统计学论文(精选5篇)
推荐文章
统计学论文范文第1篇
地质统计学是在上世纪六七十年代随着采矿业的兴起而诞生的一门基于数学地质学科的交叉学科。地质统计学在区域化变量的基础上将变差函数作为基本工具，针对在空间分布上具有随机性和结构性的自然现象进行研究，地质统计学可以对具有结构性、随机性、变异性的空间数据进行无偏内插估计，对数据的离散型和波动性进行模拟。在煤田煤质的计算中，地质统计学充分考虑煤田样本点的方向、位置和彼此间距，比传统方法在煤层煤质数据插值上具有更大的优势。
2方法
2.1样本数据
本研究中选择的煤田地质构造复杂、煤种丰富，研究中选择了24个样本点，硫分分别为0.49，0.48，0.60，0.36，0.55，0.52，0.55，0.96，0.55，0.77，0.81，0.59，0.55，0.50，0.60，0.49，0.64，0.83，0.38，1.01，0.68，0.55，0.97，0.48，其中最大为1.01，最小为0.36。将煤层煤样硫分化验后进行插值比较，更适合对地质统计学进行插值运用。
2.2地质统计学中的插值方法
地质统计学中，克里金法占据着重要的地位，克里金法对待估样本点内的已知数据进行测试，结合样本点的大小、形状及空间分布，掌握样本点之间的相互关系，从而进行无偏估计。对于数据点较多的样本，内插结果具有较高的可信度。
2.2.1区域变量及协方差。
研究中将（zx）统称为呈空间分布的变量，也叫区域化变量，（zx）反映空间属性的分布特征。为了对区域化变量的变异性进行描述，引入协方差函数。不同的两点x和x+h处对应的不同区域化变量（zx）和（zx+h）之间的差只于两点的空间位置有关。协方差函数cov[（zx），（zx+h）]=E[（zx）（zx+h）]-E[（zx）]E[（zx+h）]=cov（h），其中E（）为均值。
2.2.2参数分析。
不同点所对应的区域化变量（zx）和（zx+h）的差的方差的一般作为（zx）在X轴上的变异函数，记作P（h），P（h）=0.5var[（zx）-（zx+h）]，其中va（r）为均方差。在满足二阶平稳的条件下，P（h）=0.5E[（zx）-（zx+h）]2。样本点的空间距离大时，相关性较小，变异性较大；空间距离小时，相关性较大，变异性较小。在实际研究中，将样本点的空间距离按照不同等级划分，针对不同的样本点，求出距离的平均值和P（h）的平均值，连接（h，P（h））后得出实验变异函数，结合最小二乘法得出理论变异函数和相关参数，后文理论数据的得出建立在理论变异函数的球状模型和指数模型的基础上。
3结果分析
3.1数据预处理
为了使克里金法插值满足正态分布的要求，需对数据进行预处理，本研究中采用偏度和峰度检验法对分布状态进行分析，实验油田煤层硫分布服从正态分布，从理论上讲，完全可以利用克里金插值法。
3.2插值精度比较
研究中采用交叉验证法对插值精度进行评价。在研究变量（zx）的过程中，除去采样点xi（i=1，2，3，…，n）处的（zx）属性值（zxi），其他属性值不变，根据剩下的n-1个属性值，进行误差分析和插值精度评价。在交叉验证的方法中，常选用标准均方根、平均标准差、误差均方根、平均预测标准差、平均误差来预测总体误差，第1项的指标越大越好，后4项指标越小越好，插值精度越高。常规插值方法和克里金插值比较选用误差均方根和平均误差进行，不同的克里金插值模型选用以上5项指标进行比较。
3.2.1插值比较。
在克里金法的应用中，采用简单克里金法、普通克里金法、泛克里金法进行比较，三种方法中分别采用球状模型和指数模型进行拟合；在常规插值方法的应用中，采用距离反比法、多项式插值、径向基函数三种方法。
3.2.2克里金插值法之间的比较。
普通克里金法与泛克里金法的球状模型和指数模型的平均误差都是-0.00024和0.00183；误差均方根分别是0.14219和0.14100；平均预测标准差为0.12921和0.12772；平均标准差为-0.00098和-0.00945；标准均方根为1.08810和1.08410。通过分析发现，球状模型中的普通克里金法和泛克里金法各项指标相同，球状模型中的平均误差和平均标准差小于其他4种指标。对于误差均方根、平均预测标准差和标准均方根预测误差，普通克里金法和泛克里金法与其他方法差别不明显。由此可见，在克里金插值的应用中，普通克里金法和泛克里金法的球状模型精度最高，优于常规方法。
4结束语
统计学论文范文第2篇
【论文摘要】所谓统计思想，就是在统计实际工作、统计学理论的应用研究中，必须遵循的基本理念和指导思想。统计思想主要包括均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想等思想。文章通过对统计思想的阐释，提出关于统计思想认识的三点思考。
一、关于统计学
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
二、统计学中的几种统计思想
2.1统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2.2比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：
2.2.1均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2.2变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.2.3估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.2.4相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.2.5拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.2.6检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
2.3统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
三、对统计思想的一些思考
3.1要更正当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。
3.2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
参考文献:
[1]陈福贵.统计思想雏议[J]北京统计,2004,(05).
[2]庞有贵.统计工作及统计思想[J]科技情报开发与经济,2004,(03).
统计学论文范文第3篇
在各种医学期刊中，半数以上是疗效观察方面的论著。现择其较普遍存在的统计学问题，结合实验设计基本原则加以讨论。
（一）对照与均衡性测定
国内医学期刊有关临床疗效观察的文章甚多，不少杂志刊登了一些事先未设计对照的文章，其结论难以令人信服。如《用柴葛解肌汤治疗上呼吸感染》一文，报道治愈好转率为97.7％，因无对照，无法断定其效果如何，因此，治愈好转率中含有假像。
对照的方法虽有多种，但对照的基本原则是与实验组齐同可比，最好作均衡性测定。
（二）安慰剂与盲法试验
安慰剂与盲法试验是医研（主要是比较性研究）中常用的科研方法，结果准确、误差性小。安慰剂在形、量、色、味等要与实验药物一样，不能给受试者和执行者任何暗示。这种试验就是双盲法试验。但近年来，尚有人用改良的双盲法，此法分两期：第一期（公开期）试验有效者留，无效者弃。有效者进入第二期（双盲试验），以确定疗效是否系安慰剂的作用。在预防效果观察时可采用该法，临床上应用诸多困难，应视具体情况而定。
（三）样本含量与重复原则
没有足够样本的研究结果，是经不起重复试验的，有的论文凭少数病例观实的结果下结论，是不慎重的。如《重症肺炎并发DIC29例》一文，作者观察脑型患者3例，其中死亡一例，就得出“一般脑型病死率高达57％，本组脑型病死率较低，看来及早用肝素阻断DIC过程，对降低脑型病死率可能具有重要意义”的结论。因无对照，结论不可靠。
（四）随机分组与实验设计类型
随机化分组即每个实验对象有同等机会被抽样（分配）到各组去，而不受任何系统因素的影响。常用的实验设计类型有完全随机设计、自身对照设计、交义设计、配偶设计、随机区组设计、拉丁方设计、正文（析因）设计、序贯设计、半数效量实验设计（动物试验），回顾性与前赡性调查研究设计等。科研设计时应根据研究目的要求选择不同类型的实验设计方法，进行相应的统计处理。
统计学论文范文第4篇
统计学中常用的概念有总体与样本、随机化与概率、计量与计数、等级资料及正态与偏态分布资料、标准差与标准误等。如某研究采用经会阴途径测定宫颈长度,以探讨不同宫颈长度与临产时间的关系。结果显示35例宫颈长度为25～34mm者与32例宫颈长为15～24mm者临产时间的均值±标准差(x±s)各为57.6±58.1与47.3±49.1小时。该计量资料,经t检验显示t=0.780,P>0.05,并未提示不同宫颈长度的临产时间差异有显著意义;从标准差大于均值,显示各变量值离散程度大,呈偏态分布,故不能采用x±s这一算术均数法计算均数。经偏态转换成近似正态分布资料后结果是:35例与32例的临产时间各为34.5±4.1与26.7±4.1小时,(t=7.778,P<0.001),两组差异有极显著意义。可认为随着宫颈长度的缩短、临产时间也缩短。此外,当两组资料单位不同时,其S单位也不同;即使两组单位相同的变量值,若其均数差异较大,也都应以变异系数替代s来比较两组值的离散度的大小。
二、正常值范围及异常阈值的确定
如何选择研究对象,至少需多少例,正确统计处理和参考一定数量的病例数据,是确定正常值范围及异常阈值的四个重要因素。
1.研究对象:应为“完全健康者”,可包括患有不影响待测指标疾病的患者。如“正常妊娠”的条件:孕前月经周期规则、单胎、妊娠过程顺利、无产科并发症及其它有关合并症,分娩孕周为37～41周+6,新生儿出生体重为2500～4000g和Apgar评分≥7分。
2.观察数量:观察数量应尽可能多于100例;需分组者,各组人数也是如此(标本来源困难时酌情减少)。有些指标值如雌三醇(E3)、甲胎蛋白(AFP)、胎盘泌乳素(HPL)等随孕周进展而变化,应按孕周分组;邻近孕周均数相近者,可合并几周计算。若为偏态分布,应以百分位数计算,则例数应≥120例。取各孕周对象时,应考虑到所取各孕周中的例数分布大致均衡。显然,文稿中往往以少量例数求得正常值是欠可靠的。
3.统计处理:应根据所得数据分布特征采用不同的统计处理方法。属正态或近似正态分布的数据,可采用x±s法计算;这也适用于以一定方法能将非正态分布转换成正态或近似正态分布的资料。对无法转换的偏态资料,应采用百分位数计算法。具体计算(包括上下限初步制定)见文献。
4.对照数量:相应观察的病例数(包括分组)应不少于30例,这对制定某指标有临床意义的异常阈值尤其重要,这一点往往易被忽视。如在参考较多病例数据后,唾液游离E3的下限异常阈值应为第2.5百分位数,而非通常采用的5百分位数。否则,将会导致该指标产前监护的假阳性率增加。
三、t检验与校正t检验(t′检验)
这是文稿中极易混淆的一类计量资料统计问题。
(一)检验的注意事项
1.t检验的意义:t检验与所有统计分析相同,其结果提示现有差别不仅仅是抽样误差所致,且提示犯第一类错误的可能性大小,即t0.05与t0.01犯第一类错误的可能性各为5%与1%。
2.统计意义与临床意义的关系:统计学有显著意义,而在临床上可能是无意义的,提示该研究应继续深入,以明确该差异是否真有显著意义;相反,统计无显著意义,而临床上却是有意义的,不能贸然轻易地下结论。应复查实验设计、方法、试剂及仪器性能、质控措施和实验数据等是否有问题,或尚需再进一步增加样本量进行复测等。
3.t检验适用范围:t检验仅适用于正态或近似正态分布(包括偏态转换)和其方差是齐性资料的检验;t检验适用于可比性资料,即除了欲比较的因素外,其它所有可影响的因素应相似。
4.t检验的结果判断:判断结果不应绝对化,P<或>0.05,分别表示可拒绝或接受原定的假设,但两者都有5%的可能性犯第一类错误;而P值越小,只能是更有理由拒绝原定的假设。
5.单侧与双侧检验:应预先制定本研究的结果是需行双侧还是单侧检验。对有把握确知某治疗措施或某指标是不会劣于现有的,才作单侧检验;若不知何者为优,应行双侧检验。因为在同一t值的界限上,单侧检验的概率(P)仅为后者的一半,也就是说单侧检验较双侧检验更易得出差别有统计意义的结论,不可随意制定。一般讲,绝大多数研究以采用双侧检验为妥。
(二)t′检验与t检验的区别
当两样本均数的方差非齐性时,应以t′替代t检验。例如:甲组32例血清某指标值为53.9±49.6(μmol/L);乙组6例的结果为26.6±7.2(μmol/L),若不考虑两样本方差大小,t检验示t=1.331,P>0.05,提示两组血清该指标的平均含量差异无显著意义。但先作方差齐性检验,F=47.4,P<0.01,示这两样本方差差异有极显著意义。据此应采用t′检验,t′=2.952>t′0.012.875,P<0.01。显然,与上述结论恰恰相反。
四、卡方(χ2)、校正χ2与直接概率法(或精确法)检验
这三种检验方法为一类用途较广、但也易混淆的、适用于计数资料检验的方法。应注意,鉴于总数与理论值的不同,应采用相适合的检验方法。
例1.192例出生体重≥4000g的新生儿发生难产与窒息数分别为151例与22例;3475例出生体重≥3500～4000g的新生儿发生难产与窒息数分别为185与265例;2451例出生体重≥2500～3500g的新生儿发生难产与窒息数分别为122与169例。3组的构成比:难产与新生儿窒息率分别为:78.6%、5.3%、5.0%与11.4%、7.6%、6.9%。据此贸然认为出生体重≥2500～3500g为最佳新生儿分娩体重的结论是不可靠的。经χ2分析,后两组的难产与窒息率间和前两组窒息率间差异均无显著意义(P均>0.05)。故可认为,单据本研究结果是难以得出上述临床上认可的结论的。这涉及到上述“统计无显著意义,而临床却是有意义”的问题,应进一步复查或增加样本测试。杜绝单纯根据百分率的大小贸然下结论。
例2.某药治疗感染衣原体(CT)的中、晚期孕妇各11例和36例,她们的新生儿感染CT数各为3例和23例。χ2检验得χ2=4.570,P<0.05。据此误认为,某药治疗中孕期感染CT孕妇的新生儿感染CT数少于晚孕期才开始治疗的新生儿感染数。根据统计原则,其中一个数的理论值为4.9(<5)时,应采用校正χ2计算,得χ2=3.209,P>0.05。显然,正确结论恰与上述相异。
例3.以精确法替代χ2检验。某新技术测试8例卵巢内胚窦瘤患者,5例呈阳性反应;测试25例卵巢颗粒细胞瘤患者中6例阳性。χ2检验得χ2=4.042,P<0.05。误认为该新技术测前组的阳性率高于后组。但鉴于总例数33例(<40),且其中一个数的理论值为2.7(<5),故应改用精确法检验,结果首次计算P值,已达0.102,>双侧检验的有显著性意义的界限0.025,故P>0.05。结论也恰相反。
五、相关与回归分析
相关分析只是以相关系数(r)来表示两个变量间直线关系的密切程度和相关方面的统计指标。无论是正相关(r为正值)或负相关(r为负值),只是经相关系数的统计意义检验(如t检验)后,当P<0.05时,即示差异有显著意义时,才能依据|r|值的大小来说明两变量间相关的密切程度。因此,表示相关性,除写出r值外,应注明P值;切不可将相关的显著性误解为相关程度;也应注意:相关分析是不能单纯用于阐明两事物或现象间存在着本质的联系,即使两变量间存在高度相关关系(即有一定的统计联系),也不能证明它们间存在着因果关系。如欲证明两事物间的内在联系,必需凭借专业知识从理论上加以阐明。
“相关”是表示两个变量间相互关系的密切程度,而回归分析是提示两个变量间的从属关系。在回归分析中,应注意由X变量值推算Y,与以Y变量值推算X的回归线是不一样的;直线回归方程的适用范围,一般仅适合于自变量X原测数据的范围,故绘制回归线时,X值切不能超越实测值的范围而任意延长。
可见,这两种分析,说明的问题是不同的,但相互又有联系。在作回归分析时,一般先作相关分析,只有在相关分析有统计意义(即回归有统计意义)的前提下,求回归方程和回归线才有实际意义。决不能把毫无实际意义的两个事物或两种现象进行相关与回归分析。
六、数据的正确书写
1.文稿内各数据的书写必须前后一致;总数应等于各分组的数据之和。
2.对不同指标,有其不同数据精度的要求,这应结合专业知识加以判断。如新生儿出生体重是以公斤为单位,记录测定数据精确到小数点后的第二位数字即可。
3.测定数据的书写,不能超越其测量仪器测试的精确度范围。
4.同一指标的前后数据应保持同一精确度。
5.经计算,出现比预定小数点后两位数多的数字,应采取“≤4舍、≥6入”与“5‘奇’进‘偶’出”方法,以决定小数点后第三位数字是“舍”还是“入”,即5前为单数则入,双数则舍。
统计学论文范文第5篇
关键词：统计学；辩证统一；统计规律；思想
1必然性和偶然性的统一
统计学为探索随机现象统计规律性，必须正确处理必然性与偶然性之间的辨证关系。在总体中诸个体某种数量标志表现偶然，而诸标志值平均则为必然。重复测量某种同一客体出现不同的数值属偶然，而同一客体本身真实数值则为必然。必然性通过大量偶然性的数量差异为自己开辟道路。统计研究中经过综合平均，将大量偶然性所形成的数量差异，互相抵消，显露出平均则为必然。必然性与偶然性的对立统一关系在统计抽样调查问题上表现极为明显。客观事物极其复杂，表现千差万别，同一总体各单位的数量差异也非常大，从个别单位，往往因偶然因素的影响而无法探索其本质和规律性。然而，通过大量观察，排除偶然性因素影响，就可暴露出事物的真象，显现其本质。在进行抽样调查时，只有随机抽取的个体足够多，消除诸多偶然因素影响，才能通过抽样总体的数量特征正确地推断总体的数量特征。
2共性和个性的统一
实践和科学都证明矛盾的普遍性，矛盾无处不在、无时不在。矛盾着的事物是普遍存在的，况且同一事物或过程的矛盾有其共性。而对于每个事物或过程的矛盾也各有其个性。因此说，共性和个性的关系就是一般与特殊或普遍与个别的关系，它们是辨证统一的关系。统计学中存在着各种矛盾，每一矛盾具有不同特点。在统计认识中，个体的差异性中蕴含着总体的同一性。统计方法就是运用科学的手段抽象掉各个个体的差异性，探求总体的同一性，并用差异性去标志同一性的内在质量。差异性是统计产生和存在的前提，没有差异性就没有统计；而同一性则是统计的目的，为了求得同一性才需要进行统计。因此，统计研究要运用大量观察法与个别观察法相结合使用的统计方法。
统计研究中运用大量观察法，实现从个别到一般，从个性到共性的认识过程。同时，根据共性寓于个性之中的对立统一规律，统计研究在大量观察的基础上，运用个别观察所搜集的资料来说明总体的基本状况和发展趋势，使认识更深刻、更具体。
矛盾的共性与个性的对立统一规律指导统计研究必须是将统计中的平均数与分组法结合，用组平均数补充说明总平均数，用反映现象的离散趋势的变异指标与反映现象集中趋势的平均数结合使用，以使研究更全面，更完善。
3整体与局部的统一
统计学的研究着眼于总体，着手于样本，立足于个体；同时从总体出发，分解剖析，认识局域（类、层、组）甚至个体，并对其进行调查研究，观察计量，搜集资料。接着对个体的调查所获得的资料进行计算分析，或归纳演绎，用样本来推断总体，达到对总体的系统性认识。即为“统而计之”和“计而统之”的总和，以实现以统定计，以计达统的目的。所以，统计学的思维是一种系统思维，要求一切认识对象不仅它本身作为一个整体来认识，而且它还要作为某个更大系统的要素来认识。这种对系统客体的“主体”认识，是一种对研究对象进行整体性度量的系统思维方式。
因而，统计认识充分体现了整体和局部的有机统一，这是统计研究的一大优点，也是统计认识比较接近客观、真实的主要原因之一。其它认识方法往往是就某一要素而研究某一要素，就某一系统而认识某一系统，忽略或没有充分重视各要素的整合作用和系统环境对系统的制约作用。
4定性分析和定量分析的统一
从统计认识过程而言，充分体现着定性分析和定量分析对立统一的关系。定量分析研究是统计研究的特色所在，但统计的定量分析不是纯粹数量意义的，即不是就数量论数量，而是基于所研究事物本身的特点，并且从所研究事物的有关联系或现实背景中，紧紧扣住认识所研究事物内在本质这一主题来展开的，他注重的是定量分析背后的具体含义和意义，这也正是统计学与数学的区别所在。那么统计研究怎样才能通过数量来体现其具体含义与现实意义？这就必须结合定性分析，即以定性分析为起点，并以定性分析为终点。具体来说，统计研究总是按照“初步（感性）的定性认识——客观科学的定量认识——高级（理性）的定性认识”这一过程来进行的，即从定性开始，确定认识事物有关方面的指标，经过定量过程，搜集，整理，进而对其分析研究，上升到更高的认识，深入认识事物的质，完成定性认识。统计认识活动遵循质与量对立统一规律，从初始的定性入手，依设计的科学的方案一整套统计指标体系，按要求搜集有关数据资料，经过整理和分析对比，认识事物的本质和规律性。也就是说统计的定量分析是人类在认识事物的过程中，实现从感性认识到理性认识这个飞跃的重要途径，是避免产生认识主观偏差的重要手段。
因此，统计研究最终是为人类定性认识服务的，是为了定性认识才进行定量分析研究的，前面所讲的统计的方法性、应用性也正体现在这里。实际上，如何才能真正做到统计研究的定性分析与定量分析的统一，才是需要我们关注的重点。所以，我们需要不断地探求质与量变化的规律和界限，研究质的规定性与量的规定性的关系，将质与量同一与度中，即量的规定性定性于度中，质的规定性定量于度中，以实现定性分析和定量分析的真正统一。
5分析与综合的统一
在统计研究过程中，分析和综合是揭示事物的本质和规律性的一个基本方法。统计认识活动的根本目的是在各个局部进行剖析的基础上达到对总体的认识，揭示其本质和规律性。
所谓分析方法，就是把研究对象分解为若干组成部分，并分别加以研究，从而认识事物的基础或本质的一种思维方法。任何事物的整体都是有若干组成部分构成的，将客观事物在一定条件下分解成各组成部分，分别研究其结构与功能、各部分相互联系、相互作用的特点以及在各种外界条件作用下所表现出来的事物的属性和特点，从而达到对事物本质及内在规律性的认识之目的。可见，分析方法是以客观事物的整体与部分关系为客观基础的。在统计研究中诸如分组分析、因素分析、因果分析、结构分析、定性和定量比较分析、比例分析等等。这些分析在人们的认识中起着重要作用。但是，要把分析所得到的认识变为对整体的认识，揭示整体的本质和规律性，就必须进行综合。
所谓综合方法，就是把研究对象的各个部分联系起来加以研究，从而在整体上把握事物的本质和规律的一种思维办法。与分析方法相比，综合方法认识过程的方向完全相反。它是将事物的各个部分联结为整体，通过全面掌握事物各部分、各方面的特点以及它们之间的内在联系，并加以概括和上升。从事物各部分及其属性、关系的真实联系和本来面目，复现事物的整体，综合为多样性的统一体。在统计中，诸如人口统计的将分组、结构、比例分析化为对整个人口状况分析；商品销售总额分析时分解为价格和销售量变动的影响，进而从总体上分析其因素影响；社会总产值的变化，分解成各个部门行业的影响，进而综合研究其全貌等等。
分析与综合是对立统一，分析是综合的基础，综合统领分析。没有具体的分析，就不能具体深入地把握事物的各部分、各侧面和各种属性与诸因素，从而也就无法综合；同时，分析也离不开综合，它在综合统领下，以综合为目的，达到确切地揭示事物的总体和本质和规律性，使认识升华。因此，没有分析的综合，其结论就只能是空洞的、无根据的，是一个混沌的、外在的、直观的整体。“思维既把相互联系的要素联合为一个统一体，同样也把意识的对象分解为它的要素。没有分析就没有综合（《马克思恩格斯选集》第三卷人民出版社1972年版第81页）。”分析的结果，也就是综合的出发点。统计认识的发展总是沿着“分析——综合——新的分析——新的综合……”轨迹不断前进的，促使统计认识活动不断深化，揭示事物的本质和规律性。6归纳与演绎的统一
所谓归纳推理，就是从特殊到一般，给出新认识；但新认识是不确定的，可能是错的；特殊材料的组合不同，给出的认识也不同甚至矛盾；基于不完善甚至劣质信息作出决策。所谓演绎推理就是从前提（公理）到命题，不提供超越前提的新知识；容许选择多个前提，但前提可能是错的；大前提里的不同小前提（公理系统里的不同子集合）会给出不同甚至矛盾的结论。以观察为基础对事物的不确定性进行度量主要属于归纳推理问题；但若已知各种事件发生的结果和发生的概率，不确定性下的决策则可以转化为演绎推理问题。
统计认识是通过个别研究认识一般的，所以统计思维必然是一种归纳（即必须通过归纳才能实现）。统计不仅要根据所构建的原始信息通过统计推理获得一般的“知识”，而且还必须进行假设检验、机理检验等，对所获得的知识进行论证。所以说，统计思维是归纳与演绎的统一。归纳方法论强调了方法和外来信息的重要性，而演绎方法论则强调了问题和先存知识的重要性。实际上，二者是一个有机的整体，需要相互补充和协调才能真正解决问题。比如在统计思维中的回归分析既是归纳，又是演绎。所以说，统计思维将归纳和演绎高度而有效地结合运用，收到了很好的认识效果。也只有通过归纳、演绎和实践的相互作用才能找到可靠的科学真理。
7具体和抽象的统一
按照统计认识要运用材料来看，统计学的实际应用具有具体性，它是依据一定的数据和事实，使人们得到启发，运用已有的经验知识，对客观事物的本质及其规律性作出迅速的识别和直接的理解，并对对象的总体状况作出判断。统计认识在取得统计数据之后，首先就是根据数据的特点，运用一定的数据整理手段（如分组、直方图、茎叶图、频率图等）和统计研究人员积累的统计认识经验，充分发挥主体的能动性，获取初步认识。在此基础上再对统计数据的背景资料进行分析研究，必要时还要进行典型剖析或抽样验证。所以说，在统计认识的数据收集、分析与所做结论需要具体化。同时，对统计理论方法研究时具有抽象性，在一定理论指导下进行的数理研究，是具有抽象思维的特点。属于抽象思维的范畴，它舍弃具体向客体的规客规律性逼近。因此，统计学是具体和抽象的统一。
8经验思维和理性思维的统一
统计认识过程不仅是通常所说的实证性研究活动，同时也是探索性研究活动。它自始至终都是理性认识和感性材料的相互结合和相互渗透。
按照统计认识属于实证性研究来说，它具有经验思维
的特点。经验思维就是运用实践经验、感性认识和感性材料进行的思维活动。它的功能主要是认识具体事物的外部状况、表面联系和现象，通过经验思维能够对丰富的大量材料初步加工，把握事物多种多样的具体状态，并且能够在一定程度上把握事物的内在联系和规律。描述性统计就是一种比较典型的经验思维。它依据的是客体的个体的实际状况或者是客体过去的、现在的状态，是事实的归纳、概括、整理。从推断性统计来看，它在描述性统计提供的经验材料的基础上，运用一定的理论、概念，依据严密的逻辑规则和推理过程进行假设检验、数理推断、悖论分析，对描述信息、经验认识进行理论思考，使经验认识升华，这又是有理性思维的特点。它抽象掉具体个体数量上的差异，得出有关对象的共同本质特征的认识；抽象掉所依据的经验材料的特殊，得出有关“类”的一般的认识。
实际上，描述性统计是推断性统计的重要基础，在某种程度上讲，推断是另一种描述；有时候描述性统计与推断性统计是交织在一起的。因此，统计认识是经验思维和理性思维的统一，兼具有两种思维的成分，两种思维相互交叉，相互补充，使统计认识更系统、更具体和更深刻。
总之，统计学是一门认识方法论，统计活动是一种认识活动，是要研究探索和发现认识客体本质及其规律性的方法。哲学是关于世界观和方法论的学说，它研究自然、社会和思维的最一般的规律。它和统计学是一般和个别、共性和个性的关系。哲学对统计学起着指导作用，为统计科学研究和统计工作提供一般指导原则和思维方法；统计学是哲学一般认识方法的具体化。所以，对统计思想进行较深入的探讨和归纳，有利于推进统计理论研究，廓清人们对统计的认识，有助于更合理、广泛的运用统计方法。
参考文献
［1］李金昌.关于统计思想若干问题的探讨［J］.统计研究，2006，(3).
［2］陈福贵.统计思想雏议［J］.北京统计，2004，(5).
以上的文章内容统计学论文(精选5篇)是由小编精心收集整理，查看更多统计学论文 精选相关文章请访问360范文网（本文共字）
菁英职教网文章归档 教育资讯 留学攻略 七品教育网站地图xml