时间：2022-06-23 17:45:31
导语：在概率统计论文的撰写旅程中，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。
很多的统计学分析者特别擅长收集最初形态的数据，但是如果不擅长运用统计学的系统知识去处理这些数据，那么这些都将成为无用功。因为如果收集的数据没有价值，就像被遗弃在矿山的矿物，没有经过专门程序的炼制是不可能变成钢铁的。谈到对数据的分析、处理和完善，来自英国的葛朗特肯定当之无愧，他的著作《关于死亡公报的自然和政治观察》被称作统计学的鼻祖，并且被评为当代统计学的基石。它的地位这么高，是如何体现的呢？就比如说他提到的生命表，几乎成为了保险行业的主心骨。学习需要创新，同样知识也需要随着时代的发展而不断变化、丰富，认识来源于实践，把概率统计应用到各个方面去然后再从中去统计分析，最终肯定会使统计学的知识更加丰富，这样才能与时俱进。例如，1870年遗传学界迎来了统计热，高尔登巧妙地把统计学融合到遗传学中，结果匪夷所思，不仅使统计学得到创新，有了新的血液，还提出了一些重要的思想，如回归等。一个事件的研究总是不会单独的存在，总有那种牵一发而动全身的效果，就像伟大的学者高尔登研究遗传学却促进了统计学的发展和不断地完善，统计学在初期阶段主要集中于纯粹的统计，简单的数据汇集，随着不断地研究发展，统计学不断地走向更高的层面，不再只是停留于技术层面，而是逻辑层面的演绎和归纳。在统计学的发展史上还有许多伟大的研究者，如卡尔皮、哥色特、内曼等。当今的社会是一个发展的社会，统计学的知识已经不再局限于应用于各个学科之间，更多的是运用在日常生活和生产中去。统计学中的统计一词就是专门针对数据的，数据是统计学的根基，数据和统计学是一个不可分割的整体，我们需要知道这个公式的来龙去脉，才算真正地掌握了统计学的知识，这是当今教学中容易忽略的一个重要点。
二、概率统计的工具
当今的社会是一个信息化的时代，统计学也不再只是刘乃嘉，吉林工商学院助教，硕士，研究方向：统计学。计算一些基本的加减了，以前用一个计算器就能轻轻松松的解决，而今的统计学面对的大数字时代，需要处理大量的数据。在教学的过程中可以适当添加一些软件，既吸引学生的眼球又能提高效率，节省人力、物力，比如说SPSS、SAS、MATLAB、EXCEL表格等。SPSS的优点很多，它有学生们乐于接受的主界面，最重要的是这个软件特别的容易学，对从来接触过这个软件的同学来说，可也以在很短的时间内轻松的掌握它，非常适合非计算机专业的学生。教学的目标在于运用，SPSS自身带有许多函数计算公式和其他的计算公式，你只需找到你要计算的公式并且在键盘上输入你要计算的内容，就可以计算出概率密度、分布、随机问题等，十分便捷。EXCEL软件是大家最熟知的软件，因为在刚入学的时候就有计算机基础，里面就要求掌握这个软件的运用，是OFFICE的一个分支。在教学中选用这个工具可以降低教学难度，还可以提高学生的积极性，因为他们学的知识终于可以有用武之地了。这个软件最大的优点就是制作统计图像的功能很完善，并且还有非常完美的统计处理能力，它具备了其他软件基本上的功能，可以很好地与其他统计软件相匹配，共同运用。计算机领域还有很多的可以适用于统计学的软件，而且一般这些软件的运用对大多数的老师和学生来说都是不费吹灰之力的，在概率统计的教学中，老师们可以按照教学的需要适当的引入这些优秀而强大的软件，弥补以前教学方式中存在的缺点，增加老师和学生的互动，提高学生的学习兴趣，如果有条件可以让学生到计算机中心去亲自体验一下这些软件，学生一般比较愿意学习动手性比较强的知识，这也是教学中值得思考的问题。
三、结束语
我们熟知许多科学定律，例如牛顿力学定律，化学中的各种定律等。但是在现实中，事实上很难用如此确定的公式描述一些现象。比如，人的寿命对于个人来说是难于事先确定的。就个体来说，一个有很多坏习惯的人（比如吸烟、喝酒、不锻炼的人）可能比一个很少得病、生活习惯良好的人活得更长。实际上活得长短是受许多因素影响的，有一定的随机性。这种随机性可能和人的经历、基因、习惯等无数说不清的因素都有关。总体来说，人的平均年龄非常稳定。一般而言，女性的平均寿命比男性多几年。这就是规律性。一个人可能活过这个平均年龄，也可能活不到这个年龄，这是随机性。但是总体来说，平均年龄的稳定性，却说明了随机之中有规律性。又比如你每天见到什么人是比较随机的，但规律就是：你在不同的地方一定会见到不同的人，你在课堂上会见到同班同学，你在宿舍会碰到同寝室的室友，你去打球会见到球友，这两种规律就都是统计规律。
二、巧借实例自然引入新概念
着重培养学生的数学应用意识，教师在教学中的示范作用很重要。概率统计课程的概念是教学的难点，教师上课如果直接写出来，则学生会感到很突兀，很抽象且难于接受。一个教学经验丰富的教师应当重视概念引入的教学设计，从学生的认知规律出发，先使学生对概念形成感性认识，揭示概念产生的实际背景和基础，了解概念形成的必要性和合理性。例如极大似然估计的概念教学，一般引入的第一个例子是有个同学和一个猎人去打猎，一只野兔从前方经过，只听一声枪响，野兔就倒下了，这发命中目标的子弹是谁打的？同学们一定会推断是猎人，你们会说猎人命中目标的概率比同学的大，这个例子说明了你们形成了极大似然估计的初步思想。极大似然估计的思想是在已经得到实验结果的情况下，应该寻找使这个结果出现的可能性最大的那个θ作为θ的估计θ∧。极大似然估计法首先由德国数学家高斯于1821年提出，英国统计学家费歇于1922年重新发现并作了进一步研究。第二个例子是两个射手打靶，甲的命中率为0.9，乙的命中率为0.4，现靶面显示10中6，且是一个人所为，请问是谁打的？一开始学生中会形成不同意见，有的说是甲，有的说是乙，有的不知如何判断。表面看，甲的命中率高，如果说是甲好像低估了甲的水平，乙的命中率低，如果说是乙又高估了乙的水平，但现在要作一个合理推断，我们建立一个统计模型：有一个总体为两点分布，参数为P（0.9或0.4侍定），现有样本X1，X2，…，Xn（n=10），其中有6个观察值为1，4个为0，设事件A={10枪6中靶心}若是甲所射，则A发生的概率为P1（A）=C610（0.8）6（0.2）4=0.088，若是乙所射，则A发生的概率为P2（A）=C610（0.8）6（0.5）4=0.21，显然，P1（A）＜P2（A），故可认为乙所射的可能性较大。从这两个实例中教师再引出极大似然估计的原理：在已经得到试验结果的情况下，我们应该寻找使这个结果出现的可能性最大的那个θ作为真θ的估计，显得水到渠成。
三、合理假设形成模型意识
概率统计学科本来就是为了解决实际问题而产生的，它的起源是对赌博问题的研究。要培养学生的应用意识更应加强模型意识。数学模型是指应用数学的方法和语言符号对现实事物进行数学的假设和合理简化，可以理解为现实事物在数学世界的抽象存在，也是人们对实际问题的原型进行的数学抽象，它的目的是便于应用适当的数学工具得到对问题的量化研究。在概率统计教学中建立的数学模型应当选择问题的主要要素，模型相对比较简单并且易于教学推理和分析。
四、循序渐进培养应用能力
数学应用能力是一种综合能力，应循序渐进，慢慢培养。在现实中我们要注意：（1）概率是指某件事情发生的可能性大小。例如在天气预报中会提到晴天与雨天，预报明天下雨，只是说雨天可能性很大，这种概率不可能超过百分之百。（2）有些概率是可以估计的。比如掷骰子，你得5点的概率应该是六分之一，但掷骰子的结果还只可能是六个数目之一。这个已知的规律就反映了规律性，而得到哪个结果则反映了随机性。（3）应当在大量重复试验中出现的频率来估计生活中随机事件出现的概率。（4）多学习一些统计软件，充分利用一些直接的或间接的数据来源。
五、结语
关键词：概率论；数理统计；数学建模
教学研究概率论和数理统计是教育领域中的两个不可或缺的学科，而这两者都有着较为抽象的特征，这就意味着学生在学习时难免会遇到这样或那样的困难。倘若无法正确认识相关概念，那么在今后的深入学习中便会遇到更多的难题。在很多情况下，日常练习与考试中出现的大部分错误主要就是因为学生未对概念有正确的认识，更不用说知识拓展了。这就要求教师在包括课前、课上以及课后的教学过程中考虑怎样设置教学才可以使学生愿学，好学以及学好。笔者将从以下几个方面分析概率论与数理统计教学优化的对策。
1以课程发展历史切入，激发学生兴趣
数学学科中涉及到的理论、思想以及思维等都是社会得以进步的关键，同时还是衡量人类发展水平的标尺。不管是学习个体，还是全人类，其发展均离不开数学的辅助。数学并不单单是一门课程，同时还是一类文化。不仅如此，它还是人们得以进步的重要手段与思想理念。数学中蕴含的意义不受时间和空间的限制，它存在于人们发展的各个时期。西方数学家早已明确提出，多种学科，包括心理学，语言学等，都和数学之间有着千丝万缕的联系。所以，在教学过程中，教师可以向学生讲述概率论与数理统计和其他学科间的关系及其发展历史，以此来激发学生的学习兴趣。只要学生对学习产生了兴趣与热情，那么概率论与数理统计教学质量必将会得到有效提升。
2弥补传统教学中的不足
从整体上看，《概率论与数理统计学》课本本身十分重视与概率论有关的理论知识。相比之下，数理统计的实践知识所占比例则要稍显偏少。笔者通过深入研究分析后发现，教材所关注的更多的是概率论知识理论层面上的传授，而对于数理统计在实践中的应用则涉猎的非常有限，也没有进行具体的分析。例如，数理统计一般都只讲解到区间估计与假设检验两个环节就停止，造成学生无法真正掌握并运用有着良好实用特征的回归与方差分析方法。而在一些其他的部分，也仅仅介绍了概率论，没有突出数理统计，学生尽管掌握了概率论的率计算法则，却并没有真正掌握这一方法的实际运用。通常情况下都是在学习了理论知识后便快速遗忘，其最终结果就是学生虽然拿到了实践数据，但并未掌握具有较强实用性的分析方法。这种现象不利于学生实用能力的有效提升，也背离了应用型本科院校重视提升学生应用型能力的教育思想。
3揉合数学建模实现应用能力的提升
人们都知道，学习数学学科的最有效方法就是“学以致用”。就现阶段的教育现状而言，学生从最初接触数学开始，对数学的认识就仅限于能够解题，获得高分。无可厚非，这是一种衡量学生知识掌握情况的重要标准，但绝不是仅有的标准。尽管学生拥有牢固的理论基础，但如果无法将所学应用到生活实践中，那么整个学习过程将毫无意义。在计算机水平持续提升的阶段，概率统计软件层出不穷，且使用规模也在不断扩大，这为学生的实际应用创造了难得的机遇。数学建模实际上就是以社会生活中的某些生产与生活现象为基础，借助数学方法来获取缓解或解决对策，这需要学生有较强的实践能力。对学生的数学建模思想进行针对性的提升不仅能够提升学生应用概率论与数理统计学理论的实践能力，还可以有效提高学生的问题分析技巧。所以，教师在教学过程中应做好对学生数学建模思想的渗透工作，融入到实践性较强的案例中，从而使学生可以在不断的分析与研究过程中领悟应变能力与问题解决能力的重要性。
4改进教学方法和教学手段
现实案例和学生的生活环境有着密切的联系。学生对所处环境进行评价与研究，从而透彻的理解各个案例，探寻问题的根源，最终联系所学的概率论与数理统计知识来获得问题的解决办法。这一教学方式和生活息息相关，能够在很大程度上刺激学生的主动探索热情，增强他们的实践观念，帮助他们获得学以致用的成就感。就拿二项分布与正态分布而言，它们就能够解释多种生活实践中的现象，包括硬币的抛掷概率等，有着非常强的现实意义。这些案例能够激发学生主动投入到实践探索过程中去，在翻阅资料，搜集信息，并结合概率论与数理统计有关理论的过程中透析案例并寻求解决办法。不仅如此，保险理赔、公交车是否准时以及商业用电等都是学生在生活工作中随处可见的实际案例，学生通过了解、分析这些问题，探析其本质，从而逐渐增强自身的概率论与数理统计应用观念，并提升数学能力。
5完善考核方式
考核在整个教学环节中扮演着不可或缺的角色。它不仅能够用于了解学生学习过程中存在的问题，还能够对教师的教学水平进行一定的评价。概率论与数理统计课程是考试课程，所以不应完全根据期末成绩占总分70%，平时成绩占30%的计算方法得出学生的最终文化分。而是应把考核体制中的成绩评估进行进一步细化，这不仅可以提升学生的学习主动性，还可以突出学生在应用概率论与数理统计知识方面的技能与水平。在这样一种详细的考核机制中，学生的实践能力才可以得到最终的提升。因此，概率论与数理统计教学必须要完善考核方式。
6总结
总而言之，概率论与数理统计教学过程中，教师不应将教学目标定位使学生掌握有限的概率论与数理统计解题方法，而应考虑帮助学生在学习这一学科的各个环节中开拓学生的思考方式与视野。同时，还要使学生感受到这一学科在实践当中的使用价值，从而有效增强学生分析与解决问题的技能。只要教师在教学中实施精心教育，那么学生的自身素质必然会有所提高，也会为学生的就业打下良好的基础。
作者:王晓敏 单位:西安外事学院工学院
参考文献:
相关热搜：统计学 统计学原理
ThomsonScientific国家科学指标数据库2004年数据显示，中国数学论文在1999~2003年间篇均引文次数为1.03，同期国际数学论文篇均引文次数是1.3,这表明中国数学研究的影响力正在向世界平均水平靠近。相较于物理学、化学和材料科学等领域，中国数学研究的国际影响力是最高的。
我们以美国《数学评论》(MR)光盘(1993-2005/05严为数据来源,用统计数据揭示国际数学论文的宏观产出结构。通过对《MR》收录中国学者发表数学论文每年的总量及其在63个分支上的分布统计，将中国数学论文的产出置于一个相对明晰的国际背景之下，借以观察中国数学的发展态势。此外，我们还以中国科学院文献情报中心《中国数学文献数据库》（CMDDP为数据来源，统计了中国数学论文在63个分支领域的分布，并对其中获国家自然科学基金资助或国家自然科学基金委员会数学天元基金资助的论文情况进行了定量分析。上述数据库均采用国际同行认可的《数学主题分类表》（MSC),分别在国际、国内数学领域具有一定的影响力和相当规模的用户群。
《MR》光盘收录发表在专业期刊、大学学报及专著上的数学论文，其收录范围非常广泛。1993~2004年共收录论文769680篇，其中有74988篇是由中国学者参与完成的，我们称之为中国论文。这里中国论文是指《MR》的论文作者中至少有一位作者是来自于中国(即《MR》光盘中所标注的“PRC”）。12年中，中国论文数占世界论文总数的9.74%。
《CMDD》收录中国国内出版的约300种数学专业期刊、大学学报及专著上刊登的数学论文，此外，还收录了80种国外出版的专业期刊上中国学者发表的论文，并对那些获国家自然科学基金或国家自然科学基金委员会数学天元基金资助的论文进行了特别标注。
2.1《MR》收录中国论文的统计分析
考虑到二次文献的收录时差，为保证数据的完整性，选取的是1993~2004年的文献数据，检索结果如图1所示。数据显示，《MR》12年来收录的中国论文呈现出稳步增长的势头,中国论文的增长速度要大于《MR》总论文数的增长速度。
2.2《MR》收录论文在数学各分支上的分布
为避免重复计数，在对63个数学分支进行统计时,均按第一分类号统计。按2000年《MSC》提出的修订方案，将1993~1999年的数据进行了合并和调整。图2显示了国际数学论文在63个数学分支上的分布。
数学各分支占论文总产出的百分比在一定程度上反映了该领域的研究规模，而相应分支学科的研究热点变化也是统计中着重揭示的问题。在实际统计中，跟踪热点变化主要是通过这63个数学分支的时间序列分析完成的。统计数据揭示的主要特征和趋势如下：1993〜2004年，国际数学或与数学相关论文产出百分比最高的前10个分支依次是：量子理论（81)、统计学（62)、计算机科学（68)、偏微分方程（35)、数值分析（65)、概率论与随机过程（60)、组合论（05)、运筹学和数学规划（90)、系统论/控制（93)、常微分方程（34),这10个分支的产出占总体产出的42.5%。
隹某些分支领域表现出良好的增长势头，如统计学领域的论文数量近3~4年增长较快，有取代量子力学成为现代数学最大板块的趋势。对统计学进一步按照次级主题分类进行统计，结果表明论文产出主要集中在非参数推断（62G)方向（见图3)。
2.3《MR》〉收录中国论文在数学各分支上的分布
MR收录中国学者的数学论文的主要特点表现在以下几个方面：
參1993~2004年论文产出百分比最髙的前10个分支领域依次是偏微分方程（35)、数值分析（65)、常微分方程（34)、系统论/控制（93)，运筹学和数学规划（90)、统计学（62)、组合论（05)、概率论与随机随机过程（60)、动力系统和遍历理论（37)、算子理论（47)，这10个分支的产出占总体产出的52.25%。
偏微分方程（35)是中国数学论文产出的最大分支，对偏微分方程的二级分类进行细分，结果见图5。
从图中可以看出数理方程及在其它领域的应用（35Q)所占比重较大。同时，根据对35Q的下一级分类的追踪发现，关于KdV-like方程（35Q53)、NLS-like方程(35Q55)的论文有增加的趋势。
差分方程（39)、Fourier分析（42)、计算机科学（68)、运筹学和数学规划（90)、对策论/经济/社会科学和行为科学（91)、系统论/控制（93)、信息和通讯/电路（94)表现出一定的增长势头。
结合环和结合代数（16)、逼近与展开（41)、一般拓扑学（54)、大范围分析/流形上的分析（58)、概率论与随机过程（60)等表现出下降趋势。
与《MR》收录数据的主题分布所不同的是中国的量子力学和统计学均没有进入前5名，量子力学排到了第12位，且有下降趋势。计算机科学（68)、常微分方程（34)在《MR》中分别排在第3位和第10位，而中国数学论文中，常微分方程位居第3，计算机科学位居第11。
1993~2004年《中国数学文献数据库》收录论文统计分析
1993~2004年《CMDD》收录中国学者发表的论文总数达到93139篇。从这些论文在63个数学分支上的分布中可以看出，这63个数学分支学科的发展是不平衡的。对这63个数学分支的论文产出的时间序列分析发现，有些分支增长较快，如运筹学和数学规划（90),对策论/经济/社会科学和行为科学（91),有的变化不大，如几何学(51-52)。
通过对《CMDD》的数据统计，表明中国数学文献的学科分布有如下特点：
參1993〜2004年论文产出百分比最高的前10个数学分支依次是数值分析（65)、运筹学和数学规划（90)、常微分方程（34)、偏微分方程（35)、统计学（62)、系统论/控制（93)、计算机科学（68)、组合论（05)、概率论与随机过程（60)、对策论/经济/社会科学和行为科学(91)，这10个分支的产出占总体产出的56.0%。
一些分支表现出良好的成长性。如数理逻辑与基础（03)、矩阵论（15)、实函数（26)、测度与积分(28)、动力系统和遍历理论（37)、Fourier分析（42)、变分法与最优控制/最优化（49)，运筹学和数学规划(90)、对策论/经济/社会科学和行为科学（91)、生物学和其它自然科学（92)、系统论/控制（93)、信息和通讯/电路（94)。
參一些分支所占比重下降。如逼近与展开（41)、一般拓扑学（54)、概率论与随机过程（60)、统计学(62)、数值分析（65)等。
參在排名位于前10位的数学分支中，量子理论(81)在《MR》、PRC(《MR》的中国论文）和《CMDD》中所占比重有较大的差异，其余的9个分支尽管所占比重不同但基本上都能进人分布的前10名，例如，计算机科学（68〉在《MR》数据组的排名是第3位，到PRC和《CMDD》数据组就下降到第11位和第7位，在《MR»数据组的排名分别是第8位和第10位的运筹学和数学规划（90)和常微分方程（34),在PRC数据组中，则上升到第5位和第3位，在《CMDD》数据组则为第2位和第3位。这些排名的变化可以部分地揭示出中国在量子理论、计算机科学的交叉研究等方面稍有欠缺，但在数值分析、运筹学（含数学规划）等方面，中国具有相对的竞争优势。
组合论（05)在《MR》、PRC和（(CMDD》中所占比重较为一致，分别位居第7、第7和第8位。数据表明组合论中的二级分类图论（05C)的论文产出比例最高，对图论主题进行进一步分析，发现这几年成长较快的图论领域的研究论文大多集中在图和超图的着色（05C15),其次是因子、匹配、覆盖和填装(05C70)。在图论的这两个三级分类上，中国学者的论文产出与国外非常吻合。
本文中的“基金资助”指的是国家自然科学基金或国家自然科学基金委员会数学天元基金的资助。为统计方便，二者统一按基金资助处理。1993~2004年《CMDD》收录的获基金资助的论文共计27662篇，受资助力度达到30%左右。表8显示，获基金资助的论文近年来有不断上升的趋势。2005年《中国数学文摘)>第6期附表1说明《中国数学文摘》和《CMDD》2005年收录的论文受基金资助的比例达40%以上。《CMDD》收录的获基金资助的中国论文在数学各分支上的分布特点如下：
在数量上，前10个分支领域为：数值分析（65)、系统论/控制（93)、偏微分方程（35)、运筹学和数学规划（90)、计算机科学（68)、常微分方程（34)、统计学（62)、概率论与随机过程（60)、组合学（05)、对策论/经济/社会科学和行为科学（91)，这10个分支占总体产出的60.2%。
在63个分支领域上，基金资助比例最高的前10个分支是：K-理论（19)、多复变量与解析空间（32)、质点和系统力学（70)、大范围分析/流形上的分析(58)、拓扑群/Lie群（22)、动力系统和遍历理论（37)、经典热力学/热传导（80)、概率论与随机过程（60)、系统论/控制（93)、位势论（31)。
一、引言
随着生物科学的发展，只有定性的结论已不能满足实践的需要，实现生物科学结论定量化是人们长期追求探索的目标；生物统计学是生物学科定量化的重要分析理论与方法，生物统计学是生物学科应具备的基本知识和素质，与生命活动有关的各种现象中普遍存在着随机现象，大到森林陆地生态系统，小至分子水平，均受到许多随机因素的影响，表现为各种各样的随机现象，而生物统计学正是从数量方面揭示大量随机现象中存在的必然规律的学科。因此，生物统计学是一门在实践中应用十分广泛的工具学科，它是生命科学各专业的专业基础课，对后续生命科学课程学习和生物科研有重要作用。
同时，生物统计作为数理统计在生本论文由整理提供物学领域的应用，是教学难度较大的一门课程。因此，在生物统计学精品课程建设过程中，针对各专业培养目标的定位，因材施教，更新教育理念，加强实践训练，在教学方法和教学手段上进行改革和大胆探索。
二、二十一世纪对生物统计学课程的重新定位
（一）新世纪对生物统计学课程提出的新要求。
二十世纪上半叶农业和遗传统计学首先获得了发展，在其基础上发展起来的生物统计学、统计流行病学、随机化临床试验学已经成为攻克人类疾病的一个里程碑。这在过去的半个世纪里显著提高了人类的期望寿命。
21世纪人类基因组，基因芯片等实验科学产生出的巨量数据，需要新工具来组织和提取重要信息。
将数据转化为信息需要统计理论和实践本论文由整理提供方面的洞察力、技术和训练。
未来的生物统计学将会与信息技术密切结合，较少侧重传统数理统计，而会更多注意数据分析，尤其是大型数据库的处理。生物统计学越来越不同于其它数学领域，计算机和信息科学工具至少和概率论一样重要。
（二）生物统计学对大学生素质培养的作用。
生物统计学的一个重要特点就是通过样本来推断和估计总体，这样得到的结论有很大的可靠性但有一定的错误率，这是统计分析的基本特点，因此在生物统计课程的学习中培养了一种新的思维方法———从不肯定性或概率的角度来思考问题和分析科学试验的结果。
生物统计学是通过个别的试验研究得出其一般性结论，属于归纳推理的范畴。但其有别于简单枚举法和科学归纳法，是一种或然性归纳推理或者概率归纳推理。在生命科学的研究中绝大多数涉及到的是随机事件，因此，生物统计学不仅是试验设计与统计方法的教学，更重要的还是大学生思维方式的培养，这对提高大学生的素质很有必要。
生物统计学包括试验设计和统计方法两个有机联系的组成部分。通过试验设计的教学可提高大学生设计研究课题试验方案的能力，使之明确课题的研究目的、试验因素与水平以及试验设计方法等方面的内容。通过统计方法的教学除让学生弄清各种统计方法的内涵外，还需要使学生能够正确地选择最适合的统计方法，以揭示资料潜在的信息，达到研究的最终目的，从而提高大学生科学研究素质。
三、教学方法和教学手段的改革
（一）加强电子课件及网络平台本论文由整理提供建设。
生物统计学是应用概率论和数理统计原理研究生物界数量变化的学科，而概率统计的理论和思维方法对本科生来说有一定的难度，加之课程学时的减少（由原来的60-70学时，降到现在的40学时左右）,如何深入浅出地引导学生入门，并使学生在了解概率统计思想的基础上，掌握常用统计分析方法的应用及使用条件是课程的教学难点。为此，我们利用多媒体技术，制作了与教材配套的课件，通过在课堂上把抽象内容形象化与直观化，收到了良好教学效果。建设了一个生物统计学教学网络支撑平台，现有课程简介、教学大纲、师资力量、授课教案、电子版《生物统计学》教材、课程录像、实习指导、在线测试题、参考文献、其它教学资源等栏目，免费向全校师生开放。
（二）将多媒体教学优势与学生的认知规律有机结合，用较少的学时得到良好的教学效果。
多媒体具有信息量大、形象化、直观化的特点。
但是如果不能很好地将多媒体这些特点与学生的认知规律相结合，多媒体教学就可能会带来一些弊端诸如：（1）内容多，幻灯片变换快，由照本宣科变为照屏宣科，为新的“满堂灌”；（2）课件图片多，内容以展示为主，缺乏启发性；（3）教学内容常用满屏的方式显示（即所谓“死屏”）,老师照着屏幕上的内容给学生讲解，失去了传统教学方法，老师边讲边板书能给学生留下比较深刻印象的特点，缺乏吸引力。
而多媒体在教学中只能充当工具的角色，在教学过程中必须将多媒体信息量大、形象化、直观化的特点与学生的认知规律紧密结合在一起。在制作课件时，采用启发式教学方式，精炼教学内容，模仿传统教学书写板书的过程，根据教学内容的难易程度，采用逐字、逐句、逐段显示教学内容的动画方式。在课堂教学中，老师仍然保持传统教学方法的教姿教态，在授课的过程中与学生保持互动，根据学生在课堂上接受知识的能力，掌握屏幕上显示内容的速度，必要时辅以板书进行讲解。这样做既发挥了多媒体教学的特点，又充分照顾到学生的认知规律，在内容没本论文由整理提供有缩减，学时减少近三分之一的情况下，仍然取得良好的教学效果。
（三）长期坚持教育教学方法及教学规律的研究。
生物统计学的理论基础是概率论与数理统计，从这个层面上讲，它有非常浓的数学味道，但是它又有别于概率论与数理统计，生物统计学更主要强调的是概率论及数理统计的思想和方法在解决生命科学中一些具体问题的应用。因此在教学过程中就存在一个“度”的把握问题，如果将概率论及数理统计的原理讲得太多，一是学时不允许，二是学生难以消化，得不到好的教学效果；如果只注重方法的讲解，学生知其然不知其所以然，就会误入乱套公式的歧途。经过将教学的重点放在教学中引导学生重点掌握统计方法的功能与用途，方法与步骤，防止各类方法的误用，淡化定理的证明与公式的推导。在教学内容的安排上采用“保干削枝”，即在学时减少很多的情况下，将一些次要的统计方法去掉，也要保证有足够的学时讲授理论分布与抽样分布、统计假设测验等方面的内容，让学生掌握生物统计学中所蕴含的概率论及数理统计的思想精髓，从而避免学生乱套统计公式。
（四）密切跟踪生命科学发展的前沿动向，探索生物统计学解决前沿问题的理论与方法。
统计学在生物学中的应用已有长远的历史，本论文由整理提供许多统计的理论与方法也是自生物上的应用发展而来，而且生物统计是一个极重要的跨生命科学各研究领域的平台。现在基因组学、蛋白质组学与生物信息学的蓬勃发展，使得生物统计在这些突破性生物科技领域上扮演着不可或缺的角色。
在课程建设中，随时注意纳入生物统计学在前沿领域研究应用的内容，增强课程的活力，提高教师和学生面向生物产业主战场解决实际问题的能力。
四、加强实践教学，注重学生能力培养
生物统计学要不要开实验课，怎样开实验课，一直存在争议，在此认为生物统计学不仅应该开设实验课，而且还要将实践教学的重点放在计算机技术和统计软件的应用上，让学生不仅掌握统计方法，而且加深对原理的认识，获得就业或升学的必备计算机统计技能，提高解决复杂问题的能力。
（一）开展统计软件的实习，扩大学生的视野，提高学生素质。
20世纪20年展起来的多元统计方法虽然对于处理多变量的种类数据问题具有很大的优越性，但由于计算工作量大，使得这些有效的统计分析方法一开始并没有能够在实践中很好推广开来。而电子计算机技术的诞生与发展，使得复杂的数据处理工作变得非常容易，所以充分利用现代计算技术，通过计算机软件将统计方法中复杂难懂的计算过程屏障起来，让用户直接看到统计输出结果与有关解释，从而使统计方法的普及变得非常容易。在课程体系改革中，各课程的教学时数与达到培养目标所需完成的教学内容相比还是不足的。为此，可以通过标准的统计软件的教学实习来达到以点带面，扩大学生视野，提高学生素质。超级秘书网
为此我们建立了一个专用于实习教学的生物统计电脑实验室。现共有50余台电脑，并连接到校园网。实验室配备有指导教师，负责对上机的学生答疑。除按教学计划进行的正常实习教学外，实验室还对优秀学生免费开放，鼓励他们结合教师的科研活动，应用所学生物统计学知识，学习新的生物统计学知识，掌握应用计算机解决生物统计学问题的技能。
（二）全方位、多层次的实践教学。
为了进一步培养学生实际动手能力和科学严谨的治学态度，必须将本课程的实践教学活动延伸到课堂教学外，开展全方位、多层次的实践教学。
在原绵阳农专期间，主要在作物育种、作物本论文由整理提供栽培、动物营养等课程实验与实习中，根据相关内容加入了试验设计方法以及数据统计分析的相关内容。
组建了西南科技大学生命科学与工程学院以后，由原来的单一农科专业变成了理、工、农三大学科均有专业的格局。虽然专业的学科归属不同，但有一点是相通的，其内涵均属于生命科学的范畴。以科学研究的方法进行划分，均属于实验科学。
掌握正确的实验设计方法，从不确定性数据中挖掘事物的客观规律，是实验科学工作者必备的技能。因此，我们将原来只是在农科专业上延伸实践教学的作法推广到全院的所有专业，结合实验课教学的改革，对发酵工艺学实验、植物细胞工程实验、食用菌实验、微生物学实验等课程的内容全部或部分改为用生物统计学指导学生自主进行实验设计，把过去单一的实验流程、样品观察或检测实验改变为试验条件的优化试验，提出在不同条件下对样品测定的比较试验设计、单因素试验设计、多因素试验设计、正交试验设计、均匀试验设计，对试验结果要求学生使用统计学的方法对进行分析和讨论，最后得出最佳试验条件。
这样的实验教学改革起到了一箭双雕的作用，从专业基础课或专业课的角度看，改验证性实验为设计型、综合性实验，增强了学生解决实际问题的能力，培养了学生创新思维的能力；从生物统计学角度看，将课程的教学实践延伸到课程外，弥补了学时的不足，更重要的是学生将自己学到的统计学知识，转化为解决实际问题的能力，知识得到很好的内化。
此外，在学生课外科技活动中指导学生选用正确的实验设计和数据的统计分析方法，提升科技作品的档次；在毕业论文（设计）中要求学生采用恰当的生物统计学方法进行设计与分析，写出高质量的毕业论文（设计）。
通过这样的教学实践，训练了学生的统计思维能力，使学生充分认识到掌握生物统计学这一工具的重要性和必要性，增强了学生学好用好这门工具的信心，提高了学生从复杂的生命现象中挖掘事物客观发展规律的能力。
精品课程是集科学性、先进性、教育性、整体性、有效性和示范性于一身的优秀课程。作为精品课程的载体，应具有一流的教师队伍、一流的教学内容本论文由整理提供、一流的教学方法、一流的教材、一流的教学管理等特点。与之相比，我们在生物统计学精品课程的建设上，才刚刚起步，今后还要在教材建设、师资队伍建设、科学研究等方面加大力度，将生物统计学建设成体现现代教育教学思想、符合现代科学技术和适应社会发展进步的需要、能够促进学生的全面发展而深受学生欢迎的一门课程。
关键词：课程群；学生数学类社团；创新训练；实习实训
目前，数学类专业（数学与应用数学、信息与计算科学）的许多学生反映数学课程太抽象，并误认为数学课程没有应用价值，由此导致学习兴趣缺失。而且，数学类专业的培养方案中实践环节少，导致学生的动手能力差。如何激发学生的数学学习兴趣，提高创新能力和实践能力？我们认真分析归纳，寻找解决办法。经过调研、讨论和数年研究，我们认为：特别要提高课堂教学质量（Quality），抓好第一课堂，联合学工，创建若干数学社团（community），搞活第二课堂，营造良好学风，夯实学生的数学基础，然后搭建若干平台，采取系列措施，通过有导师指导的大学生创新（Innovation）训练项目，提高学生的创新能力，开拓实习基地，开展实训实习活动，提高学生的数学实践（Practice）动手能力，在此基A上，进行延伸与拓展，完成有特色的毕业论文（The.sis）（设计）。以上模式我们简称为QCIPT教学模式。
一、数学类专业QCIPT模式中课堂质量（Quality）的提升
如何提高课堂质量是课程教学的核心问题。目前我们努力在不更改现有培养方案的基础上，分析课程设置、教师的授课现状和现有培养模式，提高课堂教学质量，提高学生对知识的融会贯通。“第一课堂”建设的着力点是教师。对此，我们的思路分为两块：一是教师技能，提高教师的教学技能，特别是青年教师的教学基本功，增加课堂吸引力；二是教师思路，加大课程建设力度，注重课程群建设，注重教师之间的交流。
（一）提升教师的教学技能
通过参与教学活动、学习和交流等多种途径，提升教师特别是青年教师的教学技能。定期举办教学基本功比赛，同时要求教师参加各类教学比赛，比如微课程比赛，教案设计大赛。通过比赛，规范备课流程、教案的书写、课堂教姿教态、课堂组织等一系列教学环节。
鼓励教师每年参与相关课程的教学研讨会，观看相关课程的视频公开课，鼓励青年教师参加教育部教师发展中心举办的网络培训，并撰写心得体会。
组织教师聆听名师讲座。名师们的教育理念体现先进的教育教学思想，他们对每一节课的设计都有独到之处，不步人后尘，不因循守旧，不照搬别人的教案，不复制别人的思路，努力把课讲出新意，在某些方面有所突破，能引起同行们产生学习仿效的欲望。还要求教师相互观摩教学，取长补短，应用到自己的教学过程中去。同时定期开展数学系内部的教学研讨活动，特别是同一类型课程的老师（比如：分析类课程，上机实践类课程等）相互交流教学进度、学生作业情况、课堂纪律、学风等教学具体事务。
（二）加大课程建设力度，构建课程群
以课程建设为契机，提高该门课程的课堂教学质量。我们要特别关注若干在培养方案中的起着衔接作用的课程，构建课程群，实施联合建设。比如：我们注意到“数学与应用数学”专业以及“信息与计算科学”专业中“概率论与数理统计”是一门理论与应用并重的学科。一方面，它需要扎实的数学理论，比如“数学分析”和“实变函数”的理论知识；同时，“概率论与数理统计”的应用性强，其中许多统计思想被用作数学建模的工具，用来分析问题和解决问题。于是，“数学分析”“实变函数”“概率论与数理统计”和“数学建模”这4门课程可以构建成一个小的课程群，实施联合建设，相互促进。这种课程群，不是若干门课程的简单相加，也不是某门课程的系列课，而是按照课程之间的理论联系和理论应用联系而组建起来的若干门课程。以此“小课程群”为平台，将数学类专业的部分课程拧成整体，搭建学生对这部分课程的知识网络，使其做到融会贯通，教师对此课程群的课程实施联合课程建设，同时以此为经验辐射到数学类专业的其他课程。
我们开展课程联合建设的具体思路如下：
1.建设形式
在联合建设的组织形式上，除课程群负责人外，课程群中的各门课程均设置有负责老师，同时作为成员参加课程群中其余课程的课程建设。
2.建设内容
在建设内容上，特别注重各门课程知识结构的联系，将知识的相互关联性和相互融合性体现在具体的教学活动中：制定教学大纲、教学日历和考试出题规范，制作教学课件和教案，编写教学辅导书等教学活动。具体来说：
（1）课程群中各门课程都要有详尽的纸质版教案，并且根据教学情况依据相应学科的最新发展及时更新完善。教案的撰写要注重两个联系：一是本课程内部诸多知识点之间的相互联系；二是本课程中的知识点和关联课程中知识点的联系，比如分析中确定性结论和随机性现象中统计规律性之间的联系。
（2）多媒体课件的制作。使用多媒体，就要充分发挥其优势：特别注重知识点的直观背景和动画的直观展示，同时，利用多媒体信息量丰富的特点，要及时穿较课程群中相关课程的知识点。
3.课程群中知识点的融合方式多样化
（1）“引人”式：由已学关联课程的“旧知识”引入新学课程的“新知识”。
（2）“对比”式：将关联课程的知识点和现学课程的相关知识点进行对比，用以巩固旧知识，学习新知识。比如，讲述概率论中随机变量列的“以概率收敛”和“以分布收敛”，可以综合比较数学分析中“数列的收敛性”，实变函数论中的“以测度收敛”和“几乎处处收敛”等。
（3）“启发”式：通过现有课程的知识点，启发诱导学生去思考，提前感受并使用另一关联课程的思想方法：比如，学习完概率论中的“中心极限定理”之后，用多媒体技术向学生演示“高尔顿板的小球试验”，然后启发学生使用概率论工具和数学建模的思想，通过严密的理论推导来解释这一随机现象。
二、打造数学类社团（C0mmunity），搞活第二课堂，营造良好学风
提高课堂教学质量，搞好第一课堂是提高学生培养质量的重要因素，然而，如何让学生实现由“要我学”到“我要学”这种能动性的转变？我们认为，按照循序渐进的思路，开辟第二课堂，营造良好学风会起到很重要的作用。具体的思路如下：
（一）组建课程兴趣小组，提高学生的课程学习水平
我们注意到当代不少学生思维活跃、热衷课外活动。于是依据学生兴趣爱好由学生自愿报名，然后授课教师考核评定，组建相关课程的兴趣小组（通常由该门课程学习优异的同学组成），其中组长一名，负责平时的互助提高活动。
一方面，课程兴趣小组在老师指导下定期讨论教师布置的思考题或者补充教材，这些内容是课本中理论内容的拓展升级，或者是利用课堂上的理论知识去动手解决一个实际问题，这类实际问题通常具有趣味性和可操作性。比如，在概率统计课程的教学中，让课程兴趣小组的同学在老师指导下讨论概率论起源中的“分赌本”问题，课堂上讲完“中心极限定理”的内容之后，要求兴趣小组解释“Galton板试验”中的小球的下落未知问题，并编程重新实现。课程兴趣小组开展的这些活动，使成员对课本知识得到巩固和提高，同时带有生活背景和趣味性的问题分析可以提高学生的学习兴趣，利用课程兴趣小组成员的辐射作用和所营造的氛围，带动全班同学对该门课程的学习兴趣和主观能动性的提高。
另一方面，课程兴趣小组协助教师答疑辅导该门课程的后M生，减少不及格率，帮助更多的同学顺利通过该门课程的考试。
（二）组建数学类的学生社团，营造良好学风
在课程兴趣小组的基础上，课程建设负责人特别是课程群建设负责人和学工处的老师一起组建、完善数学类的学生社团。比如：组建大学生数学协会，大学生数学建模协会，大学生统计协会，大学生科学计算协会等。每个社团都有指导老师，主体是学生，面向全校学生开放，通过学生主动申请入会。协会的组织机构由学生构成，定期开展活动：如协会招新，老会员对新会员的经验交流会，数学类课题探讨，数学知识竞赛，数学建模竞赛，统计建模竞赛和编程设计大赛等，开展丰富多彩的趣味数学知识竞赛，并对往届竞赛的优秀作品进行讲解等。
在开展活动的过程中，院系会根据数学类社团的需要提供相应的硬件和软件方面的帮助与指导。开展活动中，学生申请后，数学类专业在课余时间会面向数学类协会会员开放数学实验室，让学生动手使用数学软件，对实现问题进行数值分析和模拟，培养学生的动手能力。比如，让学生对收集的数据做统计分析，自己编程实现数学动画等。同时，指导老师也会定期和学生碰面，讨论问题，给予指导。比如，对定期开展的数学竞赛，数学建模竞赛（全国的、北美的）、全国统计建模竞赛等，指导老师会在赛前给予学生一些必要的竞赛辅导，每年暑期，指导老师会对参赛学生集中培训。数学系教师和数学类社团负责人定期举办校级数学类竞赛（由指导老师出题，阅卷，讲评，选拔），比如学校的数学知识竞赛、数学建模竞赛。
这样利用社团，在教师指导下，成员间开展互相帮助，通过“传、带、帮”形成良性互动，通过各种数学类竞赛，提高学生的动手实践能力和分析解决问题的能力。“第二课堂”的开辟，不仅巩固了学生学习的课本知识，增加了学生学习的主观能动性，基础薄弱的学生学习成绩得到了提高，优秀生也部分实现了自我价值，表达能力、交流能力和组织能力等综合素质也得到了提升，体现了“教书是为了育人”的理念。
三、开展大学生创新（Innovation）性训练。培养学生的创新能力
对于学有余力的学生，特别是数学类社团的负责人以及打算继续深造的学生，在“第二课堂”开展的基础上，参与导师的科研课题，在老师的指导下，进行大学生创新性训练。这些创新性项目是以学校、北京市或者国家的“大学生创新性训练项目”为平台来开展的。每个项目由5名学生组成，其中1人担任该项目的负责人，选派指导教师1名，项目的研究经费1万元左右，期限是1至2年。指导教师要求具有高级职称或者具有博士学位的优秀讲师。
借鉴兄弟院校的做法，我们的内容和思路是：先安排学生协助研究生开展科研工作，然后在导师指导下过渡到对某个具体问题开展探索性研究；在研究课题的选择上，教师根据学生的知识储备、学习能力和兴趣爱好，布置不同层次的科研问题。在研究训练过程中，要求学生参加研究生的课题讨论班、听取相关的课程讲座并参加相关的学术会议。实施过程中，为加强过程的管理与监督：要求创新项目训练组每月至少交2次活动记录（内容为讨论的问题与方法），1次指导记录（教师指导的内容），每个学期提交1份项目进展总结；导师指导学生写出符合规范的学术论文，最后通过项目答辩的形式来考核项目能否正常结题。
四、开展实习实训（Practice）。培养学生的实践动手能力
对于志在毕业后立即就业的学生，数学系为他们搭建与数学类相应的实习实训平台，提高他们的实践动手能力。数学系教师联系企事业的相关单位，建立合作联系，开拓数学类实习基地。先期组织学生接受实训教育：了解实习基地里相关项目中用到的数学类问题、需要的软件开发技术与编程语言，同时在校内的实践性课程教学中，也做好协调工作；然后根据学生对相关技能的掌握情况，结合实习基地的项目开展情况，组建若干实习小组，进行分层次的实习。每个实习小组配备两个导师，一个是校外的实习基地导师，一个是校内的导师，学生辅导员与班主任在学生实习基地与学校之间进行沟通协调工作。定期开展项目进展汇报加强督查，及时解决项目进行过程中遇到的问题，确保项目如期完成。实习工作也为后期的毕业设计和找工作打下基础。
五、毕业论文（Thesis，设计）环节――学生创新能力、实践能力的检验和提升
关键词：医学统计；方法；运用；原理；选择
中图分类号：C81 文献标识码：A 文章编号：1001-828X（2014）05-00-01
一、统计学方法简介
统计学方法包括统计软件包、统计分析方法以及检验水准三方面的内容。其中医学论文中常提到检验水准即α，它是用来表示组间实际无差别而统计结果判断有差别，犯这类错误的概率。实际工作中常取α=0.05，当研究数据计算的P值小于0.05时，组间差异比较被认为有统计学意义。统计学方法包括统计描述和假设检验两个方面的内容。统计描述是指根据资料及原始数据分布的类型，选择正确的指标来描叙资料及数据的特征。而假设检验即组间差异性检验，是医学论文中最常用的统计学方法。资料类型则包括能用具体数据表示的定量资料与不能用具体数值表示但能反映被观察对象某一特征的定性资料。定性资料的统计描述包括率、相对比和构成比。而参数法及非参数法是常用的定量资料统计分析方法。参数法一般包括t检验、方差分析，非参数法常用的有秩和检验。
二、试验设计中的统计学原理
合理的试验设计与统计处理的可信度存在直接联系，研究者在编写医学论文时应对医学研究设计方法进行说明。在进行试验设计时应遵循随机、对照、均衡和重复四大原则。在进行试验设计的时候通常会涉及到研究对象的选择，研究对象的分组及选择合理的检测指标三个方面的内容。
医学论文就是通过对样本的研究来进行推断总体，找出其共性，得出结论。因此研究者在选择研究对象时应注意选择样本应具有一定数量，能反映出该事物的规律性特征，但又应注意例数不能太多，以免造成不必要的浪费。其选择的原则就是在保证试验结果可靠性的前提下选择最少的样本例数。研究者在选择样本对象后应对其基本特征进行详细的描述，比如患者的年龄、性别、病理分期、疾病诊断的标准等。此外在试验中所用到的试剂、仪器的型号、规格等都应作出说明，以供读者借鉴和做出判断。选定好研究对象后就要对其进行分组。在进行分组时研究者一般遵循统计学中的“随机分配”、“设立对照”以及“均衡”、“重复”的原则。随机化原则是提高组间均衡性的一个重要手段，也是资料分析时进行统计推断的前提。有对照才有比较，在进行组间比较时，应确定好处理因素与实验效应的关系。均衡性则是要使得对结果产生影响的非处理因素尽可能保持一致，这样才能保证对照的结果让人信服。观察实验效应的指标主要有主观指标与客观指标。正所谓主观指标就是通过问答的方式调查受试者自己判断的主观感受；而客观指标则是通过仪器来检验和测量所得出的结果。在进行试验设计时应选择客观性较强、高灵敏性和精确性的指标。
三、统计学方法的选择
统计学方法的正确选择是直接影响到论文结论可信度的重要依据，因此研究者在编写论文时应注意选择合适的统计学方法。不同的统计学方法应用的范围不同。研究者在编写医学论文时常根据论文研究的目的、资料类型、试验设计的方案、样品大小、水平数、特定条件、数据分布特征以及综合分析等来选择对应的统计方法，同时还要根据专业知识与资料的实际情况，结合统计学原则，灵活地选择。当定性资料正态分布时，研究者一般用均数和标准差来表示统计描述指标；当定性资料不符合正态分布时，则可选用中位数及级差来表示；当定量资料正态分布且组间方差齐时一般选用参数法，反之则选用非参数法。t检验一般适用于小样本（n
四、常见统计学方法的误用分析及对策
1.统计方法误用。最常见统计方法误用是对等级资料进行比较时应用秩和检验而误用卡方检验。例如：在评价采取不同治疗方法的两组急性脑血管病患者疗效中，治疗组显著有效、有效、无效三种分型分别为15例、10例、8例，对照组分别为14例、11例、9例。本资料例数较少，应选用等级比较的秩和检验，而有些作者却认为只要是率的比较就可以采用字检验。研究者在选择统计学方法时应根据相应的原则，对文章研究目的、资料类型、样品大小、水平数、数据分布特征等进行综合分析后，再来选择对应的统计方法。
2.选用检验方法错误。在有些论文中，作者常将本应用方差分析和q检验的误用t检验。t检验一般适用于小样本（n
五、结论表述中的统计学应用
资料的统计处理不是医学研究工作的最终目的，而是通过统计学分析为研究结论提供依据或者线索。因此，在对统计资料进行分析后应把握统计学术语，对结论做出科学的分析跟解释。在根据统计结果得出专业结论时研究者应遵循一个重要原则，就是统计结论都是概率性的，不能绝对地肯定或否定。研究者习惯上将“P
参考文献：
论文关键词：加工精度，控制SPC技术
传统的精度分析方法通过人工进行，工作量大，计算繁琐，检测精度相对不高。现代科学技术的发展对机器零件的精度要求越来越高，这就要求减少误差，保证工艺过程的稳定，以确保零件的加工精度，那么对加工精度分析和控制的要求也就越来越高。基于此提出了利用计算机辅助进行加工精度的统计分析，使得这项工作的效率及准确性得到大大的提高。目前控制SPC技术，SPC技术是生产过程控制稳定产出的主要工具之一，在生产型企业中应用的非常广泛。
一、SPC技术的发展
SPC即统计过程控制。SPC是20世纪20年代美国贝尔实验室休哈特博士首先应用正态分布特性于生产过程中的管理。二战后期，美国将休哈特方法在军工部门推行，同时休哈特的同事戴明博士在日本推行SPC得到非常好的应用。在日本强有力的竞争下，80年代起，美国又重新大规模推行SPC。经过近70年在全世界范围的实践，SPC理论已经发展得非常完善，其与计算机技术的结合日益紧密，其在企业内的应用范围、程度也已经非常广泛、深入。目前，已成为生产过程中控制稳定产出的主要工具之一，在生产型企业中应用的非常广泛。在我国SPC理论的应用还没有普及。随着市场竞争的日益激烈，企业对产品的质量提出了更高的要求，特别是加入WTO以后，企业将面临着全球化的产品竞争，而产品竞争的法宝就是以质取胜，质量无国界，企业要想加入全球产业链之中，就必须按照国际统一的质量管理标准和方法进行质量管理。近年来，越来越多的企业意识到这一点控制SPC技术，纷纷通过了ISO9000、QS9000等质量管理认证论文开题报告范文。而国际标准化组织（ISO）也将SPC作为ISO9000族质量体系改进的重要内容，QS9000认证也将SPC列为一项重要指标。
二、SPC原理
SPC技术是建立在概率论基础上的一种加工过程统计方法。根据概率论，如果加工条件只在随机误差的影响下，加工误差如果用δ表示则加工误差服从正态分布曲线，如下图所示：
正态分布曲线
分布密度可以用如下公式表示：
y =
式中σ= ，如果测量n次，每次的测量误差分别为δ1、δ2...... δn。
由分布曲线图可知，当δ=0时，概率密度最大，当δ越大时概率越小，反知。
由图可知随机误差的分布曲线有以下的基本特性：
（1） 绝对值小的误差比绝对值大的误差出现的机会要多。
（2） 对称性，即如果测量次数很多时，正、负误差出现机会均等。
（3） 有界性，即误差的绝对值不会超过一定的界限。
概率统计知，当δ=3σ时，有99.73%的误差分布在±3σ的范围内。则测量值X也应
有99.73%分布在X0±3σ范围之内。
SPC控制图一般分为计量型和计数型，计量型控制图主要是控制产品质量特性。计数型主要控制次品数和缺陷数。符合正态分布的计量型SPC控制图也叫X-R控制图也叫平均值-极差控制图。X-R控制图包含X控制图也叫平均值控制图，R控制图也叫极差控制图。
一般极差用R表示，每一组测量数值中工件的最大、最小尺寸之差控制SPC技术，称为极差值R。极差计算公式如下：
R＝Xmax- Xmin
当一生产过程仅受随机因素的影响，从而产品的质量特征的平均值和变差都基本保持稳定时,称之为处于控制状态，此时,产品的质量特征是服从确定的正态分布曲线的。反之，在生产过程受到系统误差的影响时，产品的平均值和变差不能保持稳定，称之为系统处于失控状态，产品的质量特性不服从确定的正态分布曲线。正态分布曲线(或其中的未知参数)可依据较长时期在稳定状态下取得的观测数据用统计方法进行估计，正态分布曲线确定以后，质量特征的数学模型随之确定。为检验其后的生产过程是否也处于控制状态，就只需要检验上述质量特征是否符合这种数学模型。为此，每隔一定时间，在生产线上抽取一个大小固定的样本，计算其质量特征，若其数值符合这种数学模型，就认为生产过程正常、受控，否则，就认为生产中出现某种系统性变化，或者说过程失去控制。这时，就需要考虑采取包括停产检查在内的各种措施控制SPC技术，以期查明原因并将其排除，以恢复正常生产，不使失控状态延续而发展下去。平均值控制图就是将正态分布曲线进行旋转90°而得，如下图所示：
平均值控制图
SPC控制图的基本结构是在直角坐标系中画三条平行于横轴的直线，中间一条实线为中线CL(即对应的值)，上、下两条线分别为上、下控制界限UCL（即+3σ所对应的值）和LCL（即-3σ所对应的值）。仅仅利用平均值控制图控制产品是否受控经常会出现误判，将处于非统计控制状态下的点误判成控制下的点或将控制状态下的点误判成处于非控制状态下的点。为了减少判断失误，平均值分布图必须和极差图联合使用，只有当几组测量数据都处于平均值控制图的控制范围之内，且每组值的极差也基本保持稳定，才能判断此次加工中生产过程处于稳态。
极差控制图如下图所示：
极差控制图
极差控制图一般有两条线组成即UR和组成。UR控制线即极差控制上限由尺寸的上下极限偏差计算。当加工过程处于稳定状态时，由几组数据的极差平均值计算论文开题报告范文。
X-R图中的UCL、 LCL和UR还可以用极差来估算。估算的计算公式如下：
R图的中心线为： 图的上控制界限： 图的下控制界限： R图的上控制界限： R图的下控制界限： A、D值与每组测量数据的个数有关。取值如下系数表所示：
系数表
n
2
3
4
5
A2
1.88
1.02
0.73
0.58
D
3.27
3.27
Abstract： The non-parametric methodis a branch of probability statistics. Kernel density estimation will appear the boundary effect when estimating border region. This article proved the strong consistency of the given non-parametric condition kernel density estimation h■■（m，n）.
关键词：非参数估计；Copula函数密度；条件核密度估计
Key words： non-parametric estimation；Copula function density；conditions kernel density estimation
中图分类号：F830 文献标识码：A 文章编号：1006-4311（2015）25-0214-02
0 引言
本文根据核密度估计方法不利于和有关数据分布的先验知识，因此将一些数据分布不增设其他的假设，那就是一些从基本数据样本本身出面来研究数据分布估算特征的办法，经过对核密度估计变化系数进行加权处理，就应该建立不同的风险投资价值的假设模型。参数估计一般应该分成参数回归分析法和参数判别分析法。为了解释此个问题的现有的方法含有参数估计法和非参数估计法，对参数回归一系列的分析中。
1 首先来了解非参数估计
非参数方法是概率统计学的一个分支，通常在一个统计课题中，如果确定或者假定了全体分布的清晰形式，并且其中含有一系列参数，要从来自全体的样本对这些参数做出的一系列估算或进行某种形式的假定检测，这种推理的方法称为非参数方法。
连续型随机变量的概率密度函数有如下性质：如果概率密度函数h（x）在一点x上连续，那么累积分布函数可导，并且它的导数，由于随机变量x的取值，只取决于概率密度函数的积分，所以概率密度函数在个别点上的取值并不会影响随机变量的表现。更准确来说，如果一个函数和x的概率密度函数取值不同的点只有有限个、可数无限个或者相对于整个实数轴来说测度为0，那么这个函数也可以是概率密度函数。函数型数据统计分析方式是近几年才开始发展起来的，它涉及到很多学科，比如分类学、医学、生物力学等，是在这些学科的基础上结合非参数统计推断理论、方法与应用研究形成的。并且因为这些学科中常常会用到大量的函数型数据，所以函数型数据统计分析方法也得到了广泛关注和应用。（应用了连续型随机变量的概率密度函数定义）
连续型的随机变量取值在任意一点的概率都是0。作为推论，连续型随机变量在区间上取值的概率与这个区间是开区间还是闭区间无关。要注意的是，概率L{x=a}=0，但{x=a}并不是不可能事件。非参数估计的目的就是在一定条件下，估计未知密度函数h（x）。对于一维实随机变量x，设它的累积分布函数是h（x）。如果存在可测函数h（x），满足：①f（x）？叟0；②■f（x）dx=1；③P（a
2 再来了解Copula密度函数
Copula函数解释的是变量空间的一般相关性问题，现实上是一种将联合分布函数与本身的各自边缘分布函数相连在一起的密度函数，所以我们还将它称为连接函数。上个世纪九十年代中后期的相关理论和解决方法已经在其他国家开始得到快速发展并且还应用到金融、医药等领域的相关分析、投资组合分析和风险投资管理等方方面面。在某些参数判别分析里面，一般需要假定认为辨别依据的、随机取样的数据样本在很多机会的类别中都配成特定的分布。实践表明，参数模型的这种基本设定和真实的物理空间模型之间存在的差别并不大，但是由此方法得到的结论却与现实相距甚远，这是因为密度估计方法不利于有关数据分布的先验知识，所以一些数据分布不增设其他的假设时，其结果很难令人满意。
通过了解知道Copula函数是两个边缘分布的连接函数，因此得出Copula函数的条件密度就是联合密度函数，在这种情况下需创新传统的估计方法，选用条件密度来估计随机变量间的相辅结构，在非参数核密度估计方法里面，条件概率密度核估计才是一整套相对比较完善的理论，因此将条件核密度估计理论在Copula函数的估计中进行应用，就可以得出在预定值超出所有知道的Copula类时刻对这种相依结构的非参数估计。
3 最后来了解条件核密度估计法
核密度估计方法在估计边界区域的时候会出现一般的边界效应。经过对核密度估计变化系数进行加权处理，就应该建立不同的风险投资价值的假设模型。参数估计一般应该分成参数回归分析法和参数判别分析法。
通过给定的集合样本点来分析随机变量的分布密度问题的函数是概率统计学的一个基础课题之一。解释此问题的现有方法包括参数估计法和非参数估计法。对参数回归一系列的分析中，通常来设定数据分布符合某些给定的特定的形态，比如可化线性分析、线性分析等，再次在目标函数中追寻一固定的解，那就是确定回归模型中的未知参数值。
假定联合随机变量（X，Y），其中（Xi，Yi），i=1，2，3…，备有一定的联合密度f（x，y）的Kp×Kq上各自单独分布的样本点，g（φ）是X的密度边缘，h（y│x）=■为给定X=x时Y的条件密度。令R1，R2分别是Kp及Kq上的核函数，{an}，{bn}为可以设计的一个序列。h（y│x）的双重核估计定义为：hn（y│x）=■。
设（X，Y）的布局为δ，δ的着力点为D。X，Y的边缘分布分别为δ1，δ2，对应的着力点为D1，D2。对于任意的x=（x1，…，xp）∈Kp，y=（y1，…，yp）∈Kq，a>0，b>0，假定R1，R2，
an（x），bn（y）符合下面条件：R1，R2分别是Kp及Kq上的有边界概率密度边缘函数；R1，R2可积；Kp及Kq着力点有界；对与任何一个Kp中紧集H1和Kq中紧集H2，有■a■（x）0，a.s当n∞，■b■（y）0，a.s当n∞，对任意Kp中紧集H1和Kq中紧集H2，■a■（x）0，a.s当n∞，■b■（y）0，a.s当n∞，inf■∞，a.s当n∞，对于所有一切正整数n，x1，x2∈Kp，y1，y2∈Kq及所有的样本点（X1，Y1），…（Xn，Yn）皆成立。
从实际应用情况可以了解，按照给予的估计数量的不益的地方在于，窗宽{an}，{bn}的给定应该重新再估算过。从历史上来看，这种理论已经得到了实践，且得到了广泛应用，查阅很多相关的已发表的论文或者著作，发现在大多数情况下窗宽都是常数的形式，因此在实际的应用过程中，若对窗宽进行限制，会存在很多不便的地方，那些窗宽不为常数的情况，最突出的情况就是1965年提出的“最近邻估计”，形同的估计在案例里也有很多的出现。
另知DEVROYE曾经出现过“自动选择窗宽”的核估计一般概念，那就是说窗宽基本由样本来给定，不过其研讨那窗宽与基于异议的（x，y）的位置相异，这些在实际运用上基本不能适应，按照（x，y）的地理位置不定相同，窗宽适宜区别很大。因此我在此文章中采用随机窗宽an（x）=an（x，X1，…，Xn），bn（y）=bn（y，Y1，…，Yn），把其中an，bn的区别代替以an（x），bn（y）作为h（y│x）的新估计，但是还是记为hn（y│x）。
这个时候所以就要重点看待的是，当M，N是[0，1]×[0，1]上的随机变量h■■（m，n）应该在此区域内的不定积分不一定等于1，为什么这样说，这是因为在选取不同的核函数是有一定的关系，所以这样了就与分布函数的概念自相产生了矛盾，因此为了解决这个疑问，所以就这个估算值必须重新来个标准，所以就标为h■■（m，n），假定
h■■（m，n）= 0，m？埸[0，1]，n？埸[0，1]■，m∈[0，1]，n∈[0，1]
所以h■■（m，n）为[0，1]×[0，1]上的密度函数，通过以下来假定一下h■■（m，n）与h■■（m，n）以及h（m，n）三者之间的函数关系。令m，n为[0，1]上的随机变量，其条件分布函数记为h（m│n），其联合密度为f（m，n），边缘密度为g（m），其中f（m，n），g（m）一致连续，inf g（m）>0，h■■（m，n）为h（n│m）的近邻估计，h■■（m，n），那么当n∞时，
■h■■（m，n）-h■■（m，n）0，a.s。因为联合密度函Copula函数等于其条件密度函数，因此就有■h■■（m│n）-h■■（m│n）0，a.s。
通过已知条件可以知道f（m，n）是一致连续，故f（m，n）有界，即？埚U′>0使得f（m，n）0，g（m）是一致的连续性，故？埚U>0，可以让■0，使得h（m│n）
？埚N1，当n>N1时有以下式子成立：f■■（v│u）N2时可以有如下不等式成立：
H（1，1）-？谆-F（0，0）-？谆
所以当n∞时，就有Hn（1，1）-Hn（0，0）1，a.s。因此suph■■（n│m）-h■■（n│m）=■■-h■■（n│m）=■（■-1）h■■（n│m）？燮（■-1）（U-？谆），a.s。
通过上式可以知道，当n∞时，即■h■■（n│m）-h■■（n│m）0，a.s。
所以■h■■（m，n）-h■■（m，n）0，a.s。
从上面可以看出来，已经证明了一切的非参数条件核密度估计h■■（m，n）的一致强相合性与关联。
4 结论
对参数回归一系列的分析中，一般先来设定数据分布符合某些给定的特定的性态，再次在目标函数中追寻一固定的解，那就是确定回归模型中的未知参数值。在选取不同的核函数是有一定的关系，所以这样了就与分布函数的概念自相产生了矛盾，因此为了解决这个疑问，所以就这个估算值必须重新来个标准，证明了一切的非参数条件核密度估计h■■（m，n）的一致强相合性与关联。
参考文献：
[1]赵凯鸽，袁永生，吴清娇.基于Copula理论和非参数极值估计在上下游水位的相关性分析应用[J].江南大学学报（自然科学版），2015-04-28.
[2]孔繁利.金融市场风险的度量――基于极值理论和Copula的应用研究[D].吉林大学博士论文，2006-04-01.
[3]陈江平，黄炳坚.数据空间自相关性对关联规则的挖掘与实验分析[J].地球信息科学学报，2011（1）.
购物车(0)