密度的理论变异函数符合线形模型，块金值与基台值之比为15.18%，土壤表层有机碳密度的空间相关性较强，表明昌图县土壤有机质具有较强的空间相关性，区域性因素引起的变异占较大比例。究其原因，可能是昌图作为农业大县，土地利用、施肥、管理等随机因素对表层土壤造成一定程度的人为干扰。

在农业活动中，农民为提高粮食产量，常常大量使用肥料，导致土壤中的有机碳含量增加。另外，耕作能改变土壤结构，增加土壤生物的呼吸速率，从而使土壤中的有机碳含量减少。

2.3 土壤有机碳空间分布特征

采用ArcGis9.3地理信息系统软件中的地统计模块，分析土壤有机碳密度的空间分布特征，完成土壤有机碳克里格插值的空间分析。克里格插值法（Kriging）也称空间局部估计法或空间局部插值法，它建立在半变异函数理论及结构分析基础上，根据待估样点（或待估地块）有限邻域内若干已测定的样点数据，在认真考虑样点的形状、大小、空间相互位置关系以及它们与待估样点间的空间位置关系，半变异函数提供的结构信息后，对待估样点进行线性无偏最优估计，最终得出待估样点某些属性（或性状）的空间分布插值图。

图2是昌图县表层土壤有机碳密度的空间分布插值图，显示了不同级别养分含量的分布状况。

从图2可以直观地看出，昌图县南部和东部土壤的有机碳密度较高，多在1.98～2.70 g/kg之間；西北部有机碳密度较低，维持在1.26g～1.78 g/kg之间。总的来看，昌图县土壤有机质分布呈现东南部向西北部递减的规律。

3 结论与讨论

从经典统计学分析结果来看，昌图县表层土壤有机碳密度表现出强度变异，可能是日益增强的人类活动所致。地统计学分析结果表明，昌图县表层土壤有机碳密度的空间变异函数可以用线性模型进行拟合，表层土壤有机碳密度的空间相关性较强。Kriging插值图直观地描述了昌图表层土壤有机碳密度的分布格局。总的来看，有机碳密度呈现从东南部向西北部递减的规律，这与昌图的农田利用状况息息相关。

同时，研究存在以下问题：1）仅对深度0～20 cm的土层进行分析，不能全面细致的说明问题。若想计算有机碳的储量，则需采集剖面0～100 cm的土样。在今后的研究中，需要进行深层次的样品采集。2）表层土壤有机碳密度受人为因素影响很大，要获得更为准确详实数据，需在更多的地点进行土样采集，且采样点位也需进行进一步确定；3）对土壤有机碳含量的研究内容不够全面，拟在将来做更为深入的研究。

参考文献

[1] 潘根兴.中国土壤有机碳库及其演变与应对气候变化[J].气候变化研究进展，2008，4（5）：282-289.

[2] 金峰，杨浩，赵其国.土壤有机碳储量及影响因素研究进展[J].土壤，2000（1）：12-17.

[3] 薛正平，杨星卫，段项锁，等.土壤养分空间变异及合理取样数研究[J].农业工程学报，2002，7（4）：86-91.

[4] 雷志栋，杨诗秀.土壤特性时空变异性初步研究[J].水利学报，1985（9）：10-21.

[5] 陈彦，吕新.基于GIS和地统计学的土壤养分空间变异特征研究——以新疆农七师125团为例[J].中国农学通，2005，21（7）：389-

391.

《医学统计学》课程介绍 篇4

随着现代医学的发展，正确地运用统计方法进行实验设计和处理实验数据，对提高医学科研水平，具有十分重要的现实意义。

医学统计学是用统计学的原理和方法研究医学，特别是预防保健和卫生事业管理中数据的收集、整理与分析的一门应用科学；是开展医学研究的重要手段，认识和揭示医学领域里各种数量特征的科学分析方法，使医学科研得以成功的一种重要辅助工具。它通过对事物数量关系的详尽描述和比较，进一步认识其客观规律性，是从事预防医学和卫生事业管理人员必须具备的重要工具和研究手段。

本课程将阐述数据处理的基本统计理论和方法，结合实例分析加深理解统计方法在实际工作中的正确应用；介绍卫生服务统计与居民健康统计的内容，运用各种分析方法和计算手段，开发统计信息资源，为预防保健工作和卫生决策、管理提供依据。

本课程的主要内容有两个方面：第一个方面是医学统计学基本概念和方法，其中包括总体和样本等基本概念、计量资料和计数资料的统计描述方法、单个样本数据的参数估计、两个或多个样本数据比较的假设检验，以及常用综合评价方法等；第二个方面是卫生服务统计与居民健康统计，其中包括疾病统计、卫生服务调查统计、医学人口统计及寿命表。通过这两个方面的教学，达到掌握卫生统计学的基本概念和基本方法，培养统计思维方法和能力，了解卫生领域统计工作的基本步骤，学会用卫生服务统计和居民健康统计等方面的统计指标综合评价人群健康状况。

本课程的讲授中必须贯彻理论联系实际的原则，采用医学中的实例，讲述基本概念及基本原理，采取启发性教学原则，把统计思维方法的训练作为课堂教学的内容，对于统计公式着重讲解其意义、使用方法、应用条件和应用时注意事项，不必追究公式的数学原理和推导过程。同时通过课堂实习、课堂讨论、课后复习、完成作业，使学生熟悉统计的基本理论、掌握统计方法的应用、加深对基本理论和基本概念的理解，进一步掌握基本方法。

要求学生在完成课程学习后，能够在了解、熟悉和掌握三个层面上把握课程内容，其中：

①有关原理和概念的内容，“了解”层面包括“了解、知道”；“熟悉”层面包括“熟悉、理解、说明、描述、简述、列举”；“掌握”层面包括“掌握、阐述、应用和分析”。

《经济统计学》课程学习体会 篇5

我将有关《经济统计学》的知识在实际工作中加以应用，取得了很好的效果，也加深了自己对《经济统计学》这门课程的理解和掌握。

以前，我常常不知道那些客户的有关具体信息和购买习惯，在学习了统计学这门课程后，我对自己的客户资料进行的整理并对他们的购买记录做了统计分析和研究。这样，我就可以提前知道客户特别是重点客户的产品需求与服务需要以及自己的发展重点。我还在运用统计分析的结果后获得了客户的好感与信任，也获得了新的客户和新的订单。

统计学课程学习心得体会 篇6

统计学课程学习心得体会1

统计学（statistics）一门收集，整理，显示和分析统计数据的科学，目的是探索数据内在的数量规律性。从定义中不难看出，统计学是一门针对数据而展开探求的科学。在实验中，对数据的筛选和处理就成为了比较重要的内容和要求了。同时对数据的分析也离不开相关软件的支持。因此，eexcel软件的安装与运行则变成了首要任务。

实验过程中，对excel软件的安装因要求具体而变的相对简单。虽然大多数计算机都已内存此软件，但在实验中通过具体的操作亦可以提高自己的计算机操作水平。接下来的重头戏就是对统计数据的输入与分析了。按excel对输入数据的要求将数据正确输入的过程并不轻松，既要细心又要用心。不仅仅是仔细的输入一组数据就可以，还要考虑到整个数据模型的要求，合理而正确的分配和输入数据。因此，输入正确的数据也就成为了整个统计实验的基矗

数据的输入固然重要，但如果没有分析的数据则是一点意义都没有。因此，统计数据的描述与分析也就成了关键的关键。对统计数据的众数，中位数，均值的描述可以让我们对其有一个初步的印象和大体的了解，在此基础上的概率分析，抽样分析，方差分析，回归问题以及时间序列分析等则更具体和深刻的向我们揭示了统计数据的内在规律性。在对数据进行描述和分析的过程中，excel软件的数据处理功能得到了极大的发挥，工具栏中的工具和数据功能对数据的处理是问题解决起来是事半功倍。

通过实验过程的进行，对统计学的有关知识点的复习也与之同步。在将课本知识与实验过程相结合的过程中，实验步骤的操作也变的得心应手。也给了我们一个启发，在实验前应该先将所涉内容梳理一遍，带着问题和知识点去做实验可以让我们的实验过程不在那么枯燥无谓。同时在实验的同步中亦可以反馈自己的知识薄弱环节，实现自己的全面提高。

本次实验是我大学生活中不可或缺的重要经历，其收获和意义可见一斑。首先，我可以将自己所学的知识应用于实践中，理论和实际是不可分的，在实践中我的知识得到了巩固，解决问题的能力也受到了锻炼；其次，本次实验开阔了我的视野，使我对统计在现实中的运作有所了解，也对统计也有了进一步的掌握。

在实验过程中还有些其它方面也让我学到了很多东西，知道统计工作是一项具有创造性的活动，要出一流成果，就必须要有专业的统计人才和认真严肃的工作态度。在实践的校对工作中，知道一丝不苟的真正内涵。

通过本次实验，不仅仅是掌握操作步骤完成实验任务而已，更重要的是在实验中验证自己的所学知识的掌握和运用。统计学的学习就是对数据的学习，而通过实验可以加强我们对统计数据的认知和运用，更好的学习统计学的知识。虽然实验时间很短暂，但对统计知识掌握的要求并没有因时间的短暂而减少，相反我们更得努力掌握和运用统计学的新知识，提高自己的数据分析和处理能力，促进统计学的新发展。以上就是我这次实验的一些心得体会，希望可以对自己有所帮助。

统计学课程学习心得体会2

花几天时间，整体复习了一遍统计学，准确的来说是从第一页开始较为仔细的阅读了一遍《统计学》这本教科书。随后统计为我打开了另一扇窗，让我得以从不同的视角重新思考这门让我痛苦了一个学期的课程。至此统计学不再仅仅是一些无数抽象公式的代名词，而是一门理论联系实际，工作活动中不可或缺的一门重要科学。

《总论》和《统计数据》的内容比较简单，引出概念，复习以往学习过的知识。就在我们放松警惕，大呼统计学一点也不难的时候，《抽样估计》彻底震住了自鸣得意的我们。

理论上来说《假设检验与方差分析》的内容要难于《抽样估计》。但是个人觉得《抽样估计》的行文并不像《假设检验》那么好理解。《统计学》这本书喜欢先向学生介绍很多概念和公式，再将公式引用到例子中来解决问题。然而在介绍公式的同时，学生往往不了解这些公式真正的意义和使用方法，单纯的死记硬背效率颇低。拿《抽样估计》来说，计算抽样平均误差的公式之多，方法之众，让同学们的脑袋混沌了好久。大家私下交流，混沌的原因在于不知道这些公式的来龙去脉，只将条件带入相应的公式计算答案的方法是以前没有经历过的，需要一段时间的适应过程。

《假设检验与方差分析》开篇给同学举了两个例子来阐明假设检验的基本思想。个人认为，这两个例子是点睛之笔。在学习的开头就让学生了解到第五章的基本内容，以及假设检验在实际应用中的意义。就像写小说先抛出一个悬念吸引读者读下去。阅读两个例子后我会不禁思考，如果实际中遇到类似的.问题，有什么方法可以避免犯“弃真”或者“采伪”的错误。带着疑问去学习，才是真正的自主学习的过程。

《相关与回归分析》同样吸引人。因为之前我片面的认为相关关系没有确切的规律可循，更不容说计算出事物的内在联系了。然而科学证明，不但相关系数可以计算出来，回归方程也可以用来做分析预测。我想起了一句话：任何学科脱离了统计都将不是科学。只有统计能仅凭现象就能分析归纳出事务的内在联系，给我们呈现出一个更明朗的世界。

《时间序列分析》在我看来是和我的专业———国贸联系最紧密的学科。运用所学到的知识可以分析出公司销售额的各种增长情况，公司的销售额有什么样的季节变化规律，还能建立一个模型对未来的财务情况做出预测。

《统计指数与综合评价》中“综合法指数”的计算用到了《微积分》的相应知识。在《微积分》中不知所云的内容却可以通过统计学的学习恍然谈大悟。多亏了老师深入浅出的讲解，让我在短短一个学期里既巩固了旧知识又学到了许多有用的新知识。

统计学课程学习心得体会3

在两天的统计学实验学习中，加深了对统计数据知识的理解和掌握，同时也对excel操作软件的应用，统计学实验心得体会。下面是我这次实验的一些心得和体会。

统计学（statistics）一门收集，整理，显示和分析统计数据的科学，目的是探索数据内在的数量规律性。从定义中不难看出，统计学是一门针对数据而展开探求的科学。在实验中，对数据的筛选和处理就成为了比较重要的内容和要求了。同时对数据的分析也离不开相关软件的支持。因此，eexcel软件的安装与运行则变成了首要任务。

实验过程中，对excel软件的安装因要求具体而变的相对简单。虽然大多数计算机都已内存此软件，但在实验中通过具体的操作亦可以提高自己的计算机操作水平。接下来的重头戏就是对统计数据的输入与分析了。按excel对输入数据的要求将数据正确输入的过程并不轻松，既要细心又要用心。不仅仅是仔细的输入一组数据就可以，还要考虑到整个数据模型的要求，合理而正确的分配和输入数据。因此，输入正确的数据也就成为了整个统计实验的基矗

数据的输入固然重要，但如果没有分析的数据则是一点意义都没有。因此，统计数据的描述与分析也就成了关键的关键。对统计数据的众数，中位数，均值的描述可以让我们对其有一个初步的印象和大体的了解，在此基础上的概率分析，抽样分析，方差分析，回归问题以及时间序列分析等则更具体和深刻的向我们揭示了统计数据的内在规律性。在对数据进行描述和分析的过程中，excel软件的数据处理功能得到了极大的发挥，工具栏中的工具和数据功能对数据的处理是问题解决起来是事半功倍。

通过实验过程的进行，对统计学的有关知识点的复习也与之同步。在将课本知识与实验过程相结合的过程中，实验步骤的操作也变的得心应手。也给了我们一个启发，在实验前应该先将所涉内容梳理一遍，带着问题和知识点去做实验可以让我们的实验过程不在那么枯燥无谓。同时在实验的同步中亦可以反馈自己的知识薄弱环节，实现自己的全面提高。

本次实验是我大学生活中不可或缺的重要经历，其收获和意义可见一斑。首先，我可以将自己所学的知识应用于实践中，理论和实际是不可分的，在实践中我的知识得到了巩固，解决问题的能力也受到了锻炼；其次，本次实验开阔了我的视野，使我对统计在现实中的运作有所了解，也对统计也有了进一步的掌握。

在实验过程中还有些其它方面也让我学到了很多东西，知道统计工作是一项具有创造性的活动，要出一流成果，就必须要有专业的统计人才和认真严肃的工作态度。在实践的校对工作中，知道一丝不苟的真正内涵。

通过本次实验，不仅仅是掌握操作步骤完成实验任务而已，更重要的是在实验中验证自己的所学知识的掌握和运用。统计学的学习就是对数据的学习，而通过实验可以加强我们对统计数据的认知和运用，更好的学习统计学的知识。虽然实验时间很短暂，但对统计知识掌握的要求并没有因时间的短暂而减少，相反我们更得努力掌握和运用统计学的新知识，提高自己的数据分析和处理能力，促进统计学的新发展。以上就是我这次实验的一些心得体会，希望可以对自己有所帮助。

统计学课程学习心得体会4

统计学是我们班这个学期开设的课程，虽然只有短短一个学期的课程，但是通过这一学期的学习，我们对统计学应用领域及其内性和基本概念有了一个基本的了解，可以说，这一学期我的收获颇丰。

就统计学这门课程来说，了解到统计学是一门研究如何根据事物的随机性规律来收集、分析、处理数据并利用其进行推断的科学，只要有数据的地方，就会用到统计学；是研究如何用科学的方法收集、整理、分析实际数据，并通过统计所特有的统计指标和指标体系，表明所研究的规模、水平、速度、比例和效益，以反映其现象发展规律在一定时间、地点、条件的作用下，描述其现象数量之间的关系和变动规律。

其实这门学科有两大难点：统计有许多相似的概念，要求理解内涵，辨别异同和实际应用。对于公示不能像数学那样，只从抽象的式子到式子的变换，而是理解公示整体和每个符号的统计含义，掌握公式的使用条件，体会应用的灵活性。通过老师上课授教和课后不断的学习，对这两大难点已经克服。结合到平时的工作学习，我能比较快的理解并能掌握统计学的一些知识。

我们学习统计学的目的是运用统计思想进行分析，在实践工作中，要善于利用统计的思维方式思考，在纷繁复杂的社会实践中，要学会发现数字、分析数字、并使用数字说话；掌握基本的统计方法，要掌握统计工作中涉及到基本统计概念和基本统计计算方法，能够阅读常规的统计报告，了解统计指标的含义，同时，能够自己处理常见的统计问题，锻炼统计的计算能力。

以上就是我的学习体会，我要树立终身学习的理念，不断学习，不断充实，积极探索，逐步成熟。在日常的生活学习中，要学会自己运用统计学知识处理各种问题，为生活提供便利。

统计学课程学习心得体会5

在两天的统计学实验学习中，加深了对统计数据知识的理解和掌握，同时也对excel操作软件的应用。下面是我这次实验的一些心得和体会。

统计学（statistics）一门收集，整理，显示和分析统计数据的科学，目的是探索数据内在的数量规律性。从定义中不难看出，统计学是一门针对数据而展开探求的科学。在实验中，对数据的筛选和处理就成为了比较重要的内容和要求了。同时对数据的分析也离不开相关软件的支持。因此，eexcel软件的安装与运行则变成了首要任务。

实验过程中，对excel软件的安装因要求具体而变的相对简单。虽然大多数计算机都已内存此软件，但在实验中通过具体的操作亦可以提高自己的计算机操作水平。接下来的重头戏就是对统计数据的输入与分析了。按excel对输入数据的要求将数据正确输入的过程并不轻松，既要细心又要用心。不仅仅是仔细的输入一组数据就可以，还要考虑到整个数据模型的要求，合理而正确的分配和输入数据。因此，输入正确的数据也就成为了整个统计实验的基矗

数据的输入固然重要，但如果没有分析的数据则是一点意义都没有。因此，统计数据的描述与分析也就成了关键的关键。对统计数据的众数，中位数，均值的描述可以让我们对其有一个初步的印象和大体的了解，在此基础上的概率分析，抽样分析，方差分析，回归问题以及时间序列分析等则更具体和深刻的向我们揭示了统计数据的内在规律性。在对数据进行描述和分析的过程中，excel软件的数据处理功能得到了极大的发挥，工具栏中的工具和数据功能对数据的处理是问题解决起来是事半功倍。

通过实验过程的进行，对统计学的有关知识点的复习也与之同步。在将课本知识与实验过程相结合的过程中，实验步骤的操作也变的得心应手。也给了我们一个启发，在实验前应该先将所涉内容梳理一遍，带着问题和知识点去做实验可以让我们的实验过程不在那么枯燥无谓。同时在实验的同步中亦可以反馈自己的知识薄弱环节，实现自己的全面提高。

本次实验是我大学生活中不可或缺的重要经历，其收获和意义可见一斑。首先，我可以将自己所学的知识应用于实践中，理论和实际是不可分的，在实践中我的知识得到了巩固，解决问题的能力也受到了锻炼；其次，本次实验开阔了我的视野，使我对统计在现实中的运作有所了解，也对统计也有了进一步的掌握。

在实验过程中还有些其它方面也让我学到了很多东西，知道统计工作是一项具有创造性的活动，要出一流成果，就必须要有专业的统计人才和认真严肃的工作态度。在实践的校对工作中，知道一丝不苟的真正内涵。

通过本次实验，不仅仅是掌握操作步骤完成实验任务而已，更重要的是在实验中验证自己的所学知识的掌握和运用。统计学的学习就是对数据的学习，而通过实验可以加强我们对统计数据的认知和运用，更好的学习统计学的知识。虽然实验时间很短暂，但对统计知识掌握的要求并没有因时间的短暂而减少，相反我们更得努力掌握和运用统计学的新知识，提高自己的数据分析和处理能力，促进统计学的新发展。以上就是我这次实验的一些心得体会，希望可以对自己有所帮助。

统计学课程学习心得体会6

本学期我们专业开设了《统计学原理》课程，通过近一个学期的学习我们对统计学应用领域及其类型和基本概念有了一个基本的了解，掌握了数据的收集、展示、分析的技术。但这都是些书本上的理论知识，是纸上谈兵。理论须用来指导实践，把我们学习到的理论知识运用到我们的工作和生活中去，这是我们学习的目的。

对于本人而言，数学功底不是很好，在没学统计学之前就感觉统计学会很枯燥无味，对这门课程有些恐惧。但通过这学期的学习，感觉并没有想象的那么难学，再加上秦老师幽默风趣的讲解，使复杂的问题变得通俗易懂，老师通过举例说明问题的方法使问题变得简单化，容易理解，再通过课堂上做习题，加深了对问题的理解。同时，老师基本上都是在课堂上让我们做完习题，这样给我们减轻了很多课余的时间，学起来比较轻松。

地统计学课程论文 篇7

地统计 (Geostatistics) 又称地质统计, 是在法国著名统计学家Matheron G大量理论研究的基础上逐渐形成的一门新的统计学分支。它是以区域化变量为基础, 借助变异函数, 研究既具有随机性又具有结构性, 或空间相关性和依赖性的自然现象的一门科学。凡是与空间数据的结构性和随机性, 或空间相关性和依赖性, 或空间格局与变异有关的研究, 并对这些数据进行最优无偏内插估计, 或模拟这些数据的离散性、波动性时, 皆可应用地统计学的理论与方法。

气象站点是有限的, 而且只能代表一定区域内气象要素的分布情况, 对广大非气象站点所在区域内气象要素的分布情况只能通过推算求得。随着现代生态学和全球变化科学的发展, 迫切需要高时空分辨率、空间栅格化的气象要素数据。近年来, 基于地理信息系统 (GIS) 技术, 利用地面观测的气象资料研究气象要素栅格化方法, 已成为国内外生态学、地学研究的重要任务之一[1,2]。

20世纪80年代, 以傅抱璞、翁笃鸣、卢其尧等为代表的学者通过数值统计模拟方法 (如分离综合法、统计模拟法、回归余项法、小地形温差估算法等[3,4,5]) 获得了非气象站点所在区域内气象要素的空间分布情况。20世纪90年代以来, 随着GIS技术在我国国内的迅速发展和应用, 在GIS应用软件中提供了许多空间插值方法, 为研究气象要素的空间分布提供了解决途径[6,7,8,9]。常用于气象要素空间插值的方法有反距离权重法 (Inverse Distance Weighing) 、多项式插值法 (Interpolating Polynomials) 、克里格法 (Kriging) 、样条插值法 (Spline) 等[10,11,12,13]。

本文利用3种方法对黄土高原南部地区139个台站的气温和降水进行了空间插值, 并利用交叉检验法对结果的精度进行了评估。这3种方法分别为:径向基函数插值法 (Radial Basis Function) 、普通克里格法 (Ordinary Kriging) 和反距离权重插值法 (Inverse Distance Weighing) 。

2 数据来源与方法

2.1 数据来源

气象资料为黄土高原南部地区139个气象台站年均气温、年均降水量数据及黄土高原南部地区范围的矢量数据。其中, 黄土高原南部地区气象台站的空间分布见图1。

2.2 径向基函数法 (Radial Basis Function)

径向函数是指峰状型的函数, 如高斯函数:

undefined

式中, x、x0为n维的向量, ‖x-x0‖=

undefined。

径向基函数 (Radial Basis Function) 插值法 (Multiquadric方法) 采用的插值函数为[6]:

undefined;[ (x-xj) 2+ (y-yj) 2+c2]1/2, j=1, 2, …, n。

式中, c为常数, 一般取1。将n个点 (xi, yi) 的实测值fi代入上式建立联立方程:

undefined

式中, fi为气象站点气象要素值, n为用于气象要素插值的气象站点数目。求解此线性方程组可获得待定系数aj (j=1, 2, …, n) , 将这些值代回插值函数式, 即为通过各实测数据点且处处连续光滑的曲面方程。在数据点数量不大的情况下, Multiquadric法计算简单。近20年间该方法在水文测量、大地测量、地质及采矿、地球物理等领域得到广泛应用, 效果良好。

2.3 普通克里格法 (Ordinary Kriging)

普通克里格法是利用区域化变量的原始数据和变异函数的结构特点, 对未采集样点的区域化变量取值进行线性无偏最优估计的一种方法。使用公式表示为[14]:

undefined

式中, Z为待估计的气象要素栅格值, λi为赋予气象站点气象要素的一组权重系数, n为用于气象要素插值的气象站点数目, (xi) 为气象站点气象要素值。为满足无偏性和最优性两个条件, 通过建立以下克里格方程组来确定权重系数。

undefined

式中, C (υi, υj) 为气象站点之间的协方差函数, C (υi, V) 为气象站点与插值点之间的协方差函数, μ为拉格朗日乘数。

2.4 反距离权重法 (Inverse Distance Weighing)

逆距离权重法是对采样点进行线性加权来决定输出的栅格值, 加权与距离成反比, 输入点离输出栅格越远, 它对输出栅格的影响越小。使用公式表示为[15]:

undefined

式中, Z为待估计的气象要素栅格值, Z (xi) 为第i (i=1, 2, …n) 个气象站点的气象要素值, n为用于气象要素插值的气象站点数目, di为插值点到第i个气象站点的距离, p为距离的幂。

2.5 数据处理

利用地理信息系统软件ArcGIS 9.3的空间分析模块 (Spatial Analyst) 和地理统计模块 (Geostatistical Analyst) [14,15]提供的3种插值方法:径向基函数插值法、逆距离权重法和普通克里格法, 并且在插值的过程中针对不同数据提供了最优参数, 选择最优参数的唯一标准是在交叉检验中得到最小的均方根误差。属性数据的处理采用Excel 2000。主要工作为:将139气象站点的经度、纬度和年均温与年降水量数据在ArcGIS中生成点shp文件, 分别使用3种空间插值方法 (径向基函数插值法、逆距离权重法和普通克里格法) 生成年均温栅格图和年降水量栅格图, 并使用交叉检验法检验插值精度。

2.6 检验方法

采用交叉检验 (Cross-validation) 法对年均温与年降水量的空间插值结果进行精度检验。即假设某一个气象站点的气温 (降水量) 未知, 用其他所有气象站点来估算该气象站点的气温 (降水量) , 通过计算所有139个气象站点的实际气温值 (降水量) 与估算值之间的误差来评判空间插值方法的精度。一般用平均绝对误差、均方根误差作为检验精度的标准。前者反映了样本数据估值的总体误差或精度水平, 后者反映了样本数据的估值灵敏度和极值。

3 结果分析

3.1 不同插值方法预测回归方程与误差检验

通过比较径向基函数、反距离权重和普通克里格的均值 (Mean) , 标准平均值 (Mean Standardized) , 均方根预测误差 (Root_Mean_Square) , 平均标准误差 (Average Mean Error) , 标准均方根预测误差 (Root_Mean_Square Standardized) , 见表1。从表1可见, 3种空间插值方法对研究区域气象要素进行统计内插的效果都比较好。对气温来说, 径向基函数法最好, 其次是反距离权重法和普通克里格法最好;对降水来说, 普通克里格法最优, 均方根法预测误差最小, 由此可见普通克里格法的精度较高。

3.2 不同插值方法气象要素预测值空间分布

图2 (见封二) 与图3 (见封二) 分别为黄土高原南部地区年平均温度和年降水量的插值结果。由图2、图3可知:①年平均温度范围为4.605—14.548℃, 10℃以上的地区主要分布在关中平原西南部, 天水市的东南部, 河南省的三门峡市和洛阳市、荥阳县、巩县, 山西南部的大部分地区。年平均温度是指一年中最热月份和最冷月份的平均温度之差。影响气温变化的因素较多, 主要有经纬度位置、太阳辐射强度、大气状况、下垫面性质等。本文温度较高的地方主要分布在研究区的南部, 其一是因为低纬度地区气温的年较差幅度小于高纬度;其二是因为大部分城市分布在南部, 使大量的废弃颗粒存在于空中, 增强了大气对地面的保温作用。②年降水量范围在264.125—884.903mm之间, 降水量多的地区主要包括关中平原、天水市、山西东部和河南省的洛阳市、荥阳县、巩县。降水量用来表征某地区降水的多少, 受地理位置、大气环流、海陆位置、下垫面性质、人类因素的综合影响, 该研究区降水量多的地区植被覆盖度较高, 水分充足, 空气中的水分容易凝结产生降雨;而降水少的地区空气中水分含量较少, 不易成云致雨。

4 结论与讨论

统计学专业课程体系的整体优化 篇8

关键词：人才培养课程体系；整体优化；统计学

按照“知识、能力、应用”三维立体化的统计学专业人才教育模式培养应用统计专业人才，关键在于实现专业课程体系的整体优化。而课程体系整体优化涉及到各个方面、各个层次、各个分支和各个环节。从教学整体优化来看，涉及到专业课程体系、教学内容、教学方法、考试模式、实践环节、专业实习等诸多环节。因此，教学整体优化是一项多元化的系统工程，本文仅从统计学专业课程体系的整体优化和实现路径方面进行研究。

一、专业课程体系设计与整体优化

专业课程体系整体设计与优化是整个本科教育培养模式整体优化的重中之重，这是因为专业课程体系的合理化、科学化既关系到学生的学习质量和学到什么样的知识模块，又关系到怎样开发和培养学生的智力、能力等。专业课程体系整体设计与优化应按下列原则来进行：

1.必须按照国家、教育管理部门、学校等对本专业的培养目标和培养层次进行清晰定位。统计学专业的学生应具备数学扎实基础、统计学理论基础、统计学五大方法应用、经济、金融、管理、计算机应用、统计软件等方法的知识；应以夯实基础，注重实践性，增强应用性为目标的高级专门应用型人才。

2.必须以统计学专业的主干学科为依据。1998年教育部颁布的《普通高等学校本科专业目录和专业介绍》中，主干学科规定为：数学、统计学、经济学、管理学、计算机应用等学科。

3.必须考虑学生全面发展的需要。为了学生适应经济社会的发展和就业的需要，课程体系结构、实践能力结构应从全局上进行整体优化设计，首先要坚持宽基础。其次应坚持多出口。最后，应重视学生实践能力和人格的培养。

4.必须对本专业的各种知识、课程、软件等进行合理筛选，保证核心课程和重要软件进入到课程体系中去。

5.必须将其当成一个整体和一个系统来考虑。统计学专业人才课程体系整体优化设计，应注意知识模块、知识架构的合理性、系统性和整体性，共同构建一个科学、合理，有利于学生成长的整体，而不是相互分割的一些知识点。

6.必须突出一些统计学的重点方法课程，同时兼顾其他交叉应用的原则。

按照以上原则，统计学专业课程体系应是数学基础，统计学基础，人文素质基础，经济管理，统计应用，计算机应用，软件应用等全面，又突出重点的整体化体系。

二、课程体系整体优化的具体方法路径

1.合理划分课程模块。应按学生应掌握的知识需要来搭配课程模块，使课程体系从整体上形成有效、合理、够用的知识体系，达到提高学生培养质量。

2.合理分配各课程模块的学分和学时，以及相应的实践课时数、实验课时数等。应在要求总学分、总学时的前提下，根据各课程模块中课程的内容重要性，难度系数，内容多少等，本着强化基础、注重实践性、增强应用性的统计学专业人才培养的需要，合理分配各课程模块的学分和学时，并在不断的实践中总结经验，不断更新，不短调整，紧跟时代发展，广泛征求国内外同行的需要，初步构建科学合理的方案。

3.打造合理的课程设置和教学要求。①基础课程模块应坚持基础扎实的理念。其中数学类课程应重点建设好高等代数和数学分析等基本课程，同时还可以排最优秀的老师开设此课，英语应重点培养学生的实际的听说读写译的能力，英语教学应在前两年开设公共英语课，后两年结合专业课开设，比如采用英语课本或专业英语或双语课程等。政治理论类课程应重点提升学生的道德、信用、世界观、法律意识和做人的原则等课程，体育课程应提倡野蛮其体魄，优化生理机能，快乐发展特长等元素。②人文类课程模块应本着加强文明素质、文化熏陶，提升写作和说话能力，扩大学生的眼界，培养学生的感性思维，全面开发大脑的思维，提升学生综合素质来构建课程体系。③经管等应用结合科目应考虑统计学专业所需要的经管、金融、会计、精算、风险管理等知识，重点打算一些实用性强的课程，并能结合统计学专业知识开设就更好，让学生能体会到统计学的广泛的用处，提高学生应用统计学方法的能力。

4.统计学方法课程是统计学专业的关键模块，应重点开设五大统计方法，并兼顾其他，重点开设数理统计、多元统计分析、回归分析、时间序列分析、调查与分析、试验设计、预测与决策，同时，可将非参数统计、精算学、风险管理、统计质量管理、生物医学统计等列入专业选修课之中，供学生选学。

5.计算机应用课程模块是统计学专业应用统计方法的关键基础，应重点开好计算机基础、数据结构与算法设计、数据库技术、数据仓库、数据挖掘等方面的课程。

6.集中实践教学环节应以提高学生的实践能力和动手能力为根本，合理安排和组织课程设计、学年论文、认识实习、社会调查、专业实习、毕业实习、毕业设计、统计软件编程、软件综合应用等实践性教学环节。

7.课程体系不是固定不变，要建立动态跟踪和反馈机制，总结经验，汲取教训，借鉴国内外同类专业的优秀做法，不断更新课程体系，不断充实和完善。课程体系的好坏关系到是学生学到的本领，也关系到专业人才培养目标以及未来的就业、考研和出国等。

参考文献：

[1]苏理云，叶志勇，李姣军.案例教学在统计学专业中的应用[J].重庆理工大学学报（自然科学版），2009，（23）：131-132.

[2]苏理云，叶志勇，李凤兰.案例驱动和课题带动的统计学应用课程教学模式探索[J].中国科技纵横，2010，90（6）：121.

[3]苏理云，叶志勇，刘仁彬，高红霞，胡爱平.随机积分案例教学——以金融衍生产品定价为例[J].中外教育研究，2011，（1）.

作者简介：苏理云（1977-），男，重庆理工大学副教授，博士，副主任，研究方向为应用统计和统计学教育。

地统计学课程论文 篇9

【基本概念】

1、什么是统计学

statistics的含义和统计学的定义：收集、分析、展现和解释数据的科学。统计学的分科：描述统计学和推断统计学、理论统计学和应用统计学。统计和统计学发展史。

2、统计学的范畴

总体。样本。变量。

数字特征（参数、统计量、统计指标）。

相关关系。时间序列。统计指数。统计决策。

3、测量

测量。测量尺度。

测量水平：名义水平尺度、顺序水平尺度、距离水平尺度、比例水平尺度。变量和随机变量

国民经济核算。国民经济核算体系。国民经济核算基本原则。国民经济统计主要分类。

4、统计数据的来源、种类和质量

直接获取数据：调查和试验。间接引用数据。

定性数据和定量数据。截面数据和时间序列。

【基本方法】

5、分布表

次数表。频率表。累积分布表。

6、单变量分布图

直方图。条形图。饼图。

茎叶图。箱线图。

连续变量。分布密度

7、数字特征

位置描述量：极值和离群值、分位数、中心位置（众数、中位数和均值）。

散布描述量：分位数差（全距、IQR）、均值离差（平均差、标准差、方差、离散系数）。形态描述量：基本类型、偏度、峰度。

8、散点图（散点图矩阵）

9、简单线性相关

SCP。COV。CORR。

10、简单线性回归

模型。OLSE和样本回归方程的意义。拟合优度（决定系数、Root MSE）。

11、时间序列线图

12、速度

定基发展速度、环比发展速度、年距发展速度、平均发展速度、年度化发展速度。定基增长速度、环比增长速度、年距增长速度、平均增长速度、年度化增长速度。

13、平滑分析技术

简单平均法。移动平均法。指数平滑法。

14、组合模型和传统分解

加法模型及其分解。乘法模型及其分解。

15、时间趋势模型

模型种类。模型识别。参数估计。

16、综合指数

简单综合指数及其局限。

加权综合指数及其特点。常见的综合指数。

同度量因素及其作用。

17、平均指数

简单平均指数及其局限。

加权平均指数及其特点。常见的平均指数。

18、因素分析

复杂总体的两因素分析。

19、国民经济统计指标

国民经济生产、分配、最终使用指标，对外经济往来指标，资产负债与国民财富指标。

20、国民经济分析指标