HI,欢迎来到好期刊网!

统计学统计方法

时间:2023-07-27 16:15:14

导语:在统计学统计方法的撰写旅程中,学习并吸收他人佳作的精髓是一条宝贵的路径,好期刊汇集了九篇优秀范文,愿这些内容能够启发您的创作灵感,引领您探索更多的创作可能。

统计学统计方法

第1篇

关键词: 生物统计学 教学方法 实践应用 慕课平台

生物统计学是所有生命科学专业里面最重要的专业课程之一,它的基础是高等数学,概率论、微积分及线性代数是这门课程理论知识体系的核心工具,学好这门课程具有相关的数学基础是基本要求。生物统计学归根结底是为了应用,掌握相关的分析软件是学好这门课程的另一个基本要求。如何把理论体系和实践应用有机地结合起来,是教学中最核心的任务。作者在多年的生物学统计教学的基础上,从以下几个方面阐述这个问题。

1.理论知识的掌握

生物统计学是统计学的手段运用到生物学研究中,因此学好这门课程首先要熟练地掌握统计学相关理论知识。一般来说,高校在学生大一大二的时候开设与数学相关的所有课程,如概率论、线性代数等,为了更好地衔接,生物统计学课程就安排在大三的上学期。生物统计学很多的知识点和概率论与数理统计这门课程高度重合,很多情况下就是对这门课程的一个回顾,这对刚刚学完这门课的学生来说,掌握起来相对简单。而整个理论体系里面的难点是如何把统计学知识和生物学结合起来,这需要学生从思维上真正认识到统计学只有运用到实践中才能发挥作用,尤其在生物学领域中,统计学这个工具在具体的方案解决中的运用才是其生命力的体现。这就需要在教学过程中通过一个个案例分析让学生真正了解统计学是如何运用到实际应用中的,这对他们以后进行毕业论文实验结论的分析有重要的意义。

2.案例分析

上面提到理论知识的真正掌握是运用在实践中,生物统计学教材上也给予大量生物研究方面的案例,但不同的教材偏重点不同,如杜宋骞主编的教材,就是偏重于遗传学方面的知识运用。而你所面对的学生,以后进行的毕业论文研究涉及生物领域的方方面面,因此你所需要进行的案例分析不要仅局限于课本上,而要在各个领域搜寻典型的案例,尽可能地涵盖生命科学的几个主要学科,使学生以后面对任何方面的问题都能够找到相关的借鉴。另外,案例分析要注重案例的代表性和普遍性,尽可能地通过一个案例衍生出多种生物统计学的解决方案,让学生掌握在何种情况下运用何种分析方法,每种分析方法的适用条件是什么,各自的优缺点等。这是生物统计学最精髓的地方,经过这门课程的学习,让学生把这个工具真正运用到实践中,因此这是生物统计学教学的重中之重。这对教师的要求非常高,只有亲身在科研领域进行多年研究的老师才能胜任。因此在选择授课老师方面,科研经验丰富,带过多届研究生的导师是最佳人选。

3.分析软件的运用

生物统计学的计算是一个非常复杂的过程,一个简单的生物统计学分析要伴随大量的计算,如果仅靠人力计算,效率低不说,而且容易出错。在很多年前,统计学相关的软件就已经开始应用到生物统计学的领域。最著名的是SPSS软件,其他的像R,METLAB,ORIGIN等也在各个领域得到广泛的使用。正如前面所说,生物统计学授课的最根本目的是应用,因此理论知识转化到软件的操作,是这门课程的最后一步。SPSS功能强大,可以实现绝大多数的生物统计学分析,如果完全熟练地掌握这个软件工具,所需要的时间远远大于这门课的课时;因此在有限的教学时间里,应尽可能地把生物统计学最基本和最典型的分析教授给学生,并以此作为一个引子,在课余的时间里,让学生自学,根据自己的需要确定掌握到什么程度。老师的作用是把这个软件介绍给他们,并且开启应用的大门,里面的“宝藏”让学生自己挖掘。

4.大学生慕课平台的使用

第2篇

摘 要:随着我国经济发展水平的不断提高,各行各业得到了显著发展,数据统计学方法也变得日趋多样,数据挖掘是建立在数据库与人工智能基础上发展起来的一种高新技术,其功能是从众多的数据当中挖掘到最有价值的信息,进而实现对数据资源的高效利用。聚类分析能够被当成一种数据分析工具,能真实反映出数据分布情况,本文主要对统计学在数据挖掘中的应用进行了探讨,从而表现统计学在数据挖掘应用中的重要性。

关键词:统计学方法;数据挖掘;应用分析

数据挖掘就是指从众多实际应用数据中获取批量大、有噪声、且随机性强的数据,将潜在的信息与数据提取出来,就是从数据中挖掘有价值的知识,而大多数原始数据具有一定的结构化特征,比如,关系数据库中的数据;也可以通过文本、图形、图像等半结构化发掘有用知识,这些知识可以是数学的也可以是非数学形式的;数据挖掘能以归纳形式存在,能够被广泛应用到信息查询、信息管理、信息决策控制中,方便数据的维护与管理。由此可见,数据挖掘是一门交叉性强的学科,加强对其的研究非常有意义,下面将对统计方法在数据挖掘中的具体应用进行分析。

一、数据挖掘与统计学的关系

(一)数据挖掘的内涵

通常来说,数据挖掘的定义较为模糊,没有明确界定,大部分对其的定义只是停留在其背景与观点的内容上。通过对不同观点的统一整理,人们最终将其描述为:从大量多样化的信息中发现隐晦性、规律性等潜在信息,并对这些信息进行创造、加工的过程。数据挖掘作为一门重要的交叉学科,能够将数据库、人工智能、机器学习、统计学等众多的科学融入到一起,从而实现技术与理论的创新与发展[1]。其中,数据库、人工智能与统计学是数据挖掘当中的三大支柱理论。数据挖掘的目的是从数据库当中发掘各种隐含的知识与信息,此过程的方法非常多,有统计学知识、遗传算法、粗集方法、决策法、模糊逻辑法等,还可以应用向邻近的可视技术、模式识别技术等,在以上所有技术的支持上能够使数据挖掘更为科学、有序。

(二)数据挖掘与统计学间的关系

通常来说,统计学的主要功能是对统计原理与统计方法进行研究的科学。具体来说就是指对数字资料进行的收集、整理、排序、分析、利用的过程,数字资料是各种信息的归纳与总结,可以将其作为特性原理的认知、推理方法[2]。而统计学则表示的是使用专业的统计学、概率理论原理等对各种属性关系的统计与分析过程,通过分析成功找到属性间的关联与发展的规律。在此过程中,统计分析方法是数据挖掘最为重要的手段之一。

在数据挖掘这一课题被提出来之前,统计分析技术对于人们来说更熟悉,也是人们日常开展工作、寻找数据间规律最常使用的方法。但是不能简单的将数据挖掘作为统计学的延伸与替代工具,而是要将两者的区别认识到位,再结合两者间的不同特点分析其应用特点[3]。大部分的统计学分析技术都是建立在数学理论与技巧上的,预测通常较为准确,效果能够让大部分人满意。数据挖掘能够充分借鉴并吸收统计学技术,在融入到自身特点以后成为一种数据挖掘技术。

统计学与数据挖掘存在的目标都是一致的,就是不断对数据结构进行发掘。鉴于统计学与数据挖掘在目标上的一致性,致使很多研究学者与专家将数据挖掘作为了统计学的一个分支机构[4]。但是这种认知非常不正确,因为数据挖掘不仅体现在与统计学的关系上还体现在思想、工具与方法上,尤其是在计算机科学领域对数据挖掘起到的作用非常大。比如,通过借助数据库技术与人工智能的学习,能够关注到更多统计学与数据挖掘上的共通点,但是两者存在的差异依然非常大。数据挖掘就是指对大量的数据信息不断挖掘的过程,DM能够对数据模式内的数据关系进行充分挖掘,并对观测到的数据库处理有着极高的关注度。

二、数据挖掘的主要过程

从数据本身出发探讨数据挖掘过程,数据挖掘的过程分为信息的收集、数据集成、数据处理、数据变换、数据挖掘实施等过程。

首先,要将业务对象确定下来,明确不同业务定义,并认清数据挖掘的目的,这是做好数据挖掘最关键的一步,也是最重要的一步,虽然挖掘的结果不能被准确预测到,但却需要对问题的可预见性进行探索[5]。其次,还要做好数据准备工作,包含数据清理、数据变换等工作,数据清理的实际意义是将噪声与空缺值补全,针对这一问题,可以使用平滑技术,而空缺值的处理则是属性中最常见的,可以将统计中最可能出现的值作为一个空缺值[6]。

信息收集指的是按照特定的数据分析对象,可以将分析中需要的特征信息抽象出来,并在此基础上选择出较为科学、适合的信息收集方法,将全部的信息全部录入到特定的数据库中。如果数据量较大,则可以选择一个专门的管理数据的仓库,实现对信息的有效保护与管理;数据集成就是指将来源不同、格式不同、性质不同、特点不同的数据集成到一起,进而为企业提供更为全面、系统的数据共享平台;数据变换就是通过聚集、概化、规范化等方式对数据进行挖掘,对于一些实用数据,则可以通过分层与分离方式实现对数据的转换;数据挖掘就是结合数据仓库中的数据信息点,并选择正确的分析方法实现对有价值数据的挖掘,事例推理、规则推理、遗传算法等都是应用较多的方法[7]。

三、统计学方法中的聚类分析

在统计学聚类方法基础上能够构建出潜在的概率分布假设,可以使用试图优化的方法构建数据与统计模型的拟合效果。基于统计学聚类方法当中,Cobweb方法是在1987年由Fisher提出的,能够以分类树作为层次聚类创建的方法,在分类树上,每一个节点都能代表着一个概念,该方法就是对节点概率描述的过程。Cobweb方法还使用了启发式估算方式,使用分类效用对分类树的构建进行指导,从而实现对最高分类的划分目的,能够将不同分类对象全部归类到一个类别中,并依据这些内容创建出一个新的类别。但是这种方法也存在一定局限性,局限性在于假设的属性概率分布都是独立的,并不能始终处于成立状态中。

只有在掌握了Cobweb算法以后才能对概念聚类算法的特点进行探究。Cobweb算法能够以分类树方式创建层次聚类,可以将概率表现为p(Ai=Vii/Ck)条件概率,其中,Ai=Vij是一个类别下的,同属于一个值对,Ck是概念类中的一种。在给出一个特定的对象以后,Cobweb能够将全部对象整合到一个节点上,从而计算出分类效应,分数最高的效用就是对象所在的节点位置[8]。如果对象构建失去节点,则Cobweb能够给出一个新的节点,并对其进行分类使用,这种节点计算方法起步较晚,能够对现有的节点与计算相互对比,从而划分出最高的分类指标,将全部对象统一到已有的分类中,从而构建出一个新的类别。

Classitci是Cobw eb方法的一种延伸与发展,能够使用其完成聚类数据的处理,在该方法下,节点中的每一个存储属性都是处于连续分布状态中,能够将其作为分类效果修正的方法,并以度量的形式表现出来,这种度量基础上能够实现连续性的积分,从而降低分散发生率,该方法是积分过程而不是对属性的求和过程。

Auto Class方法也是一种应用较为普遍的聚类方法,该方法主要采用统计分析对结果类的数目进行估算,还可以通过模型搜索方式分析空间中各种分类的可能性,还能够自动对模型数量与模型形态进行描述。在一定类别空间中,不同的类别内属性存在关联性,不同的类别间具有相互继承性,在层次结构当中,共享模型参数是非常重要的。

还有一种使用较为普遍的模型是混合模型,混合模型在统计学聚类方法上使用也非常普遍。该方法最为基本的思想就是概率分布决定着每一种聚类状态,并且模型中的每一个数据都是由多个概率在分布状态下产生的。混合模型还能够作为一种半参数密度评估方法,其能够将参数估计与非参数估计的优点全部集中到一起,并将参数估计法与非参数估价法的诸多优点融合到一起,因为模型具有一定复杂性,为此,不能将其限制在概率密度函数表达形式上,这种复杂性决定了模型与求解存在关联,与样本集合的联系非常少。通过以上的研究可以了解到,数据发掘中应用聚类方法非常有效,并且较为常见。比如,构建出Cobweb模型与混合模型,采用Clara与Clarans方法中的抽样技术,将Denclue方法用在概率密度函数中。

结束语

统计学方法自产生开始已经有非常久远的历史,将严谨的数学逻辑作为基础,将分类算法假定作为独立条件,属性值之前能够相互保持独立,对假定进行计算,当假定成立时,可以再与其他分类算法进行对比,这种分类算法准确性非常高。为此,其不仅能够对连续值进行预测,还可以通过线性回归方程对系数进行比较,从而归纳出结果。

(作者单位:中国人民大学)

参考文献:

[1] 张爱菊.基于数据挖掘技术的瓦斯气体红外光谱定量分析方法的研究[J].光谱学与光谱分析,2013,33(10):2646-2650.

[2] 许长福,李雄炎,谭锋奇等.任务驱动数据挖掘方法的提出及在低阻油层识别中的应用[J].吉林大学学报(地球科学版),2012,42(1):39-46.

[3] 郑晓峰,王曙.基于粗糙集与关联规则的道路运输管理信息数据挖掘方法[J].华南理工大学学报(自然科学版),2014(2):132-138.

[4] 周复之.固定收益决策支持系统机理建模与数据挖掘的协同研究[J].系统工程理论与实践,2010,29(12):38-45.

[5] 张继福,张素兰,蒋义勇等.基于约束概念格的天体光谱局部离群数据挖掘系统[J].光谱学与光谱分析,2011,29(2):551-555.

[6] 张欣欣,缪弈洲,张月红等.CrossRef文本和数据挖掘服务――《浙江大学学报(英文版)》的实践[J].中国科技期刊研究,2015,26(6):594-599.

第3篇

多点地统计中,训练图像描述了对真实场景分布的一种潜在的表现形式,是对所期望获得场景的一种模拟。训练图像代替了传统地统计学中变异函数,为模拟结果提供先验知识。多点地统计利用分类后的图像所提供的空间信息来推断各类别间的分布关系和空间依赖,然后通过模拟的方法重现类别分布。根据这个思想,训练图像采用初步的光谱分类法所得到的土地覆盖图。当搜索模板扫描训练图像时,获得了由类别分布图案构成的各个数据事件。然后,统计每个数据事件发生的次数,其统计量存储在一个搜索树中,记录了训练图像的空间结构特征。模拟采用了正态等分模拟(singlenormalequa-tionsimulation,SNESIM)算法,遵循经典序贯算法的流程,根据搜索树记录数据事件的发生情况,模拟时逐点推断每个数据事件中间点的取值情况。假设一个随机变量c(u)可能取的类别值为k,对于变量c(u)=k的条件概率由贝叶斯公式决定,条件概率密度函数则直接从训练图像中获取。算法的步骤如下。

1)定义一个数据模板,从最粗尺度的格网开始,用扩展的模板扫描训练图像从而建立搜索树,扫描过程中将非空的数据事件存储在搜索树中。

2)定义一条路径,保证访问到所有未知点且只访问一次。

3)对于每个未知点u,保留模板中用来构建搜索树的条件数据,假设n′<n是条件数据的个数,d(un′)是对应的数据事件,计算搜索树中存储数据事件d(un′)的概率分布。若d(un′)在搜索树中没有重复,则放弃最远的一个条件数据,条件数据减少到(n′-1),再从搜索树中获取数据事件d(un′-1)的分布。如果条件数据减少到n′=1仍没有重复的数据事件d(un′)被找到,则条件概率由边缘概率取代。

4)从结点u的条件概率分布函数中模拟每个点的类别,将这些模拟值加入模拟格网中,作为下次模拟的制约条件。

5)继续访问路径中的下个结点,重复步骤3)、4),直至所有点都遍历到,得到了一次模拟图像;然后,用一条不同的路径,从步骤2)重复整个过程,产生另一次实现,直至所有结点都访问到。SNESIM允许将数据条件作为模拟的制约,共同作用于后验概率。其中,硬数据相当于监督分类的训练样本,在模拟中严格继承其位置和属性,软数据则给出每个像素所有可能类别的归属概率。

2实例分析

本文在利用传统的最大似然法对遥感影像进行分类的基础上,用多点地统计模拟对分类结果作后处理,对比算法为空间平滑方法和基于贝叶斯的马尔科夫随机场分类法。

2.1实验区域和数据

实验区域位于乌干达的索罗蒂区,采用美国陆地探测卫星系统LandsatTM获取的影像,轨道号为P171R59,获取时间是2001-04-17,正是雨季之始,影像中有很多湿地区域。影像被裁剪成9km×9km的大小。土地分类的参考数据是基于已有的研究成果,通过面向对象分类法和实地调绘所得,有水体、沼泽、水生植物和其他植被4个类别,如图1(b)所示。300个随机采样的类别作为训练样本用来实施监督分类,参考影像的所有点都作为测试数据以评价分类结果。

2.2实验过程

LandsatTM影像的1~5和7波段参与分类,分类器是最大似然法,然后,用一个3×3的模板对最大似然的结果进行空间平滑。根据式(2),在同样条件下实施基于贝叶斯的马尔科夫随机场分类法,能量求解采用的是基于Gibbs采样的模拟退火法。最后,应基于多点地统计模拟的后处理方法。训练图像是最大似然法的分类结果,300个训练样本作为硬数据的模拟条件,软数据是由最大似然法估计的后验概率而得。多点模拟的类别是基于100次模拟的占优类别平均图。

2.3实验结果分析

(c)~2(f)列出了几种方法的分类图。(d)的空间平滑去掉了(c)中的很多椒盐噪声。在空间平滑的窗口中,窗口的中心值用一个占优类别替代。这种无模型的平滑算法只利用了单一的滤波器,无法满足多类别、分布复杂的空间信息的需求。(e)中的马尔科夫分类法的结果中,水生植物类的平滑效果比空间滤波更甚,这是由于邻元簇影响参数的选取会导致同质性;水生植物类边缘呈现锯齿状,这是因为受4-连通的邻元簇的影响。水生植物类别分布广泛,而且很多都生长在沼泽的边缘地区。对于多点地统计模拟的结果,多次模拟实现具有平均效应,类别边缘比马尔科夫分类结果的连续性好。最大似然法的结果不仅噪声多,还存在明显的沼泽错分到水生植物类的情况。这种错分情况在空间平滑和马尔科夫分类法中依然可见,而在点地统计模拟的结果中有所改善。沿着沼泽类边缘分布的水生植物类别,空间平滑和最大似然法的结果噪声较多,而马尔科夫的分类结果又过于平滑,多点地统计模拟则比较完整地重现了这类边缘曲线分布,体现了多点地统计模拟在对曲线分布地物类别的细节处理上具有优势。

2.3.1分类精度

表1展示了§2.3节所述方法中两个重点类别的精度。可以看出,对沼泽和水生植物这两个类别,多点地统计模拟方法的生产者精度有较大提高,而多点地统计模拟和马尔科夫分类法都对用户精度有较大改善。多点地统计模拟的总体精度和Kappa系数均高于最大似然分类法、空间平滑法和马尔科夫分类法。沼泽类的用户精度在多点地统计模拟法中较最大似然法分类有所提高,但是其提高不如马尔科夫分类法显著。原因之一是训练图像和软数据的条件制约是用最大似然法得到的,本身存在误差。特别是对于软数据,即使最大后验概率对应的类别是正确的,但如果后验概率不够大,模拟时每次实现也容易出现错分的情况。另一个原因是沼泽类别的空间分布形态,其分布较集中,且呈连续块状区域。因此,这一部分的类别被多点地统计捕捉到时,受先验的空间关联性的影响,模拟时更倾向于重现平滑、呈块状分布的区域。而水生植物类有着广阔且连续的分布图案,沿着沼泽分布的边缘曲线部分具有连通性和强相关性,所以在模拟中被保留下来。因此,多点地统计模拟后处理的精度要高于马尔科夫分类法的精度。

2.3.2高阶统计分析

为诠释多点地统计的相关性,本文通过一个针对水生植物类别的三阶矩统计图,比较马尔科夫分类法和多点地统计模拟方法在高阶统计量上的区别。以东方向为起始方向,沿45°角逆时针方向探测3个点之间的空间相关性,即起始点与离起始点距离为h1和h2的点之间的相关性,横纵坐标分别为h1和h2。对角线的亮度和连续性表明水生植物类模式分布的空间相关性的强弱。左下角原对于水生植物类别,多点地统计模拟比马尔科夫分类法的结果具有更强的相关性和连续性。右上角的亮度范围在(b)中比(a)要稍大一些,说明多点地统计模拟的结果中的水生植物类分布细节比马尔科夫法更多。对于图案间的相关性,在(b)中约200个单元的位置出现亮斑,而对应在(a)中则不明显,是由于马尔科夫法比多点地模拟统计的结果平滑,且分为水生植物类别的像元要少。(b)的局部区域比(a)更亮,表明多点地统计模拟法对细节的捕捉程度比马尔科夫分类要好。因此,多点地统计模拟在对水生植物这种复杂空间分布的地物类别进行处理时要优于马尔科夫分类法。

3结语

第4篇

关键词:教育理论;统计学教育;教学方法

现代教学理念强调“以学生发展为本”,确立“学生主体观”,使学生积极主动地学习,以促进学生的终身发展。而建构主义理念正是倡导学生主动建构,自主学习。因此,以建构主义理论为依托进行课堂教学改革,具有重要的现实意义。本文仅以建构主义理论为指导,从学生“学”的特点出发,探讨统计学教师课堂“教”的特色方法。

一、建构主义理论学生“学”的特点

建构主义对学生学习活动的本质进行了科学的分析,认为学生学习有如下特点:

1、学生学习不是从零开始的,而是基于原有知识经验背景的建构。即学生在学习统计课程之前,头脑里并非一片空白。学生通过日常生活的各种渠道和自身的实践,对客观世界中各种自然现象已经形成了自己的看法,建构了大量的朴素概念或前学科概念。这些前概念形形,共同构成了影响学生学习统计学概念的系统。学生的前概念是极为重要的,它是影响统计学学习的一个决定性的因素。前概念指导或决定着学生的感知过程,还会对学生解决问题的行为和学习过程产生影响。

2、学生学习知识是一个主体建构的过程,要突出学习者的主体作用。学习不仅仅是知识由外到内的转移和传递,而是学习者主动地建构自己的知识经验的过程,即通过新经验与原有知识经验的反复的、双向的相互作用,充实、丰富和改造学习者原有的知识经验。在这种建构过程中,学生一方面对当前信息的理解要以原有的知识经验为基础,超越外部信息本身;另一方面,对原有知识经验的运用又不只是简单地提取和套用,个体同时需要依据新经验对原有经验本身也做出某种调整和改造,即同化和顺应两方面的统一。学生不是被动信息的吸收者,而是主动地建构信息,这种建构不可能由其他人代替。因此,教师不能直接将知识传递给学生,而是要组织、引导,使学生参与到整个学习过程中去。

3、学生学习既是个体建构过程,也是社会建构过程。虽然知识是在个体与环境的相互作用中建构起来的,但社会性的相互作用也很重要,甚至更重要。因为人的高级心理机能的发展是社会性相互作用内化的结果(正如统计的特点具有社会性)。此外,每个学习者都有自己的经验世界,不同的学习者对某种问题可以有不同的假设和推论,学习者可以通过相互沟通和交流,相互争辩和讨论,合作完成一定的任务,共同解决问题,从而形成更丰富、更灵活的理解。同时,学生可以与教师、统计专家等展开充分沟通。这种社会性相互作用可以为知识建构创设一个广泛的学习共同体,从而为知识建构提供丰富的资源和积极的支持。因此,课堂上师生交互和生生交互活动起到了很重要的作用,“学习共同体”的形成以及对课堂社会环境和情境的营建是学生获得学习成效的重要途径。

二、建构主义理论教师“教”的特点

建构主义理论认为教师在课堂中的作用,可以概括为教师是课堂教学的组织者、发现者和中介者。

1、教师是课堂教学的组织者,起主导作用和导向作用。教师应当发挥“导向”的作用和教学组织者的作用,努力调动学生的积极性,帮助他们发现问题,进而去“解决问题”。

2、教师是课堂教学的发现者。教师要高度重视对学生错误的诊断与纠正,并用科学的原理和原则,给予正确的引导与指引。

3、教师是课堂教学的中介者。教师是学生与教育方针及知识的桥梁。教师既要把最新的知识和分析方法提供给学生,也要注意提高学生的综合素质。

从辩证法的角度看,教学是一个不断发展的动态过程,教与学是对立统一的矛盾运动,随着教学活动的变化,矛盾的主要方面,或在教师,或在学生。分开来看,“教”的主体是教师,客体是学生,教师发挥主导作用,学生发挥能动作用;“学”的主体是学生,客体是教师,学生进行认识活动和实践活动,教师则对这些活动施加影响。合起来看,在教学活动这一不断发展、循环往复的全过程中,教师与学生的主体客体地位是相互依存、相互规定,又在一定条件下相互转化的。因此,“基于教师在课堂中组织者、发现者和中介者”的角色作用,教师可以实行“提出问题──探索问题──解决问题”的模式组织课堂教学。

“基于学生为主体,教师为主导”的教学思想,在教学过程中,“学”与“导”的活动、学生与教师之间的关系应该是互动的、融合的,在和谐中不断向前发展。因此,按照“学与导和谐发展”的教学要求,教师在课堂教学中按照“提出问题──探索问题──解决问题”的模式组织课堂教学时,可以采取“诱导试学——引导探学——开导活学”方法组织课堂教学。

(1)设置情境,提出问题,激发学生学习的兴趣和热情

教师引导学生学习首先要从现实的、有兴趣的、富有挑战性的真实问题情境开始。让学生一开始进入学习探索就真切地感受到统计就在自己身边,体验到学习统计的价值,从而激发起学习统计的兴趣,萌发积极主动探索统计理论和方法的求知欲望。教师要通过对课堂的组织,让学生对学习统计产生学习兴趣,“热爱是最好的老师”,兴趣盎然地进入了对统计学知识的探索,学生才能学有所长。

(2)探索问题,增强学生主角意识,激励学生积极参与

“基于教师在课堂中组织者、发现者和中介者”的角色作用,课堂教学方式应从根本上改变原有的教师讲、学生听,教师指挥、学生操作的教学现象。学生要在自己生活经验的基础上不断地提出问题,分析问题,对各种信息进行加工转换,对新经验和旧经验进行综合概括,解释有关现象。在教学过程中,教师可以提供一定的支持和引导,设计有思考价值、有意义的问题。学生可以进行小组合作研究探索,教师允许学生从不同的角度去观察分析,允许学生用自己喜欢的方法学习,通过各自想法的交流、碰撞,发现学生有价值的建设性建议及方法措施,及时制止学生运用统计方法计算分析问题时可能出现的偏差,使问题得到正确的解决。

(3)解决问题,培养学生创新能力,提高学生综合素质

在以往统计学教学中,我们关注比较多的是学生能否记住计算公式、方法、意义、应用条件,能否利用这些知识完成所设问题的正确计算。而“基于教师在课堂中组织者、发现者和中介者”的角色作用,教师在课堂中,就应该更加关注学生能否将科学知识与自己的生活经验紧密联系起来,关注学生在灵活应用统计学知识、创造性地解决实际问题时所表现出来的情感、态度和价值观。并通过实践活动,使学生对学习统计产生兴趣,变抽象的科学法则、科学方法为得心应手的工具,从而使学生在解决问题过程中,体验参与学习统计的快乐,享受成功解决实际问题的愉悦。

三、以建构主义理论为指导统计学教法探讨

1、设计课堂教学新模式

统计学课程旨在培养学生能够运用统计学基本理论和定量分析方法,对经济现象进行定性和定量的分析和评价。统计学课程内容基本分为三个模块两个层次。第一模块:研究统计学的一般问题,属于基础理论。第二模块:推断统计的理论与方法,相关与回归分析,属于一般的统计方法及其在社会经济领域的运用。第三模块:时间序列分析与预测,统计指数与因素分析,统计综合评价,属于社会经济统计方法的特有问题,侧重于各种统计分析方法运用。两个层次即理论部分和计算分析部分,两部分知识比为30:70。反映了知识、能力、素质培养的要求。在建构主义学习环境下,教师和学生的地位、作用和传统教学相比已发生很大变化。因而首先教师必须改变传统的教育思想与教育观念,以现代教育思想和学习理论为指导,利用多媒体等现代化技术优势,探索最优的课堂教学模式。课堂教学中应进一步发挥好学生的主体作用,让学生主动地参与到获取知识的过程中去,做到:(1)合理处理好教材,创造性地使用教材,充分展示学习内容的实用意义。(2)教学思路清晰,过程流畅、自然。(3)采用启发式、精讲多练式、答疑式、案例式等教学方法,构建情景逼近式的教学模式,努力提高课堂教学效果。

2、设计课内课外相融共生的大课堂

课堂教学不仅要教会想要传授给学生的知识,还要教会学生在书本之外查阅图书、报刊、杂志、网络等资料,以开阔视野,扩大知识面,吸取精华,为我所用,要教给学生发现问题、分析问题、解决问题的方法。此外,还要通过课内设计的实训教学内容激发学生主动参与的热情,实训教学内容主要包括统计调查方案的编制、调查问卷的设计、统计表统计图的制作、综合指标分析、统计案例分析等内容。统计实训的课内教学采用精讲、示范、多练、答疑的方式;课外教学采用学生自行分散复习和有组织分组制表、制图、社会调查、整理计算分析等方式。

3、实行点、线、面、体相结合的大统计

“点”是指让学生根据某一知识点完成作业、实习。“线”是指让学生针对某一问题进行深入分析。“面”是指让学生把若干知识点联系起来进行综合的分析和实训。“体”是指让学生能就学科体系及相关学科的内容进行深入、全面、综合的分析与应用。在讲授基本理论和基本知识的同时,注重学生基本技能培养、综合能力培养、设计能力的培养。使学生能从高度整体把握统计的思路和统计分析、评价思想。

4、充分发挥学生的主体作用

建构主义理论强调学习者在建构性学习中的积极作用,是要求教师在课堂教学中善于激发学生的好奇心和求知欲,使学生主动积极的学习。教学中应根据统计教学内容和学生特点,选择适当的教学方法,灵活运用适当的教学手段,设置悬念,使学生产生好奇心和强烈的求知欲。统计学教学过程中涉及到特有的概念及科学家,教学中可以适当拓展,开阔学生的视野,影响学生的心智,塑造学生的灵魂,在潜移默化中激发学生学习统计的兴趣;教师的教学语言要准确生动形象,善于设疑,启发学生思维,活跃课堂气氛,使学生充满求知思索的激情;做到理论联系实际,强化学习的动机,激发学生学习统计持久的浓厚的兴趣,激励学生不断提高对自己能力的欲求,不断增强自己的学习信心,不断地在自我实现中超越自我。

5、设置情境,在交互中实现教学目标

学校是社会的一个细胞,是社会的一个重要组成部分。课堂也不单纯是“老师教、学生学”的木讷课堂。课堂中的社会性环境主要包括两方面,一是师生之间的交互,二是学生之间的交互。建构主义认为,每个学习者都有自己的经验世界,不同的学习者可以对某种问题形成不同的假设和推论。师生在课堂上可以通过合作解决问题、小组讨论、意见交流、辩论等形式,促进学习者之间的沟通和互动。统计教学要从过去主要关注“人机交互”到关注“人际交互”;从只关注学生与教师、教学信息的交互到关注学生之间的交互以及学生与校外专家、实践工作者的交互;从关注个别化学习到同时关注学习共同体的建立。教学中要充分利用社会性资源,调动学生的学习情趣,拓展学生的知识面,在交互中实现最佳的教学效果。

6、构建科学的考核评价体系

第5篇

关键词:多点地质统计学 训练图像 储层建模

【分类号】:P618.13

一、引言

在油气开发过程中必然会涉及到相关数据测量,测量过程中就会不可避免的出现误差,这些数据误差会给油气地质储层建模带来直接的影响。另外得到确定性的地质变量空间变量模型是不太现实的,那么在这个过程中就需要引用到概率论方法来完善数据建模。举例来说对于储层中流体的流动而言就需要结合微分方程系数等参数来进行探讨。在利用传统方法的建模过程中正常情况下都会使用内插方法得到储层参数但同时也会对流动方程造成影响那么就会产生一定的偏差。因此在油气地质储层建模的过程中需要根据实际条件来对数据模型进行调整并筛选合理的模型来进行构建让油气产量预测可靠性得到保障。

二、多点地质统计学与训练图像

基于变差函数的传统地质统计学随机模拟是目前储层非均质性模拟的常用方法。然而,变差函数只能建立空间两点之间的相关性,难于描述具有复杂空间结构和几何形态的地质体的连续性和变异性。

针对这一问题,多点地质统计学方法应运而生。该方法着重表达空间中多点之间的相关性,能够有效克服传统地质统计学在描述空间形态较复杂的地质体方面的不足。多点地质统计学的基本工具是训练图像,其地位相当于传统地质统计学中的变差函数。对于沉积相建模而言,训练图像相当于定量的相模式,实质上就是一个包含有相接触关系的数字化先验地质模型,其中包含的相接触关系是建模者认为一定存在于实际储层中的。

三、地质概念模型转换成图像训练

地质工作人员擅于根据自己的先验认识、专业知识或现有的类比数据库来建立储层的概念模型。当地质工作人员认为某些特定的概念模型可以反映实际储层的沉积微相接触关系时,这些概念模型就可以转换或直接作为训练图像来使用。利用训练图像整合先验地质认识,并在储层建模过程中引导井间相的预测,是多点地质统计学模拟的一个突破性贡献。

可以将训练图像看作是一个显示空间中相分布模式的定量且直观的先验模型。地质解释成果图、遥感数据或手绘草图都可以作为训练图像或建立训练图像的要素来使用。理想状态下,应当建立一个训练图像库,这样一来建模人员就可以直接选取和使用那些包含目标储层典型沉积模式的训练图像,而不需要每次都重新制作训练图像。

四、二维和三维训练图像

二维训练图像就是在纵向上没有变化,比如人工划相图,因此二维训练图像又称为伪三维训练图像。二维训练图像在纵向上不能反映河道微相的加积,在横向上也不能反映各沉积微相的迁移。因此二维训练图像比不能很好的反映沉积构型。在三维训练图像中,可以反映各微相在横向上的迁移和垂向的加积,能够很好的反映沉积体的空间结构。因此在实际应用中多使用三维训练图像。

五、油气地质储层建模发展趋势展望

从大环境来看目前我国的油气地质储层建模较以往取得了很大的进展,但是在某些环节上依然暴露了一定的问题,需要在以下几方面进行完善。首先遇到地质条件较为复杂的情况时需要将侧积体视为目标体来进行储层构型分析并根据分析结果来进行建模。(2)需要进一步提升地质知识水平并且将这地质知识应用并整合到建模中。(3)加强目标体连续性过程。(4)对三维训练图像构建和三维模拟中数据事件进行更具深度的把握。(5)对井数据模拟条件进行优化。除了在算法上进行改进外还应该让原型模型变得更为丰富并体现出层次感,将地震信息进行高度整合化,构建出地质约束原则,另外在建模过程中对层次分析与模式拟合给予充分的重视。

六、结论

将更多的地质资料整合到储层建模过程中以确保最终数值模型更加符合地质认识,这在预测储层流体特征时是十分必要的。多点地质统计学为地质工作者提供了一个强大的工具,使得他们可以通过训练图像将概念模型和先验地质认识整合到建模过程中。

目前研究的重点是提高多点模拟算法的性能,包括:提高运行速度,降低内存开销,提高沉积模式再现效果以及更灵活的整合不同来源的信息等。有理由相信,随着多点建模方法不断趋于主流,以及越来越多的地质工作者对这一方法变得熟悉,多点地质统计学将成为下一代地质建模工具。

参考文献

[1]王家华,张团峰.油气储层随机建模[M].北京:石油工业出版社,2001:119-143.

[2]王家华.迎接油气储层建模理论、应用的大发展-从2007年国际石油地质统计学大会谈起[J].地学前缘,2008,15(1):16~254.

[3]李桂亮,王家华.多点地质统计学储层建模的实用展望[J].国外油田工程,2009,25(11):1~2.

[4]Andrew Clark S.Challenges for Horizontal Well Placement Optimization in a Giant Mature Onshore Oilfield Abu Dhabi.UAE [C].SPE137070,2010,1~15.

[5]Matheron G. Principles of Geostatistics[J].Economic Geology,1963,58(1):21~28.

[6]王家华,赵巍.基于地震约束的地质统计学建模方法研究[J].海洋石油,2010,30(4):46~49.

[7]张挺,卢德唐,李道伦.基于二维图像和多点统计方法的多孔介质三维重构研究[J].中国科学技术大学学报,2010,40(3):271~276.

第6篇

 

0引言

 

起源于上世纪七十年代的层次分析法(简称AHP)是由美国运筹学家T.L.Sattyti提出的,主要是对多指标系统方案给出一种层次化、结构化的决策方法。该方法综合考虑了定性与定量两种决策分析方法,在决策分析问题中有着广泛的应用。层次分析法主要是一个模型化、数量化的过程,通过对复杂系统的分解,将其转化为若干因素,在各因素之间通过比较和计算,从而得出不同方案的权重,该权重可为最佳方案的选择提供依据。在处理实际问题的过程中,经常会遇到诸如目标准则层次较多以及非基本结构的复杂决策问题,此时如何能够将该问题简化主要取决于如何从少量的定量信息入手,深入探究问题的本质及其内在关系,将思维的过程数字化,从数学的角度思考,用数字说话,达到准确计量的目的。

 

层次分析法中各层次的结构反映了各因素之间的关系,如何确定该结构是关键所在。通常准则层中的各准则在目标衡量中所占的比重并不一定相同,处理的关键在于如何较为准确的将这些比重进行量化。很多时候,对某个因素有影响的因子比较多,如若直接给出各个因子的比重,难免出现偏差,主要原因有:问题考虑不全面、首尾数据顾此失彼、所有数据可能不符合整体性为1的隐含条件等。比如我们有这样的生活常识:假如有若干个大小不一的西瓜,每个人都能按照自己的感觉给出每个西瓜所占总体重量的大致比重,但是由于不知道每个西瓜具体的重量,每个人给出的数据都不尽相同,而且由于只是估计值,可能所有的比值会出现相互矛盾的情况,也容易出现比值和不等于1的情形。因此,当影响某因素的因子较多时,通常将众多专家研判的均值作为各因子的比重,但这些比重只是初始值,通常要在初始值的基础上经过一系列严格的转化、换算,才能最终得出各准则层的相对权重。各准则层相对权重求解的过程大致可以分为三个步骤:1.构造判断矩阵——分析系统中各因素间的关系,对同一层次各元素关于上一层次中某一准则的重要性进行两两比较,从而构造得出两两比较的判断矩阵;2.构造判断转化矩阵——由上一步中的判断矩阵中数据计算各比较元素所在准则的相对权重,并进行一致性检验。通常由判断矩阵到判断转化矩阵的转化方式不唯一,不同的转化构造方式往往对应不同的适用和使用效果;3.计算各层次对于系统的总排序权重,并进行排序。以上三个步骤中,第二步是关键,最终可以得到各方案对于总目标的总排序。

 

在用层次分析法解决某些具体问题时,可能会出现相对权重明显集中,权重差距较大的现象。因此,需要对层次分析法相对权重进行改进计算,努力提升层次分析法实际应用效果。本文主要介绍确定相对权数的一种新算法—方程法,并且通过实例检验其使用效果。1层次分析法中相对权重的算法新思路

 

1.1建立判断矩阵

 

判断矩阵是在对每一层次中的所有因素进行相对重要性的两两比较的基础上而建立的矩阵,即:

 

R=r111…1R1n

 

rn11…1rnn,其中r11。,r22,…,rnn=0.5,rij表示第i个元素相对于第j个元素的重要程度关系,采用0.05-0.95标度给予数量表示,且rij+rji=1。江苏理工学院学报第20卷第6期孙丹丹:确定统计权数的新方法——方程法

 

rij的取值不应由个别人来确定,应由众多专家共同研判,最终取其均值。专家研判的取值是第i个元素相对于第j个元素的重要程度确定:特别重要(0.85-0.95)、重要(0.75-0.85)、相对重要(0.65-0.75)、稍重要(0.55-0.65)、重要程度相当(0.5)。

 

1.2判断转化矩阵

 

判断转化矩阵:A=a111…1a1n

 

an11…1ann,其中a11,a22,…,ann=1。

 

判断转化矩阵,需要将rij转化为aij。

 

判断转化矩阵中aij和aji必须满足两个条件:①aij*aji=1;②aij-aji=rij-rji(其中i为i和j两个元素中较重要者,否则条件②改为aij-aji=rij-rji)。

 

将以上两个条件进行变换,即aij-11aij=rij-rji或aji-11aji=rji-rij,求解可以得aij或aji(取正数解)。

 

1.3准则层的相对权重的计算

 

①计算判断矩阵中各行元素乘积:Mi=∏N1j=1aij=ai1·ai2…ain(i=1,2,....n)。

 

②计算Mi的n-1次方根:Wli=n-11Mi。

 

判断转化矩阵中涉及元素是n个,反映元素间的关系应是n-1个关系。事实上,由于判断转化矩阵中a11,a12,…,ann=1,因此对角线上的元素对计算判断转化矩阵中各行元素之乘积是没有影响的。基于以上考虑,应该计算Mi的n-1次方根。

 

③对Wli进行正则化处理:Wi=Wli/∑n1i=1Wli,其中Wli为判断矩阵中各行元素乘积的n-1次方根。正则化处理后,∑n1i=1Wi=1。

 

从上述过程可以看出,新方法中准则层的相对权重计算过程与传统层次分析法相比,区别主要在于第二步,即判断转化矩阵的计算。在判断转化矩阵中,aij保留了最初判断矩阵中rij之间的差异性,并进一步将最初判断矩阵的对角线相应因素和为1转化为了判断转化矩阵中的对角线相应因素积为1,这在一定程度上解决了相对权重明显集中,权重差距较大的现象。下面将通过实例,来验证该方法在处理权重差距较大问题时的可行性和优越性。2层次分析法中相对权重的改进算法实际应用

 

全部国有及规模以上非国有工业企业主要经济效益指标:工业增加值率、总资产贡献率、资产负债率、流动资产周转次数、成本费用利润率、全员劳动生产率、产品销售率,记这7个指标分别为1、2、3、4、5、6、7。

 

2.1判断矩阵: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判断转化矩阵

 

由上述矩阵结合算法新思路中判断转化矩阵的求法,不妨以a12与a21为例。

 

由r12=0.25,r21=0.75可知:a21·a12=1,

 

a21-a12=r21-r12,即a21·a12=1,

 

a21-a12=0.5。

 

解方程组可得:a12=0.780 8;a21=1.280 2。

 

同理,可求得所有a1ij,i,j=1,2,…,7。

 

汇总整理后可得如下判断转化矩阵: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准则层的相对权重的计算

 

由上述矩阵结合算法新思路中准则层的相对权重的计算方法可得:Mi分别为: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次方根分别为:1.150 268,1.419 648,0.876 805,1.050 715,0.984 286,0.732 772,0.921 605。

 

从而可以求得每个Mi相对权重,汇总整理如下:

 

%11121314151617统计局公布权重116120112115114110113新算法权重116.12119.89112.29114.72113.79110.27112.91传统层次分析法权123.36146.5913.1518.95111.8611.5414.55本例中,由最后的计算结果可以看出:若使用传统层次分析法,则最终计算出的权重值差距较大且仅集中于个别因素;而使用新方法所计算出来的相对权重明显更接近于统计局所公布的数值,且由此方法计算出的权重值也有更为合理的解释。

 

3结语

第7篇

关键词 统计学 spss 大学教育 新生 入学服务

中图分类号:G64 文献标识码:A

一、绪论

(一)研究背景和目的。

随着当今世界经济的发展和科技的更新,社会对大学生的选择越来越严格,要求也越来越高,大学四年时光转瞬即逝,做好新生入学教育,是使学生顺利完成从高中到大学转变,开始准确定位目标规划,完善人格修养,培养综合素质,从而成为社会主义合格接班人的重要保证。新生教育是一个循序渐进、层层深入的过程,第一天、第一周、第一个月、第一学期、第一年的“五个一”教育是我们将继续研究和实践的长期课题。以搭建和完善“五个一”的新生教育工作体系为目标,需整合学校和试点院系的各类资源,建立对所设计的各类教育活动的教育效果的测评反馈机制,通过比较研究,对该教育工作体系进行评估与总结,形成新生教育的研究成果。

(二)研究意义。

本文以北京某市属重点高校为试点,针对新生教育“五个一”中的第一天教育所涉及的新生入校服务机制设计满意度调查问卷,以SPSS为工具结合统计学方法对数据进行分析研究,旨在新生教育常规迎新工作中及时发现问题,提出改进意见,作为日后修订入学教育方案的依据,加强新生入学教育服务工作。

二、问卷编制与分析

此次某大学新生工作的满意度调查根据新生进入高校第一天报到的感受分为三大项、十三小项进行问卷的设计,下发至三个试点学院新生,回收问卷562份,覆盖面广,针对性强,问卷以满意程度对同学进行调研,同时进行了开放式问题及基本情况的设计,调查范围广,包含内容详实,起到了很好的调研作用。

(一)问卷质量分析。

结合spss统计学软件,根据调查回收数据对问卷的问题相关性及信度进行分析如下:

1、信度分析。

是指问卷调查结果的稳定性和一致性。克朗巴哈 信度系数是目前最常用的信度系数。一般认为总量表的 信度系数在0.7以上问卷的可靠性较高。如果 过小,可以结合因子分析结果来改善系数。应用SPSS对所有量表的信度检验结果见下表。

通过上表可看出,信度系数很高,调查问卷是可靠的,数据是稳定的。

2、效度分析。

是指问卷正确衡量研究者所要了解属性的程度。因子分析的效度分析中主要的指标可以看,因子提取的方差累积贡献率,如果因子提取的越少且方差累积率又不低的话(一般如果2个因子达到40%以上的贡献率就算可以的了),就可以认为因子分析的效度还可以接受。

可以用因子分析里面Descriotives里面KMO和巴特利检验(bartlett),KMO的值如果>0.5,则说明因子分析检验的效度较好,可以进行因子分析;另外,如果巴特利检验的P

通过上两个图表看出,学生问卷的效度评价是很好的,即问卷的难易度和鉴别度都不错,难易度,即被调查认为问卷的难易程度,可以很真实的反应同学们的感知。

(二)数据描述分析。

1、学生样本特征。

学生的样本特征对于满意度的评价有着潜移默化的影响。现就学生的样本特征进行描述性分析。

性别比例 生源地状况

所调查对象的男女性别比例 有64%的京内生源和36%的京

为3:2。 外生源。

家庭居住地状况 是否为第一志愿状况

有81%的新生住在城镇, 约有77%的学生是以第一

只有19%的新生住在农村。 志愿来到学校的,只有23%

的学生不是。

2、学生满意度指数分析。

上表中,5为最满意,1为最不满意。所以通过上表可以看出新生对于学校工作人员的热情程度最为满意,其次为工作人员帮助你解决问题的成效满意度,然后为新生报到“一站式”的服务模式满意度。最不满意的为整体硬件设施和环境的满意程度。说明学校应该加大对硬件设施的建设。

3、学生差异分析。

(1)性别差异分析。

P值是不显著的,说明性别对于新生对迎接新生满意度是没有影响的。

(2)生源地差异分析。

与性别不同,生源地分析中的P值小于0.05,即认为生源地对于同学们对迎接新生满意度是有影响的。

(3)居住地差异分析。

P值是不显著的,说明居住地对于新生对迎接新生满意度是没有影响的。经研究发现,京内学生满意度略高于京外学生满意度。说明我们需要加强对于外地生迎接的服务质量。

(4)学院差异分析。

P值是不显著的,说明各院系学生对于新生对迎接新生满意度是没有影响的。

三、对于高校新生入学服务的相关建议

高校新生入学报到是大学新生教育“五个一”的第一天,也是大学生从高中向大学生活转变、适应大学生活的重要阶段,根据调查问卷反应分析结果,对于高校新生入学服务提出相关建议如下:

1、在新生入校服务中需注重新生地域差异,尤其对外地生源进行有针对性、有特色的入学接待工作;

2、建议校方逐步加强对硬件设施的建设力度,为新生大学四年生活创造舒适环境;

3、服务过程中应加强服务流程规范化,让新生入校能及时明确需要办理的相关事项,加快办事效率,更快适应校园。

总之,新生入学教育作为高等教育阶段的奠基工程,是加强和改进大学生思想教育工作的有效途径和重要内容,事关一所高校校风、学风和培养目标的实现,在很大程度上影响着大学生个体一生的发展。大学新生入校服务是大学生新生教育、让新生迈好大学生活的第一步,希望各高校重视起新生教育、新生入校相关工作,为大学生的成长成才提供有力保障!

(作者单位:首都经济贸易大学)

参考文献:

[1]刘六生,冯用军.高等教育研究中的数学方法.科技出版社,2009.

[2]衷克定.数据统计分析与实践―spss for windows.高等教育出版社,2005.

第8篇

关键词:统计学;教学方法;互动教学;案例教学

中图分类号:G642.0 文献标志码:A 文章编号:1674-9324(2017)07-0097-02

一、引言

统计学是一门通过搜集、整理、分析数据等方法,推测分析研究对象的本质,预测其未来的综合性科学,具有极强的理论性和应用性。随着经济社会的发展和科学技术的进步,当今世界大数据分析遍布各个领域,统计学的应用范围越来越大,而且与多个学科交叉,成为一种不可缺少的分析工具。对经济管理类专业的学生而言,《统计学》课程是教育部规定必修的专业核心课之一。在强调培养学生统计应用能力的同时,为学生进一步学习计量经济学和多元统计分析等提供必须要的统计学理论基础也尤为关键。随着经济社会发展对统计分析需求的提高,以及目前高等院校教学计划对《统计学》课程授课时间的限制,现有的教学方法已经不能很好地满足经济管理类专业《统计学》课程教学的需要。为了提高经济管理类专业《统计学》课程的教学水平,培养更加符合时代需求的经济管理类人才,探索《统计学》课程教学方法改革路径是当前高校教师面临的一个重大问题,具有重要的理论和实践意义。

二、现有教学方法存在的问题

随着信息技术的发展和大数据时代的到来,现有的面向经济管理类专业的《统计学》课程教学方法出现了新的问题。主要表现在以下几个方面:

1.统计理论教学多而统计实践教学少。在经济管理类专业的《统计学》课程的课堂上,教师的教学方法仍然以讲授理论为主。虽然采用了多媒体教学,但依然是讲授统计学的理论知识为主,且对于统计学知识如何应用的实践性教学非常少。以课本知识为主的讲授方式,学生实际应用统计学的能力缺乏足够的锻炼。通过这种方式培养出来的学生,虽然拥有一定的统计学的理论知识,但是却不会运用这些知识去分析问题、解决问题。

2.缺乏案例教学。在统计学理论知识的教学部分,大多数教师仅仅是照本宣科,讲述完某个统计理论的内涵后,没有采用相关的案例来进一步说明该理论可以应用的背景,或者该理论可以解释的现象。此外,《统计学》课程的学习要求同学们具有较扎实的数理基础,且很多统计学理论都会涉及到一些数学公式。对于这些数学公式,基本上都缺乏相关的案例来解释这些公式的内涵。然而,目前经济管理类专业的学生在招生时多为文理兼收,因此部分学生的数学基础参差不齐,这使得他们不能很好地理解这些公式的内涵,导致对统计学理论认识不够深入。

3.缺乏互动式教学。就目前的经济管理类专业的《统计学》课程而言,教学明显缺乏互动性,教师和学生之间交流很少。一是统计学的理论内容比较枯燥,而教师的授课方式与风格不能改变这种枯燥,甚至使其更加枯燥。二是学生对课堂参与的积极性和主动性不高,这主要是由考核方式以闭卷考试为主,所以学生更关心课堂笔记而忽视课堂参与。互动式教学的缺乏可能会造成教学效果的事倍功半。

4.软件应用教学不足。当前应用专门的统计软件,例如R、SPSS、SAS等,进行统计研究,已经成为大数据背景下各个领域进行统计分析的常态。但由于受到《统计学》课程内容多、学时少的限制,我们分配在软件应用教学上的学时较少。实际上,这些统计软件是比较复杂难学的,学生在缺乏教师指导的情况下很难自己学好软件应用。此外,由于部分高校对《统计学》课程的考核方式里不包括对软件应用的考核,也会导致部分学生会忽视软件应用的学习。

三、教学方法改革的建议

针对上述提出的现有教学方法存在的问题,结合自身多年教学科研的经验和实践,通过不断的创新与摸索,提出以下几点改革建议。

1.理论与实践并重。面向经济管理类专业的《统计学》课程授课老师在讲授课程内容时,应当坚持理论性教学与实践性教学并重,不可过分重视理论而忽视统计实践。而且实践性教学不仅能培养学生运用统计知识解决问题的能力,还能反过来促进学生更深刻地理解统计学的相关理论。对于实践性教学,教师应该在教学的过程中,结合理论性教学的内容,给学生安排课后的实践任务。例如,在课程开始时,教师可以给学生分组,让其选择自己感兴趣的问题,如大学生网购等作为调查主题,根据统计学的授课进度,分步完成搜集数据、整理数据、描述性统计分析、统计推断等任务。这种方式能让学生有参与感,体会统计实践的过程,促进学生对理论的理解和掌握。

2.采用统计分析案例教学。通过课堂上引入具体的统计学案例,引导学生选取合适的统计分析方法进行分析,使得抽象枯燥的统计理论变得立体生动。通过采用统计分析案例教学,不仅可以帮助学生理解教学内容,还可以激发学生学习兴趣,锻炼学生思考问题、分析问题、解决问题的能力。教在选择案例时,可以根据经济管理类专业自身与经济社会联系紧密的特点,选择具有专业特色的案例进行深度分析,具体说明统计方法运用的背景、条件以及分析过程。例如,股票市场的案例、物流公司的案例、房地产市场案例等。此外,统计学案例也需要做到与时俱进。

3.采用互动式教学。对于经济管理类专业的学生而言,《统计学》是课程难度较大,如何提高学生对《统计学》课程的学习兴趣以及课堂参与的积极性是一个非常重要的问题。学生只有拥有浓厚的学习兴趣,才能具有学好统计学的动力。互动式教学恰好可以激发学生的学习兴趣,提高学生课堂参与的积极性。所以,在面向经济管理类专业的《统计学》课程的教学中,采用互动式教学是非常有必要的。互动式教学并没有具体的形式,它要求教师在教学过程中,运用多种方法,积极引导学生学习《统计学》课程的思路,激发学习《统计学》课程的兴趣以及课堂参与的积极性。此外,可以将互动式教学纳入课程的考核范围,这样可以更好地提高学生的积极性。

4.理与软件应用相结合。使用统计学方法解决经济管理实际问题时,需要处理大量的统计数据,此时学习R、SPSS、SAS等专业统计软件是非常必要的。教师在教学过程中,可以将统计理论教学与软件应用相结合。一方面,可以解决大量数据烦琐的计算问题,提高教学效率。另一方面,通过教师统计软件的演示,学生可以更好地学习软件操作,掌握运用软件处理数据的方法。由于受到《统计学》课程内容多、学时少的限制,大部分经济管理类专业在课程安排时,选择先讲授统计学的理论知识,在理论课程结束之后,才安排软件应用的上机操作课程。这种安排是不尽合理的,从以提高学生运用统计知识解决问题的能力为目的的角度看,既不利于教师的教学,也不利于学生的学习。将理论与软件应用相结合,教师可以更好地教授理论知识,学生也能更好地理解理论知识并熟悉软件的操作,对于软件操作,在学中用,在用中学,有利于学生更加快速地学习软件应用。

四、结束语

经过多年的改革和发展,虽然面向经济管理类专业的《统计学》课程的教学方法已经越来越规范化和系统化,然而目前的教学方法仍然存在一定的问题。学无止境,教无止境,时代的要求在变化,教学方法更应该不断地改革和完善。面向经济管理类专业的统计学课程的教学方法应当更加丰富多彩。本文面向经济管理类专业的《统计学》课程教学方法改革的几点建议是经过我们多年的《统计学》课程教学和探索的总结,希望能对广大师生提供有益的帮助。

参考文献:

[1]唐志.统计学课程考核方式改革的理论与实践[J].高教论坛,2011,(11):17-19.

[2]黄海午.《统计学》课程教学新模式探索[J].广西民族大学学报:哲学社会科学版,2008,(12):163-164.

[3]吴启富.中国统计学课程建设发展沿革及存在问题[J].统计与决策,2012,(3):48-50.

[4]纪淑娴.网络环境下经济管理类统计学课程教学的思考[J].中国教育技术装备,2010,(30):109-111.

[5]史文雷,徐蕾,彭学君,宋存米.经济管理类专业统计学课程教学改革研究[J].科教文汇,2011,(06):41-42.

[6]姚寿福.经济管理类本科专业统计学课程教学改革思考[J].高等教育研究,2012,(29):23-27.

第9篇

关键词:小学数学;统计;教学方法

《义务教育数学课程标准》强调,要让学生经历运用数据绘图、制表,发展学生统计观念,使学生养成数据观念,学习判断分析的能力,要求学生从收集的信息中提炼信息,找寻规律。使学生在具体的实践活动中体验收集、整理、表述和分析的环节,学会最为基本的统计方法。

一、引导学生全身心地投入到统计的过程中

教学中,教师关注到学生,将学生放于主动地位上,充分展现课程标准中所要求的学生是数学学习的主人这一教学理念。我们师者要成为统计教学中的倡导者、指引者、交流者、合作者,引导学生积极参与,充分体验统计教学的那种自主、交流、探究的氛围。在学生自主参与下观察、操作、交流中学习探究统计知识,理解掌握比较简单的统计方法,充分感受到统计知识在生活中的应用,从统计角度去思考问题,亲身经历数据的收集、整理及分析的过程,再进行进一步的提炼,使学生掌握统计知识。

二、关注学生已有的生活经验,充分调动学生学习数学的情感

统计教学中,教师应该密切关注学生自身的生活经验,选择与学生密切相关的日常活动,让学生感觉数学就在我们的身边,充分调动学生对统计学习的那份情感,激发学生学习探究统计知识的积极性,增强学生学好统计知识的那份自信,使学生打心眼里去喜欢学习数学。

例如,在元旦联欢会班级准备买什么样的水果时,调查班级同学最喜欢吃的水果,制定在规定的数额之内的购买计划。教学时,先让学生先做一些实际调查,而后再去思考具体的统计方法,较为详细地咨询班级同学中每一个人的喜爱,统计每一种水果的人数。最后再对统计的结果做进一步的表达与交流,解决课堂上教师提出的问题。

三、引导学生将统计知识运用于现实生活情境中