大学数学统计学精选(九篇)

第1篇：大学数学统计学范文

［关键词］概率统计；中学数学；教学内容；衔接

［中图分类号］G42［文献标志码］A［文章编号］2096-0603（2015）24-0038-01

教育部于2003年出台了《普通高中数学课程标准》，从课程理念、内容与框架角度出发，新标准相对于传统教学标准发生的变化较大。而相对于中学数学而言，大学数学的改革较为滞后，尤其是在中学与高校的改革过程均属独立，因此，大学数学与中学数学必然在教学内容等方面出现严重的脱轨或重复现象。在这种情况下，高校势必要做好大学数学与中学数学的衔接工作。

一、概率内容的衔接

（一）高中概率教学内容分析

高中新课标概率教学部分主要包括五部分构成：随机变量的数字特征、概率应用、集合概型与古典概型、随机事件与概率、条件概率与事件的独立性。针对于高中概率部分，新课标提出的教学任务有：实际教学中，学生要充分了解随机事件发生频率的稳定性和不确定性，并掌握概率的意义，同时能够区分概率及频率的本质。

（二）大学概率教学内容分析

大学概率教学部分主要包括以下几部分构成：随机变量及其分布、概率论基本概念、中心极限定理、随机变量的数字特征、多维随机变量及其分布、大数定律。针对于大学概率部分，提出的教学任务有：学生要对样本空间及随机试验进行深入的了解，并掌握随机事件的运算和概念，能够清晰地对概率和频率的公理化概念以及统计概念有所了解，认识到概率的基本性质。

二、统计内容的衔接

（一）高中统计教学内容分析

高中新课标统计教学部分主要包括四部分构成：变量的相关性、随机抽样、统计案例、用样本估计总体。针对高中统计部分，新课标提出的教学任务有：学生要具备从其他学科或实际生活中抽象出具有统计价值的相关问题能力，并能够对具体的实际问题情境进行有效结合，随即了解了抽样学习的重要意义以及必要意义。在统计问题的解决中，学生要掌握从总体中抽取样本的简单随机抽样方法。

（二）大学统计教学内容分析

大学统计教学部分主要包括六部分构成：参数估计、回归分析、样本、抽样分布、方差分析、假设检验。针对于大学统计部分，提出的教学任务有：大学生要掌握样本、总体、统计量与个体的概念，并对两重点估计的定义以及区间估计的定义进行深入理解。与此同时，大学生还要具备计算单个总体的方差的置信区间与均值，能够解出两个总体的方差比的置信区间与均值差。并对假设检验的基本思想进行深入了解，掌握单个正态总体的均值的假设检验。

三、大学概率统计教学与中学数学教学内容衔接的注意事项

（一）概率部分

通过上文的大学与中学概率教学任务来看，有许多重复的内容，部分中学概率教学任务要求相对较低，主要体现在概率概念中仅对概率的概念以及区别概率与频率提出了要求，不要求较为严密的概率的公理化定义。从数字特征角度出发，只对取值有限的离散型随机变量的方差与均值的计算与理解提出了要求。大学与高中概率内容讲解最大的区别体现在全概率公式、对偶率、贝叶斯公式以及差事件上。由此可见，在概率教学中的概率论基本概念部分，大学教学主要是对重复的内容进行复习。例如，中学古典概型问题讲解也很细致，题目的难度系数也能满足教学要求，那么大学概率教学在这部分就没必要花费过多的时间。针对几何概型问题，学生在高中阶段普遍掌握得较好，为此，大学教师仅需要列举几个相关的教学实例即可。另外，大学概率教学阶段涉及数学期望、有限个离散型随机变量的分布律可以简单讲授。但相对其上述两项内容而言，高中阶段方差的练习还是较少的，那么，大学任课教师就要正常讲解有关方差的内容。

（二）统计部分

中学统计教学任务倾向于实践应用，不要求统计理论的掌握，对大学统计部门的教学体系建立基本不产生影响。在这种情况下，高中介绍数理统计基本概念相对于大学而言，系统性和详细性较为逊色，因此，大学统计教学的执行应该基本以原大纲为导向。综上所述，针对大学概率统计教学，任课教师要采取最佳教学策略，避免出现教学内容重复的现象，并以学生的实际统计概率掌握情况出发，不断探索大学概率统计教学与中学数学教学内容相衔接的方法，精心设计教学流程，促进大学概率统计教学水平的提升。

参考文献：

［1］王亮.中学数学中概率统计教学问题研究［D］.辽宁师范大学，2012.

第2篇：大学数学统计学范文

关键词：大数据 传统统计教学 改革 理论基础

伴随着社会经济的飞速发展，信息和数据的重要作用日益凸显出来，特别是伴随着“大数据”时代的到来，“大数据”已经成为当今最热门的关键词。“大数据”在各行各业中都掀起了变革的巨浪，在教育领域中也掀起了对教学模式的深刻探讨。那么，从统计学的角度来说，“大数据”可以说是基于现代的信息技术和工具从而可以自动记录、储存和连续扩充的一切类型的数据，它已经大大的超出了传统统计记录与储存能力，对统计学的教学产生了巨大的冲击。

一、“大数据”时代对传统统计教学的冲击

统计的研究对象是大量社会经济现象总体的数量方面，可以说统计就是研究“量”的，“大数据”时代恰恰是以数据为中心的，所以说统计人员必须学会用数据去思考问题。如何适应“大数据”时展的要求，如何在这样的背景下对统计学教学进行改革，是急需解决的问题。除了普查这种调查方式以外，许多传统的统计方法都是基于小样本数据而建立起来的，因此它并不适用于“大数据”分析的需要。在如今这样的“大数据”时代，这些传统内容的相对重要性也会随之发生改变。比如，传统统计的数据搜集，通常是根据研究目的，在已知来源的数据当中搜集，记录者的身份是确定的，而“大数据”时代，数据的来源是很难追溯的，而且对记录者的身份也很难确定。再如，传统的抽样推断是在概率保证的前提之下，以分布理论为基础，用样本的特征推断总体特征的，而在“大数据”背景下，分布状况是实际的，判断也是基于总体特征进行的。

二、“大数据”时代下的传统统计教学必要性分析

“大数据”一词是由统计学家提出来的，可见“大数据”与统计渊源甚深。目前“大数据”时代致使统计学的教学内容发生了重大改变，但是其中最基本的原理保持不变，因此在统计学的教学过程中，要能够让学生应用基本原理进行新的教学内容的理解。在教学过程中要能够采取理论与实际并重的教学模式，将基础理论以及实际应用进行紧密的结合。“大数据”虽然对传统的统计教学产生了近乎颠覆性的影响，但并不是所有的问题都有海量的数据，不是说传统的统计理论和方法就不能用了，也不是所有的数据问题都适合用现有的大数据处理技术来处理。

（一）统计基础理论的重要性

在教学过程中，理论教学的作用非常重要。应该强调统计学理论基础，并分析基本理论在实践当中的应用。虽然一些统计学中的概念在“大数据”背景下变得不再是普遍性问题，比如样本的概念。但是在淡化了类似样本和总体概念的同时，似是模糊了抽样推断这一传统统计分析方法，但事实上却是强调了归纳，本质来说仍是推断（归纳推断）。

（二）传统统计调查、整理方法的重要性

传统统计学在数据搜集、模型的选择方面，有相当的独特之处。虽然已经进入了“大数据”的时代，但是并不是所有的问题都有海量的数据。传统的统计数据搜集、整理的方法仍然适用，因此，相关知识的传统统计教学十分重要。

（三）传统统计分析方法的重要性

较之传统的统计分析方法，现有的“大数据”分析方法更为复杂。“大数据”背景下，要强化分析统计软件的使用，同时要能够考量方法的适用性以及解决问题的可用性，使得学生能够掌握应用统计学基本原理解决实际问题的能力。“大数据”统计学对传统统计学是补充，而不是替代。以样本统计和预测分析为基础的传统统计学仍将会在经济分析和社会统计的很多领域中继续发挥重要的作用。因此，不难看出相关的基础知识、理论的教学的重要性。

三、结束语

在以数据为驱动、以数据为中心的时代，作为研究数据的统计学面临的挑战和机遇十分重大。“大数据”背景之下，数据的搜集、整理、分析处理技术对统计学的发展、统计学的教学提出了巨大挑战。尽管如此，统计学中的基本原理始终不变，加之传统统计方法在统计搜集、整理当中的独特的不可替代之处，另外基于不能使用“大数据”进行分析的情形也不少见等问题出发考虑的话，传统统计教学的重要之处显而易见。

总之，在大数据时代，作为统计学的教学人员，我们既要面对挑战，也要抓住机遇。在强化传统统计学教学的基础之上，对教学形式、方法进行改革与创新，推动统计学的发展。

参考文献：

[1]李金昌.大数据与统计新思维[J].统计研究，2014（1）

[2]赵伟.大数据在中国[M].江苏文艺出版社，第1版，4014年6月1日

[3]杨铁莘.大数据时代下的统计学[M].电子工业出版社，第1版 ，2015年9月1日

第3篇：大学数学统计学范文

关键词：大数据；统计学

大数据时代以迅雷不及掩耳之势席卷世界，在全球范围内掀起了前所未有的数据革命浪潮。相对于政府单位的统计数据来说，大数据主要利用的是多层次、多样化的数据采集方式，整合了多种数据的开发优势，并且利用现代科学技术手段和高速处理以及信息架构数据等资源，兼具极高的使用价值和判断决策能力。一方面，统计调查数据的多样化发展趋势和电子商务产业的不断发展，为统计数据的使用方式和生产方式制造了不小的麻烦，不断地挑战者政府部门数据管理系统和统计数据的概念。另一方面，信息技术、网络发展以及空间信息技术的不断进步，为统计生产力的升级发展提供了广阔的视角和空间。数据量急剧增长的电子化、信息化和产业化数据，都成为了统计数据发展的重要来源。种类不断增多的“大数据”资源，正在成为政府统计部门利用研究的重要领域。

一、大数据与统计学的区别

统计知识在大数据的利用研究中有多样化的应用形式，主要是对“大数据”进行肢解，对爆炸增长的数据信息进行搜索、分类以及整合主要依赖于统计学。因此，大数据的相关研究在一定程度上运用了统计学的知识。但是，大数据的使用尚未被统计学这门学科充分利用，这主要是因为大数据的运用方式，使用模式和统计学之间存在着重要差异。统计学主要利用的是样本统计资源，样本主要在根据既定的概率标准从总体中抽样调查，但是随机抽样调查是带有成本属性的，例如消耗时间、资本投入的成本等。在样本数量逐渐增加的情况下，样本估计的误差范围是伴随着总体样本数量的增大而逐渐增加的，这是样本统计学不能忽视的缺点。大数据时代最具代表性的就是海量的信息数据化以及即时电子商务信息，大数据在整体上呈现出“总体样本数据化”的趋势，这样的特征恰好可以补充样本统计的弊端。大数据环境下的整体样本统计即使可以囊括全部的样本容量，但是因为很多情况下数据具有非结构性和半数据化的特征，而且大量的数据资源呈现的是重视尾部分布的状态，方差、标准差等标准化的方法变得毫无意义，整体依靠性和不稳定性经常会超越经典时间内的时间序列的整体假设性，所以概率论的应用范围呈现狭窄化的发展趋势。因此，统计学在利用大数据进行样本统计的过程中，可以对整体上的数据资源进行融合和选择，这和样本统计中的数据化处理技术存在异曲同工之妙。

二、大数据时代统计学教育的发展

1.全面培养人才素质

统计学专业的学生需要具备良好与人交往能力。统计学的学生很多都是理科出身的学生，不善于交际。但是在日常的工作中，有数据经验的科学家应该经常和每个部门的工作人员交流，协同工作。怎么样才能让颇具专业性的数据分析结果让普通的老百姓也可以读懂，让每个部门的工作人员都能无障碍地理解，这是不容易做到的。要训练自己的交往能力和沟通技能，主动地参加演讲活动是不错的渠道，演讲活动锻炼了演讲者的自信，在整个演讲的过程中，能否清晰地表达自己的思想以及给人以信服力是至关重要的。需要培养数据常识，广其见闻。数据科学家经常面对各种各样的海量数据，并需要从这些数据中挖掘出有价值的信息，这就需要数据科学家具有强烈的数据敏感性。对数据的敏感程度的训练不是一蹴而就的，要经过长时间的积累和数据分析工作的磨练，同时也可以根据阅读数据分析材料积累阅历，提升对数据资源的敏感程度。

2.培养应用型人才

大数据时代培养的数据科学家需要两方面的基本素质，第一是概念性，也就前面所说的数据科学家需要掌握的基本素养和专业知识；第二是实践性，也就是本文中我们提及的应用型人才，也就是实际操作中处理数据的能力。在高校开展大数据分析研究生学科，最大的问题是没有可用的数据，这就需要高效与大数据企业合作，进行研究生的联合培养，注重学生的实际操作能力，这里面涉及到我们的应用统计学专业硕士的双导师培养制度，一名校内导师一名校外导师，校内导师注重学生的概念性，校外导师注重学生的实践性，学生通过在校外导师单位的实习，从而熟悉并且掌握实际工作中所需要的技能。

3.促进统计与数学、计算机学科合作

“大数据”时代需要的海量数据分析资源仅仅凭借统计学科单一学科的发展是不能满足发展需求的，大数据的数据结构性特征已经抛弃了传统意义上的数据分析模式的非智能化框架，而且数据分析需要利用新型的数据运算方式以及计算机技能分析，这也是进行数据分析工作的拦路虎。所以，数据科学家的成长仅仅依靠单一的统计学科知识的学习是远远不够的，其需要的是数学、计算机和统计学三门学科融合发展，紧密结合。三门学科之间交叉发展，融会贯通，这样既可以发挥学科的优势资源，同时也能弥补其他学科的弊端。

三、结语

数据信息的爆炸式增长使我们在使用统计数据处理信息时需要更多的数据资源，更有甚者，在很多情况下可以利用全面化的数据，数据资源不再是制约统计分析的唯一因素，大数据前提下的统计学效用和粘合度预测的准确程度不断提升，而且可以发现诸多在样本统计基础上未能显现的细节。统计学关键优势就是“见微知著”，也是统计学在数据环境下的约束性妥协。在海量数据汹涌袭来的年代，充分发挥统计学的优势，和大数据资源整合发展，实现“以小见大”和“由繁入简”的有效结合。

参考文献：

[1]田茂再.大数据时代统计学重构研究中的几个热点问题[J].统计研究，2015，05：3-12.

[2]刘春杰.大数据时代统计学教育面对挑战的应对[J].凯里学院学报，2015，03：29-32.

第4篇：大学数学统计学范文

关键词：大数据；统计学；教学体系改革

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2015）04-0110-02

一、大数据时代统计学专业发展的新特点

（一）数据化的信息收集

传统的统计研究主要是对已收集的数据进行各种技术分析，包括描述性分析、推断性分析、截面分析、时间序列分析等，侧重点在于技术分析手段的使用上。然而大数据时代，关注的是信息本身。现代信息系统的使用使大数据成为可能，文字、地理方位、沟通等，任何事物都可以量化，一切现象都可以用数据或表格来诠释。因此，大数据背景下世界是由各种信息和数据所构成的。

（二）全数据模式的研究对象

在信息处理能力受限制的过去，人们缺少用来分析所收集数据的工具，因此产生了随机抽样。随机抽样法的目的是用最少的数据获得最多的关于总体的信息，从而使用样本对总体进行推断。然而，在大数据时代，数据处理的方式和技术发生了巨大的改变，人们可以通过互联网、数据库以及各种通讯工具获得海量数据，这时随机抽样就失去了它原来的意义。简单廉价的数据收集方法，足够的数据处理和存储能力，使得全数据模式成为可能。因此，大数据背景下样本即为总体。放弃随机抽样分析的捷径，采用所有数据的方法，可以发现一些隐藏在海量数据下的细节。

（三）混杂性的数据处理思维

传统的统计学处理数据的步骤是首先对数据进行整理和清洗，剔除不完整的或者异常值，然后再利用样本信息，在允许的误差范围内对总体进行推断和分析，即通过调整精确度的大小来对总体进行研究和分析。然而，在大数据背景下，来自各个时间和空间的数据来源纷杂，格式广泛，在萃取或处理数据的时候，很难做到把所有的数据都进行仔细地清洗。这种情况下，必须接受数据的混乱和不确定性，因为数据多比少好，因此更多的数据信息比更加智能、更加精确的算法系统还重要。当拥有大量数据的时候，可以忽略一部分精确性，但并不是说不需要精确性，而是数据规模不断扩大时，确切的数量已经不再那么重要了，可以通过大规模的数据来发现事物背后的规律。

（四）相关关系的基础分析方法

传统的统计中，大部分相关关系分析仅限于寻求线性关系，或是在建立假设的基础上揭示数据相互之间的因果关系，例如Granger检验就是依据时间序列数据对变量之间的因果关系进行的判断，但往往会产生一些虚假的因果关系。这是因为统计关系并没有蕴含多少真实的因果关系。在大数据背景下，数据点以数量级方式增长，用数据驱动的相关关系分析不再需要建立在假设的基础上，所以相关关系分析不容易受偏见的影响而发生错误。大数据时代相关关系通过回答“是什么”的问题，为人们认识世界提供了一种新的视角。因此，相关关系统计分析是大数据预测的基础。

二、统计学专业教学体系中存在的问题

大数据背景下传统的统计学专业教学体系存在的问题凸显，具体体现在以下几个方面。

（一）培养目标无法适应大数据时代的社会需求

传统的统计学专业教学体系的培养目标是通过统计专业核心课程内容的介绍，锻炼学生收集、整理和分析数据的能力，培养“应用型”统计专业人才。然而，大数据的出现，使得通过数据分析获得知识、商机和社会服务的能力，从以往局限于少数的学术精英圈子扩大到了普通的社会机构、企业和政府部门，各行各业对统计数据、统计分析的需要使得统计学专业受到了前所未有的关注。大数据背景下，要求统计学作为一种分析工具，能够与其他专业相互衔接，相互服务，培养“复合型”专业人才。因此，传统的统计学专业教学体系培养目标存在两个方面的挑战：第一，如何协调统计与其他专业之间的关系；第二，如何从“应用型”向“复合型”人才进行转变。

（二）忽视数据的收集和创新

传统的统计学专业教学体系重视数据的分析技术，更多的课程设置是围绕着数据分析方法和技术展开的，例如多元统计分析、时间序列分析、统计预测与决策分析等。基础的数据收集部分只在统计学原理中有一章的内容介绍，而且是作为非重点一带而过的。大数据以海量的数据为分析研究的对象，将一切社会经济现象进行量化，重视的是信息的收集和数据的创新，包括数据的再利用，数据的重组，数据的扩展，数据的折旧以及数据的开放等各个方面。这些内容在原有的教学体系中是没有体现的。

（三）与大数据时代脱节的教学内容

传统的统计学专业教学体系仍然固守着原有的教学内容，在近二十年内变化不大。专业的主干课程有统计学原理、国民经济核算、计量经济学、抽样技术与方法等。而在大数据背景下，教学内容以全数据模式为研究对象，强调对所有的数据进行分析，而不是开展随机抽样；允许不精确的存在，而不是在给定的精确程度下对总体进行推断和分析；关注海量数据之间的相关关系，而不是强调数据之间的因果联系。这些内容都无法在现有的教学体系中体现，因此，传统的专业教学体系与大数据时代是脱节的。

（四）实践教学环节薄弱

随着“应用型”统计专业人才培养目标的提出，学校对实践教学的重视增强，与过去相比，现有的专业教学体系中已经增加了实践教学环节。但是，在大数据背景下，实践教学仍然是统计学专业教学体系中的薄弱环节。主要表现在两个方面：（1）以模型驱动为主的实践教学模式已不适应大数据时代的要求。现有的实践教学内容并不是从数据出发，而是通过寻求一些适合模型的数据来“证明”这个模型的确有意义。这种思维方式与大数据时代的要求是不适应的，因为创造模型的目的是适应现实数据，而不是由模型驱动。（2）以SPSS、Eviews为主的软件教学已无法处理大数据。现有的实践教学中，主要讲授的是传统的统计分析软件SPSS和Eviews，因为这两种软件发展成熟，操作简单，可以处理一般的计量模型和时间序列。但是，大数据时代数据是海量的、复杂的，用简单的软件已无法处理和实施。

三、统计学专业教学体系改革的方向

根据以上分析，时代的发展对统计学专业提出了更高的要求，现有的教学体系中存在的各种问题即为统计学专业教学体系改革的方向。

（一）准确定位统计学专业的人才培养目标，重新设计主干课程的教学内容

大数据时代要求培养“复合型”统计专业人才，因此教学体系的培养目标要从简单的“应用型”向“复合型”转变。“复合型”统计专业人才要求学生除了具备数据收集、处理和分析的能力外，还要对统计学应用领域的背景知识有一定的了解。因此，按这个培养目标，需要对现有教学体系中的主干课程重新进行调整和设计。专业主干课程分为方法和应用两个方面。方法类的课程除了原有的计量经济学、时间序列分析、多元统计分析等外，又增加了机器学习、模拟算法、数据挖掘、R软件分析（或SAS软件分析）等处理复杂大数据的方法的课程。应用类课程在保留原有的国民经济核算，金融统计，证券投资，会计学基础外，增加一些统计学应用领域的基础知识课程，例如商业统计、生物统计、保险与精算统计等。此外，适当调整各专业主干课程的课时，一些课程可以增加课时，如软件分析、数据挖掘等，一些课程可以缩减课时，仅作一些简单的介绍，如抽样技术等。

（二）转变固有的思维方式，在大数据背景下积极推进教学改革

大数据时代，数据更多、更杂，传统统计学思维方式受到了极大的挑战。因此，以大数据为背景，转变固有的思维方式，从以统计技术方法为中心转换到以信息数据为中心，推进统计学专业教学改革十分重要。具体来说，可以弱化传统的推理论证的教学模式，强化数据收集、数据处理和数据分析的能力培养；强调数据本身的价值，让数据说话，用简单的方法了解数据背后所隐藏的信息和规律；使用项目式训练，让学生从项目中真正体验数据化处理的整个过程，达到理论和方法的结合；加强课堂教学与实验教学的统一和贯通，如在传统的教学过程中，将统计学原理、多元统计分析结合SPSS软件介绍，而时间序列分析又采用Eviews进行介绍，造成学生疲于学习各种软件，实际上SAS、R等统计软件可以实现所有的功能，用一种软件与课堂教学融合贯通能帮助学生更好更深地掌握软件的使用。

（三）创新实践教学模式，加强实践教学的开展

从以模型驱动的实践教学模式转变为以数据驱动的教学模式，构造课堂案例教学、实验教学、课后项目式训练、校外实习基地锻炼四位一体的创新型实践教学模式。计算机快速发展的今天使得大数据成为现实，在处理数据的时候，根据数据的特征创造出新的计算方法来满足实际需要，这就是数据驱动模式。在实践教学的过程中，要强调统计数据、计算机编程以及统计分析软件的结合。目前，R软件和SAS软件显示出了强大的数据处理和数据分析功能，实践教学环节中可以把这两种中的一种融入到专业课程中去，将计算机软件与课堂教学结合起来。此外，课后的项目式训练和校外实习可以带动学生了解和掌握整个数据分析实践的流程，激发学生学习的兴趣，在实践教学的过程中要多鼓励、多开展。

参考文献：

[1]曾五一，等.经济管理类统计学专业教学体系的改革与创新[J].统计研究，2010，（2）.

[2]陈倩.大数据背景下对统计学课程教学模式的思考[J].科技资讯，2013，（21）.

第5篇：大学数学统计学范文

关键词：统计学课程 教学模式 课程改革

中图分类号：G642 文献标识码：A 文章编号：1672-3791（2013）07（c）-0177-02

在社会经济的发展过程中，信息和数据扮演着越来越重要的作用，特别随着“大数据”时代的到来，如何利用数据做出快速、准确的决策成为全球各国及企业所共同关注的重点。《统计学》是一门理论性很强的方法论课程，能从大量的数据中挖掘出有用的信息，为我们进行决策提供相应的理论支持和方法指导。与此同时，经济管理类的本科生，在学习过程中及后续的工作过程中，也将与许多数据打交道，如生产数据、销售数据、财务数据等，如何正确的收集数据、整理数据、分析数据，成为在“大数据”时代背景下企业对人才的新需求。统计学具有较强的综合性、理论性和实践性，其最终的教学目的是使学生能在复杂的社会经济环境中，能熟练运用统计工具与相关知识来分析和解决实际问题，从本质上提升学生的研究素养和综合素质。因而统计学课程的开设，既能加深学生对经济理论的认识和了解，又能将经济学、统计学和数学模型相结合，运用实际的数据来对现实经济问题进行分析和研究。

1 统计学课程教学中的问题分析

目前统计学或统计学课程的建设中还存在着不少问题，有许多需要进一步完善的地方，许多学者从不同角度都提出了自己的观点。如吴启富（2012）分析了我国统计学课程建设的发展历程，指出目前课程中存在的重方法操作，轻视统计思想、教育“傻瓜化”、课程内容划分不清等问题[1]；孙静（2011）对统计学教材所存在的难易差别不大、区分度不高、统计方法阐述混乱等问题进行了总结[2]。作为一名统计学的专业课一线教师，结合自身近8年的教学经历，笔者认为统计学的教学模式主要有以下几个方面的问题。

（1）教学目标单一，针对性不强。

目前的统计学教学中，教学目标大多集中在对统计分析相关的理论和方法原理的掌握，要求学生根据给定的数据能计算出相应的统计指标。但数据如何取得？数据的实适用性如何？数据与方法是否匹配？方法与问题是否匹配等重要问题并不做要求。统计工作是一个从发现问题开始，通过相关数据的收集、整理、分析的一个完整的工作流程，因此在单一的教学目标后，学生对无法了解整个统计工作的框架和脉络。

（2）教学内容理论性太强，学生学习兴趣不高。

目前的统计学教学中一般采用的是理论的教学模式，教师依托教材，对与统计学相关理论和方法逐一进行介绍，对涉及到的公式和定理进行推导。这样的教学模式下，学生容易对课程产生抵触心理，经济管理类的学生是文理兼收的，特别是许多文科生源的学生数学基础较差，看着满篇的数学公式，学生往往把简单的统计学与数学划等号，在没上课前就对课程产生抵触情绪、畏惧心理，厌学情绪滋生，学习兴趣较低，导致最后教学效果不理想。

（3）忽略对统计相关软件的教学。

统计理论和方法很重要，但要真正用统计作为一个工具来解决实际问题，单凭会动笔计算相关的统计指标是不够的。特别在实际生活中，与问题相关的数据成百上千，通过手动计算是不可能完成的。目前许多统计学的教学过程中，教师仅讲理论、讲方法，而如何操作相关的统计软件却没有或很少涉及，最后造成同学们进行统计调查和研究中，学生可能对实际公式的推导了然于心，但碰到实际问题常常面临无从下手的窘境，或者有的同学是利用手算的形式来计算相关的频数、平均数等统计指标。这种现象在信息技术高速发展的今天是难以想象，却真实存在的，因此必须加强统计学的操作性教学。

在目前的统计学教学中以上的问题可以归纳理论与应用的脱节，课程教学注重对理论的介绍，而忽略了对实际应用的教学，学生很难真正做到学以致用。因此对统计学课程的教学模式应该寻求新的改革方向，力求将理论和实践相结合，在提高学生的理论水平的同时，更要重点培养学生的实践能力和创新精神[3、4]。

2 四个层次《统计学》教学体系的构建

针对目前传统教学中理论与应用脱节的实际问题，依据当前对本科生培养的教学各环节标准和教学管理工作规范，结合经济管理类学生的实际需求和特点，对素质教学背景下教学过程中提出“理论-实践”相结合的教学模式。即将传统的理论教学扩展为理论与实践相结合的教学模式，以学生为主体，以问题和情景引导学生思考并产生兴趣，进而掌握分析问题与解决问题技能，形成“理论教学案例教学实验教学实践教学”多层次、多模块的“理论-实践”相结合的教学体系。

（1）理论学习不放松，但应与应用相结合。

在教学过程中，理论教学和应用教学不是截然分开的，而是相辅相成，互为支撑的。“重理论轻应用”或“重应用轻理论”的教学模式都是不可取得。如前所述重理论轻应用会存在学生学习兴趣不高的现象，但如果“轻理论重实践”则走向另一个极端，也会出现一系列问题，如学生往往将分析问题不假思索便意套用理论模型，而忽视对模型的适用背景和适用条件进行分析，往往会导致得出错误的结论。因此，在教学中应该采取“理论-实践并重”的教学模式，理论和应用必须“两手抓”，将理论知识与实际应用有机的结合起来，讲解理论知识点时介绍相关的统计软件的操作，在统计软件应用中，时刻考量方法的适用性及与问题的匹配度，利用正确的统计知识来解决实际问题。

（2）引入案例教学提升学习兴趣。

避免传统教学中单纯数学公式推导的枯燥无味，在教学中针对经济管理类学生，在理论的介绍中，穿插与学生专业相近的案例进行分析和讲解，有助于加深学生对理论的理解，并能进一步激发学生学习的兴趣，提高学生学习的主观能动性。

（3）加强实验教学夯实教学效果。

建议在教学中增加实验课程的学习，利用实验课指导学生重点学习一个统计应用软件（如SPSS、Eviews、Excel等）的学习，掌握有关计算软件的操作技能。实验教学的引入即可以使学生加强对基本理论的理解，更能提高学生对统计学的学习兴趣，为学生进一步自行研究以及解决实际问题提供技术支持。

（4）引入实践教学激发学生的创新意识。

以学生兴趣为出发点，鼓励学生在老师的指导下积极参加调查实践活动，开展学生的自主研究。学生通过自主寻找感兴趣的研究问题，自行设计调查问卷，并通过数据收集、整理和分析，以及最终研究报告的撰写等基本研究步骤，实现对实际问题的分析和解决，切实的提高学生对实际问题的分析能力、研究能力和动手能力。

3 结论

通过对传统《统计学》课程教学过程中所存在问题的分析，本文提出一个“理论教学案例教学实验教学实践教学”多层次、多模块的“理论-实践”相结合的教学体系。在这样的教学体系下有利于解决传统教学中课程内容针对性不强的问题、解决纯理论教学，学生学习兴趣不高，教学效果不理想的问题、解决传统统计学教学中理论与应用脱节的问题，切实的夯实学生的理论基础的同时，努力提升学生的对实际问题的分析能力、解决能力，培养学生独立研究的科学素养和能力，为同学们今后完成毕业论文的撰写打下坚实的基础，为求职就业增加获胜的砝码。

参考文献

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

[2]孙静.统计学教材问题与教学改革探讨[J].统计与咨询，2012（4）：41.

第6篇：大学数学统计学范文

每门学科蕴含的学科思想都是不同的。概率论与数理统计作为我国本科教育中重要的数学课程，是对不确定现象的认识和研究，这与其他数学分支的思维方式有所不同。鉴于此，加之学生在知识储备、学习态度、兴趣特长等方面有较大差异，这些因素都导致学生学习该课程时有一定的难度，因此研究相应的教学方法十分必要。在该学科的教学中，教学的方式方法应采取多样化，既有课堂教学、多媒体演示，又要有案例教学、实验演示，努力将逻辑思维、形象思维和辩证思维有机的结合起来，培养学生全方位看问题和运用多种思维方式的习惯。为学生将来的学习和生活打下良好的思维基础。该课程的考核方式也应该灵活且多元化，让学生感到学习不止是为了应付考试，而是学会用数学思维考虑问题的方式。

本文从教学方法和考核方式两方面着手，在实践的基础上进行分析总结，结合教学案例，来说明教学中的几点体会。

1.教学方法多样化

数学中的许多概念和定理都是从实际问题中抽象出来的，而在具体定义时抛开各自的背景，补充上了严谨的逻辑推导和证明。我们现在使用的教材也大多是按照定义，定理，证明，例题等顺序简洁罗列出来的，逻辑清晰，证明严谨，但对这些知识产生的背景及内在联系的阐述有些不足，学生弄不清为什么要学这些概念和定理，学了有什么用，从而失去了学习的动力和兴趣。部级教学名师李尚志先生倡导的“旧知识再发明一遍”的研究式教学方法给我们很多启示，教师应更新教学理念，以教材为根本但非照本宣科，以学生为主体教师适当引导，以生活中的真实案例诱发学生的好奇心，以先进的技术手段辅助教学，采取符合人们认知规律的方式方法进行教学实践和探索。具体做法如下：

1.1 以学生为主体，采用“做中学”的教学方法

“从做中学”是美国教育家杜威提出的教育原则，他主张教学过程应该是“做”的过程。如果学生没有“做”的机会，只是单纯的接受，那必然会阻碍他的平衡发展。杜威认为，“从做中学”也就是“从活动中学”、“从经验中学”，它使得学校里知识的获得与生活过程中的活动联系起来。由于学生能从那些真正有教育意义和有兴趣的活动中进行学习，那就有助于学生的发展。

在教学过程中我们也发现，并不是老师讲的知识点多，学生就掌握的好。很多情况下是老师讲的过多，学生被动的跟着老师节奏走，没有真正通过大脑认真思考，结果就会导致学生以为自己听懂了，而真正解决问题时却不知从何下手。因此灌输式的教学方式不太适合当代的大学教育，我们应把大部分时间还给学生，相信学生的能力，效果会更好。

例如，在讲两事件相互独立时，正值十一放假的前几天，我们举出引例：甲和乙二人十一假期准备去旅游，甲去西藏，乙去深圳，甲能买到火车票的概率是0.6，乙能买到票的概率是0.4。问（1）甲能买到火车票与乙能买到火车票这两件事之间是否相互影响？（2）如果要他们两个都买到火车票才能去旅游，则他们都能成行的概率是多少？

对于第一个问题，学生都可以判断出两件事无相互影响，第二个问题有些同学知道是两个概率相乘。

接下来就让学生自己看书，看书的目的有三个：

1.找到两件事无相互影响的数学描述：

2.数学上如何定义独立性：

3.剖断独立性有几种方法。

以学生为主体，以问题探索为主线。采用“做中学”的学习方式，激发学生的学习主动性，培养学生自学能力，帮助他们在自主探索的过程中，真正理解和把握数学的基本知识、数学思想和方法。实践表明，这样的方法教学效果比单纯讲解要好很多。

1.2 以问题为导向的教学方法

好奇心是人类探索和进步的源动力，问题导向式教学正是利用学生的好奇心、基于问题开展教学的一种方式。教学过程中教师提出贴近生活的实际问题，给予适当的启发和诱导，学生独立自主学习和小组合作讨论，以已有知识储备、周围世界和生活实际为参照对象，通过个人、小组等多种解难释疑的活动，应用自己所学知识解决实际问题。教师的提问要深思熟虑、有高度的技巧性。例如：

问题1你是否买过或见过别人买？

问题2你是否想过用数学方法计算中奖概率？

接下来抛出实际问题：箱中有a张有奖，b张无奖，k个人依次不放回的从箱中抽取一张，求第i人（i=1，2，…，k）中奖的概率（k≤a+b）。此问题属于古典概型，学生略经思考很快就能给出答案。

进而再提问：实际生活中，人们为提高中奖概率往往不止购买一张，于是将上题略作修改：箱中有a张有奖，b张无奖，某人从中任选n张，问其中恰有k（k≤a）张有奖的概率。这样就很自然的引入了超几何概型的概念。

教师提问的原则：要对学生原有的知识结构有明确的认识，找到新知识提问的切入点，将概念定义问题化，将定理直观化，将例题生活化。同时也要把握好提问的时与度：学生处于思考状态时才提问，不要提照本宣科就可以回答的问题，顺应学生思路，让学生真正成为课堂的主人，切实发挥学生的主观能动性。

在以问题为导向的教学方法实施过程中，学生都能积极思考，思维活跃，学习主动性很强，足以表明这种教学方式可以驱动学生主动探索，符合人们的认知规律。我们还发现，通过生活中的具体问题引入定义，学生在接受起来要比直接给出定义更易于理解而且印象深刻。

1.3 结合生活实际的案例教学方法

现在的学生生活在科技迅猛发展的时代，可以接受大量的来自各方面的信息，眼界开阔、思维活跃、兴趣广泛，他们乐于接受新鲜事物，希望从老师那里学到内容新，具有实用价值的知识，这就给新时期的大学数学教育提出了更高的要求。在讲授概率统计理论知识的同时，我们希望能介绍一些生活中常见的具有实用价值的相关知识，现有的概率论与数理统计教材中使用的例题多是抛硬币、摸球等，虽然易于理解但未与生活实际相结合，缺乏实用性。我们在课堂上列举的例题如果与现实生活、时政要闻或学生专业的特点联系在一起，一方面有助于激发学生的好奇心，另一方面有助于培养学生用概率统计的思维方式思考问题的能力和意识。比如在讲全概率公式和贝叶斯公式时，恰逢食品安全事件频频曝光，于是我们设计出关于牛奶厂质检抽出次品奶的概率以及事后追究责任的题目。这类例题结合了生活实际和时政要闻，在教学中更能激发学生的学习兴趣，而且在潜移默化中使学生理解了概率统计的思维方式。

1.4 通过数学实验使理论教学与实践教学相融合

在过去的概率统计课堂上，由于缺乏必要的硬件设备和软件支持，使得一些重要的结论只是单纯的罗列出来，略加解释。这样的讲解既不形象也不生动，结果导致学生即使当时记住了，过一阵也就忘了。

现在有了多媒体演示和各种软件的帮助弥补了以往教学的不足，借助现代的技术手段，加强了教学的可视化程度，使学生较好地从直观上升到抽象，并且能使学生初步掌握应用软件的使用方法，事半功倍。

（1）演示实验

演示实验是由教师在课堂上结合教学内容进行的实验。演示实验能紧扣课堂教学环节，以其形象、生动的教学效果，灵活多变的实验方式，有效的配合课堂教学，提高学生的兴趣，有利于学生对知识的理解和掌握，启发学生的思维活动。

教师在演示实验过程中。引导学生观察思考、分析说明实验现象，总结出结论。例如，在讲解泊松定理时，可以用Excd分别画出二项分布B（n，p）和泊松分布P（λ），（其中λ=np）的图像，让学生观察两图像的特点，学生可以看出两个分布都是离散的，且都先增后减。随着试验次数n取值的增大，从图形上就能很直观的看出这两个分布图像越来越接近，这样就使得泊松定理以形象生动的方式展现出来。

（2）数学实验

除了概念和定理，计算和数据分析也是十分重要的组成部分，通过对实际数据处理过程的演示，可以帮助学生充分理解概率统计与实际问题之间的联系，学会自己挖掘数据中的重要信息。

例如，教师可以让学生测量自己的脚长和身高，得出两组对应的数据，用Madab软件输入命令，就可以得到每组数据的直方图，样本均值、样本方差等统计量，并且可以根据数据建立相应的回归方程，得出脚长与身高的关系，告诉大家这就是法医根据脚印的大小判断犯罪嫌疑人身高的理论依据。这样的课堂教学可以使学生拓宽眼界，明白了理论在实际中的应用，学习和参与的积极性都很高。

在教会学生理论知识的同时，介绍概率统计学在各个行业中的应用，并且适当的加入Excel、Madab等数据分析工具，培养学生的动手能力和创新能力，使学生真正感觉学有所用，而不仅仅是应付考试。

2.考核方式多元化

在提倡素质教育的今天，作为教育工作者我们应该不断思考怎样才能使经历了应试教育的学生转变思想，提高自身能力，做到思想道德、能力个性和身心的全面健康发展。数学教育的目的不是让学生死记硬背一些公式定理、会计算套路性的习题，而是能灵活运用所学数学知识思考、分析和处理学习和生活中的具体问题，真正具备数学素养。因此我们不仅要在教学方法上改进，也应在考核方式上进行一些新的尝试。

2.1 提交“小论文”作为期中成绩

在教学中期，我们要求学生提交“小论文”作为期中成绩，“小论文”的内容，可以是对概率统计的学习体会，也可以是对数学学科的认识和看法，写出自己认为的难点、不足以及需要改进的地方，亦可以寻找生活中的概率统计实例，利用所学加以分析。这样做的目的是培养学生查找资料、阅读和写作的能力，同时也训练了学生的逻辑思维、办公软件的使用以及文件编辑能力。具备这些基本技能对他们将来的论文写作、科研、写工作报告都有一定的帮助。

2.2 综合作业

在教学中，我们可以留一些综合作业作为平时成绩的一部分。综合作业的目的是考察学生利用所学理论、借助数学软件、解决实际问题的能力。在设计综合作业时，教师的任务是结合学生专业特点或生活中的实际问题，设计出恰当的作业题目，提出相应的作业要求：1.明确作业的目的是考察什么，2.写明用到的理论知识和理论推导，3.计算机如何实现，4.具体的操作步骤。学生可以自由组合，相互探讨，由于每个人看问题的角度不尽相同，在讨论过程中学生常常会碰撞出颇有新意的火花，这也就是我们综合作业的价值所在。

2.3 “半开卷”的期末考试方式值得借鉴

南开大学“大学文科数学”实行的“半开卷”考试方式很值得我们借鉴。“半开卷”的含义是：允许学生带进考场一张带有复习内容的纸（A4大小），以避免死记硬背，提倡学懂学会。学生准备这张纸的过程，就是很好的复习过程：也是思维能力、总结能力的训练过程。考试形式的改变，学生的应试压力会减轻，可以有更多时间用来思考。正如英国人怀特海所说，当一个人把在学校学到的知识忘掉，剩下的就是教育。我们希望学生记住的不是公式定理，而是背后蕴含的数学思想，具备缜密思维和严密的逻辑是我们希望通过数学这个载体传授给学生的。南开大学的做法正是体现了这种素质教育的思想，因此，对于很多学校来说，“半开卷”的考试方式不妨一试。

第7篇：大学数学统计学范文

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.

第8篇：大学数学统计学范文

【关键词】大学毕业生；就业；数据统计

在我国教育体制改革日渐深入的背景下，高等教育不断扩招，大学教育已从以前的“精英教育”演变成了“大众教育”，这是我国教育质量提高以及国民素质增强的重要体现，但同时也衍生出了一系列重要的社会问题。

一、做好毕业生就业工作的重要性

大学生就业是一项关系到人民群众切身利益、关系到国家经济社会的发展以及我国社会主义和谐社会的构建。学生就业一旦出现问题，势必会对经济的发展、社会的稳定以及我国的教育改革产生重要的影响。不仅如此，大学毕业生作为我国青年人才的重要构成，肩负着科教兴国、振兴中华的光荣使命，为此，党中央、国务院高度重视我国毕业生的就业工作，并将学校的就业率作为学校考核的重要指标，力图从各个方面保障学生就业，为学生就业创造良好的政策以及社会环境。

二、毕业生就业面临的突出问题

当前，大学毕业生的就业情况可以用“严峻”二字形容。应届毕业生和再就业学生逐年增加，就业岗位增加的速度远远低于就业生增加的速度，不仅如此，随着经济发展水平的日渐提高，毕业生的就业期望以及影响毕业生就业的因素越来越多等等，导致当前毕业生就业面临诸多问题。

（一）毕业生逐渐增多，就业压力逐渐增大

从图1不难看出，应届毕业生的数量呈现显著增加的趋势，2015年的应届毕业生数量更是创下历年新高，从2006年的413万人增加到了749万人，增加了336万人之多，其增加速度之快，令人震惊。相比较而言，从2009年开始，应届毕业生的增加速度相对放缓，按照每年20万左右的速度增加，尽管如此，但倘若上一年的应届毕业生没有实现完全就业或者仍然有许多打算跳槽的人员，这一现象势必会对下一届毕业生的就业产生影响，也就是说，尽管应届毕业生的数量尽管没有增加过多，但依旧面临着“僧多粥少”的局面。

（二）大学毕业生就业期望值过高

从图2可以看出，三资企业和国有企业是众多应届毕业生的首选，其次才是民营企业、事业单位和其他工作岗位。由此可以看出当前毕业生在求职的过程中，首先考虑的不是个人的发展，能否实现自身的人生价值；不是自己的兴趣爱好，自己是否喜欢这个工作；而是一味追求物质享受，将工作的社会地位看作是择业的一项重要指标，责任感、艰苦奋斗的精神、奉献精神统统不在自己考虑的范畴之内殊不知，从个人发展的角度来讲，中小企业对于毕业生的成长更有利。不仅如此，在当前大学毕业生就业的过程中，“一次定终身”的思想愈加严重，在该思想的影响下，大学生对一份工作赋予了较高的期望值，也使得其难以做出正确的就业选择。

（三）大学生就业地域要求高

当前大学生就业过程中，不仅出现了就业期望值过高的问题，同时也出现了就业地域限制比较严重的问题。从图3可以看出，在大学生选择就业岗位的同时，对就业地点也做出了选择。省会城市是当前应届毕业生就业的首选，其次是地级市、县级市、乡镇和其他。省会城市无论是从经济发达程度、信息传播、生活便利等方面都占据着优势，但是，并不是所有人都适合。多数人只看到了省会城市的利，却忽略了省会城市的弊端。应届毕业生在选择地点时应综合考虑物价水平、房价水平、交通、生活成本等多方面因素，做出明智的选择，但这往往会被诸多毕业生所忽略，盲目跟风，导致对个人的就业地点难以做出正确的判断与选择。

三、关于毕业生就业问题的思考

当前大学生就业过程中出现了就业压力大、就业期望过高以及地域限制严格等诸多问题。为了有效解决当前大学城就业过程中的问题，不是凭借一己之力就可以完成的，它需要国家、学校以及个人等各个方面的力量。

首先，国家应该对大学生就业创造一个良好的政策氛围。

作为社会主义国家，宏观调控在国家经济发展中发挥着十分重要的作用。做好大学生就业工作的关键一环就在于国家颁布强有力的政策文件，积极支持大学生自主就业，鼓励有条件的大学生自主创业，不仅为大学生自主创业提供资金支持，更应该在政策层面予以倾斜。与此同时，规范大学生就业市场，促进大学生就业市场的制度化和法制化，不断完善人事制度改革等等，为大学生就业营造一个公平、公正的社会环境。

其次，学校应该加强对学生就业的指导工作。

学校作为促进大学生就业的主要阵地，对毕业生能否实现顺利就业发挥着至关重要的作用。第一，学校应该调整学科专业设置，使得专业和教学内容适应社会发展和市场需要。在高校不断扩招的情况下，各学校盲目开设专业，课程内容以及教学手段严重滞后于市场，导致毕业生社会适应差，学非所用，用非所学，就业竞争力差，严重影响了学生就业。第二，学校应该加强对学生的就业指导，提高大学生择业技能。良好的就业指导在实现学生顺利就业方面发挥着十分重要的作用。学校应该建立完善的就业指导系统，有目的、有计划地开展就业指导工作；就业指导工作的开展离不开正确的就业指导方法，所谓正确的就业指导方法，必须做到“三个结合”：思想指导与技能指导相结合，普遍指导与个别指导相结合以及全程指导与重点指导相结合。第三，学校应该完善大学生就业服务信息系统，促进就业信息顺畅。毕业生就业系统是毕业生实现顺利就业的重要的无形的形式。因此，学校应加大人力、物力和财力，从技术上完善高校毕业生就业网络信息系统。

最后，个人应该树立正确的就业观念。

对于就业，无论是国家还是学校都只是外因，毕业生个人才是内因。为了顺利实现就业，毕业生必须树立自主择业、竞争就业的观念。从自身实际出发，从自己的兴趣爱好出发，理性选择适合自己且自己喜欢的职业，而不是盲目攀比。对于第一份工作的期望不应该设立太多的条条框框，应本着不断学习，不断提高自己的心态去做好每一份工作，积累经验，人生有无数种可能，只有不断学习，不断突破。不怕失败，勇于挑战自己才能够不断向前，最终实现自己的人生价值。

参考文献：

[1] 喻名峰，陈成文，李恒全. 回顾与前瞻：大学生就业问题研究十年（2001-2011）[J]. 高等教育研究，2012，02：79-86.

[2] 贺平. 高校大学生就业问题的新思考[J]. 山东青年政治学院学报，2011，01：72-76.

[3] 赵天武，兰顺东. 大学生就业问题分析与实证研究[J]. 经济与社会发展，2006，08：172-174.

第9篇：大学数学统计学范文

正确认识和评价大学生学习成绩的影响因素，是制定和执行合理的教学计划、教学大纲、教学方法，提高学生学习成绩的主要依据。而学生的学习成绩是一个系统因素集成的必然结果。系统因素的一个主要组成部分是主观因素，它是影响学习成绩的主要原因，即学生自身因素——包括学习能力、学科知识与能力、综合素质、心理素质、身体素质等。

和主观因素相对的因素是客观因素。对大学生而言，学生主观努力程度是影响其学习成绩好坏的主要因素。除此之外，我们也应注意到性别、地区性质、寝室环境等客观因素对大学生学习的影响。

在对学习成绩进行评估时，目前常用的有综合指数法、测试法、评分法、层次分析法和概率统计法。这些方法大部分需要一些数据附加信息或者先验知识，而这些知识又不容易得到；指标体系过于繁琐，很多数据难以收集，对我们来说不易理解和应用。

因此我们决定结合所学的统计分析方法来进行研究，通过问卷或当面咨询方式取得原始数据，运用相应检验初步探讨了性别、地区性质、寝室环境等因素对大学生学习成绩的影响结果。由于不满足t检验关于均值、方差和分布的假设，在下文中我们用一些非参数的检验方法来判断性别因素和地区因素对大学生成绩的影响。

一、研究方法

Wilcoxon-Mann-Whithey秩和检验

假定两总体分布样本和，检验问题为：。

把两样本混合在一起，将个数按照从小到大的顺序排列，令为在这N个数中的秩。根据单样本的Wilcoxon符号检验可知，用表示混合样本中Y观测值大于X观测值的个数，它是对Y相对于X的秩求和。

当数据为大样本时，，双边检验中令，此时，K可以通过正态分布求得任意点的分布函数，a，b由上式Z确定。在显著性水平为下检验的拒绝域为：。

当X和Y中有相同数值时，此时排序有相同的数据则采用平均秩。

Kruskal-Wallis检验

当样本数据取自完全随机设计并且存在3个或更多组时，我们先把多个样本混合起来求秩，再按样本组求秩和。这种Kruskal-Wallis方法也称为H检验。

用表示第i个处理的第j个重复观察，表示第i个处理的观察样本量，将数据形态表中所有数据从大到小给秩。若有相同秩，则同秩和检验中采取平均秩。对每一样本观察值的秩求和，所有数据混合后的秩和为，在零假设下：。

即当统计量H的值时拒绝零假设（k个总置相同），即表明处理间有差异。

当个处理观测值有结点时，则H校正为：。

二、实证分析

（一）研究对象

在本次研究中，我们以湖北省武汉市中南财经政法大学统数学院11级统计学在读本科生为调查对象，以该院11级本科生的成绩差异影响因素为研究对象，在中南财经政法大学南湖校区共抽取40名大学生了解其绩点和地区、寝室成员等信息，其中男生16人，占40%，女生24人，占60%。

（二）研究内容

1.性别因素

为了分析性别这一客观因素的影响，我们从教务部获取并整理研究对象的绩点。

首先运用R软件画出原始数据的箱线图如下：

图1 男女生绩点的箱线图

从图1可以很直观地看出，男女生的绩点存在很明显的差别。女生的绩点普遍要比男生高，虽然绩点很高的男生和绩点很低的女生在图中反应为离群值，但其现实中存在也是正常状况所以不足为奇。

用F代表女生，M代表男生，则Mann-Whithey检验的原假设为。

先将两组数据混合从小到大排列，并注明各绩点对应的组别和秩。统计计算可得：女生人数24，男生16，用表示男生在混合样本中的秩：则由得。因为，或运用R软件的Wilcox检验直接计算的p为0.0007164小于0.05，故拒绝原假设即认为男女生的绩点间存在显著性差异。

以上分析可以看出，性别对学生成绩的影响是比较大的，而且女生的平均绩点大于男生的平均绩点。通过深入调查，我们了解到男生比女生成绩差的原因是自制力不强，沉迷于桌游和网游，而女生们学习则相对较认真，坚持上自习，按时完成作业。

地区因素

为了观察地区性质给学生成绩带来的影响，我们把数据归为两类——城市和农村，用U代表城市（Urban），R代表男生（Rural）。

列出城市和农村学生绩点的W-M-W秩和检验表后可得：农村人数17，城市23，用表示农村人数在混合样本中的秩，则，由于，接受原假设即认为城市和农村的大学生间绩点不存在显著性差异。

因此，地区性质的差异对学生成绩没有显著性的影响。这也从另一方面体现出，随着经济的发展和社会的进步，较之以前农村的教育水平有了很大的提升，来自农村还是城市并不能成为判断学生成绩好坏的显著因素，只能说是在某方面造成了些许影响。

寝室环境因素

寝室氛围在大学生活中扮演着十分重要的角色，一个好的寝室环境能营造好的学习氛围，学习效果也会有所差异。因此我们将男女生各寝室的平均绩点进行了对比分析，如表1所示。

表1 12个寝室学生绩点比较表

A B C D E F

重

复 2.54（19.5） 2.96（34） 2.55（21） 3.22（40） 2.91（33） 2.5（13.5）

2.64（26） 2.75（28） 2.53（17） 3.21（39） 2.49（12） 2.57（23.5）

2.61（25） 2.83（32） 2.88（32） 3.12（36） 2.5（13.5） 2.51（15）

2.37（7） 2.87（31） 2.87（31） 3.13（37.5） 2.43（9）

处理内秩和 77.5 92 101 153 58.5 61

G H I J K L

重

复 2.99（35） 2.78（29） 2.45（10） 1.82（3） 2.53（17） 2.34（6）

3.13（37.5） 2.53（17） 2.46（11） 2.01（4） 2.54（19.5） 2.56（22）

2.32（5） 1.68（2） 2.71（27）

2.41（8） 1.65（1） 2.57（23.5）

处理内秩和 73 46 34 10 87 28

统计分析：

，因为，故拒绝即认为各寝室学生间的绩点存在差异。在R中可以调用Kruskal-Wallis检验程序得，同样可得结论。

分析结果可知，寝室因素对学生的学业成绩影响显著，并不是因为不同的房子对学生的成绩有影响，而是由寝室内部学生造成的。这种影响主要表现为：大学生平时的学习和生活主要以室友为单位，不同的学习氛围极易导致不同的学习行为，所以也就不难理解这一检验结果。因此我们也可以建议高等学校应加强学生宿舍管理，把寝室作为学风建设的重要环节。