统计学读书报告记录

统计学读书报告记录

———————————————————————————————— 作者：

———————————————————————————————— 日期：

统计学读书报告

统计学是应用数学的一个分支，主要通过利用概率论建立数学模型，收集所观察系统的数据，进行量化的分析、总结，并进而进行推断和预测，为相关决策提供依据和参考。它被广泛的应用在各门学科之上，从物理和社会科学到人文科学，甚至被用来工商业及政府的情报决策之上。统计学主要又分为描述统计学和推断统计学。给定一组数据，统计学可以摘要并且描述这份数据，这个用法称作为描述统计学。另外，观察者以数据的形态建立出一个用以解释其随机性和不确定性的数学模型，以之来推论研究中的步骤及母体，这种用法被称做推论统计学。这两种用法都可以被称作为应用统计学。另外也有一个叫做数理统计学的学科专门用来讨论这门科目背后的理论基础。

统计学以推断为特征的方法论科学，“由部分推及全体”的思想贯穿于统计学的始终。具体地说，它是研究如何搜集、整理、分析反映事物总体信息的数字资料，并以此为依据，对总体特征进行推断的原理和方法。 用统计来认识事物的步骤是：研究设计—>抽样调查—>统计推断—>结论。这里，研究设计就是制定调查研究和实验研究的计划，抽样调查是搜集资料的过程，统计推断是分析资料的过程。显然统计的主要功能是推断，而推断的方法是一种不完全归纳法，因为是用部分资料来推断总体。增加定义：是关于收集、整理、分析和解释统计数据的科学，是一门认识方法论性质的科学，其目的是探索数据内在的数量规律性，以达到对客观事物的科学认识。统计学是收集、分析、表述和解释数据的科学。 《统计学原理》和《财务管理》，这两门课程是财经类专业的必修课程，在几次财务管理的教学中发现：财务管理中有很多用到统计学知识的时候，很多学

生在这方面知识簿弱，给财务管理的学习带来一定的难度，本文通过统计学在财务管理学习中的重要性提出应结合统计学知识来学习财务管理，以达到事半功倍的效果。

统计学在财务管理学习中的重要性主要体现在以下两个方面：

1．统计学基础知识在财务管理学习中的普遍应用不少同学在财务管理的学

习中抱怨财务管理的计算公式多，要记的公式总记不下来，其实认真分析一下会发现财务管理中大多公式都是统计学原理中一些公式和模型的具体运用。

这投资决策过程中的计算使用了统计学的知识。此外，综合指标，统计指数，时间序列中的相关统计计算方法在财务分析方法的比较分析法，比率分析法，趋势分析法和因素分析法中应用得淋漓尽致。如果能很好的掌握统计学基础知识，财务管理中的计算公式的理解和记忆就相对简单了，在财务管理的学习过程中，对公式的理解和记忆的加强，为财务管理的学习扫清了很大的障碍。

2．统计学思维在财务管理中的应用。财务管理的学习目标是能够对企业的

财务活动进行财务预测、决策、计划、控制和分析，达就要求学生要有较强的信息获取能力以及分析和解决财务管理中实际问题的能力。

统计学是一门研究大量社会经济现象总体数量特征的方法论科学，通过收

集，整理，分析社会经济现象数据的内在数量性，发现数量方面的特征，并对经济现象进行预测和分析。财经类专业学生通过学习相关统计理论和方法，可为其学习财务管理课程和从事财务管理活动的数量分析理论和方法奠定一定的基础，

通过统计学的学习也能培养其以定量分析为主的“统计思想”，能够应用各项基 本统计方法对财务活动中所表现的数量特征进行分本成本进行决策比较时，每种方案根据各自资本成本与其所占比重进行加权平均得到总的资本成本的比较就

是对平均指标中加权平均法的应用；企业对拟定的筹资总额，可以采用多种筹资方式来筹集，同时每种筹资方式的筹资数额也可以有不同安排，由此形成若干个资本结构(或筹资方案)可供选择。

《经济统计学》是一门比较灵活的课程，我觉得也是学的有滋有味的一门课。通过这一个学期的《经济统计学》知识学习,在授课老师的讲授和指导下获益良多。老师喜欢和我们同学一起互动，不象有的老师只是填鸭式教学，而不管学生吸收了没有。《经济统计学》不好懂是众所周知的，老师在上课时列举了很多生动鲜活的例子让我们更容易理解。老师还会给我们留出提问的时间，解答疑难问题，更难得是在课后的时间里对我们同学提出的问题作了详细的解答。

《统计学》一是有些内容比较抽象，不易于理解；二是有些内容涉及到一些数学知识，学习起来有些困难；三是该门课程的内容较多，不易于从总体上把握。学习这门课时在平时要把计算性问题的逻辑弄懂。主要是记住集中检验方法，理论方面不用过分计较。假设检验和方差分析也是重点。要多做习题，做到各个检验类型都能熟练运用。这一点“多做习题”很重要，熟能生巧就是这个意思。对照课程教材可以看出，涉及的数学计算较多，公式难记，有的同学由于经济数学基础不牢，害怕计算，往往在重点章节都听不懂，做题困难。在学习时，以理解运用方法为主，不要去追求公式的推导，以掌握教材例题和计算程序为主，不要把经济统计课理解成为数学课。统计学中的方法问题很多，许多计算公式也需要记住并会运用。仅仅具有数学基础和记住计算公式是远远不够的，因为统计学毕竟是一门方法论的科学，它所研究的是社会经济现象的数量方面，不同于纯数学，如果对社会经济现象认识不清，即便背熟了计算公式，也未必能做到灵活运用。将统计学中的计算方法和公式恰当运用到社会经济现象中去，除了需要具备

一定的数学基础、记住计算公式以外，更为重要的是对社会经济现象内涵的理解。有些习题表面上看很简单，但其中却绕了不少的弯子，只有经过仔细剖析，真正理解其涵义，才能灵活运用各种计算公式。掌握正确的学习方法。1、从整体、局部到知识点。 在弄清教材内容体系及各章节之间逻辑关系的基础上，学习每一章时，应先了解该章在全书中的地位，与前后章节之间的联系，然后再弄清本章的内容组成，各节之间的联系，最后再去掌握每一节的具体内容和知识点。2、先理解、后记忆。学习《统计学》，首先要掌握教材中的各个基本概念和范畴。这些概念和范畴很重要，但不能死记硬背，要通过理解来加强记忆，要抓住要点，能用自己的认识和语言表达出来。同时，要能联系实际或其它课程的知识，并将它们具体落实到每一个概念和范畴上去，因为这些概念和范畴都是从具体实践中抽象出来的，学习时也要能够返回到具体实践中去。3、多做习题，通过练习掌握方法和内容。做习题是掌握统计方法和公式的重要手段，只记住公式，不做习题，不仅公式难以记住，即使记住了，也不会应用。在最初做题时，先按照书上的例题去做，然后逐步养成独立完成的习惯。另外，做题时，要注意弄清楚给定的条件，不要盲目去套公式。分清重点难点，认真组织学习。实际上，如果我们能对该门课程的性质和内容体系有一个清楚的认识，学习起来还是比较容易的。从学科性质上看，统计学原理是一门应用性方法论学科。它既包括适用于各个领域的一般性统计方法，如抽样估计、相关与回归等；也包括适用于某一专业领域的特殊统计方法，如指数分析方法等，该门课程并不着重于统计方法数学原理的推导，而是侧重于阐明统计方法背后隐含的统计思想、特点和这些方法在实际各领域中的具体应用。 抽样推断，要求掌握利用抽样资料来估计总体的数量特征，计算抽样误差，估计总体的平均指标和成数指标。相关分析回归分析是研究变量

之间相互关系密切程度和联系方式的重要方法。通过学习，要理解相关分析的有关概念，掌握计算相关系数和配合回归方程进行相关分析的方法。指数分析，要求了解指数的意义，指数体系和指数数列。掌握各种指数的计算，编制综合指数，平均指数表，运用指数体系表进行因素分析。时间数列分析，介绍了时间数列表的编制和分析方法，要求熟练掌握时间数列的各项分析指标及计算方法，并能结合实际分析社会经济现象数量方面的变化过程。

在经历了一个学期的学习之后，我对《统计学》的学习也来到了最后的阶段。在这一个学期的学习中，有很多感想，也有很多收获。虽然课程有些枯燥，但无疑的是，我掌握了统计学这门实用的工具，在未来的人生中，也必将会运用这个工具，陪伴我前行。希望在这个统计学的课程完成之后，在未来的学习或者是工作中，我能够运用统计学的知识，提高我的学习和工作效率及水平，让我能够成为一个更加符合社会需求的人才！篇二：应用统计学读书报告(华电)

读 书 报 告

--读《regional development assessment:

a structural equation approach》

一、文章的总体结构

文章分为六个部分：

第一部分为介绍。主要介绍为对区域发展进行评估对欧盟的重要性，对目前各种区域评估方法的评价以及对评估方法提出的建议。

第二部分是描述数据，以及进行必要的描述性统计分析。

第三部分是统计方法和估计方法介绍。

第四部分是模型的规范性和结构模型的估计结果，同时也介绍了计算结构方程模型中潜变量得分的工具。

第五部分介绍了聚类分析的结果。

最后一部分为文章的总结。

二、文中对斯洛文尼亚和克罗地亚两国数据进行统计分析的过程。

本文旨在通过对斯洛文尼亚9个发展指标和克罗地亚11个发展指标的分析来对两国的发展状况进行评估，主要使用了结构方程，聚类分析及探索性因子分析等多元统计分析方法。文中提出了基于结构方称的模型，这个结构模型使用各种发展区域当作潜变量建模，而且通过结构模型能够建立因果递归和非因果递归模型，同时，进行评估和拟合统计量的分析。文中对两国发展指标的分析主要分为四个部分：

1、对两国数据进行处理。包括对两国原始数据使用塔方检验进行正态检测，根据检验结果对原始数据中其分布不是正态分布的转化为正态分布数据。2、基于潜变量lisrel建立区域发展结构方程

3、对模型的分析及估计结果

4、聚类分析

（一）对两国原始数据的预处理

文章中数据的预处理方法是：首先对斯洛文尼亚和克罗地亚两国的原始数据进行正态性测试，结果显示除斯洛文尼亚的人均收入和就业率除外，两国其他指标均不服从正态分布。因为文中对两国变量的分析希望使用高斯最大似然法进行分析，因而需要所分析的变量大致呈正态分布。因而需要将两国原始数据中其分布不是正态分布的转化为正态分布数据，并通过塔方检验验证转化后的数据是否呈现正态分布。

转化的方式是：将一个样本在第j个变量上的观测量表示为xj?xj1,xj2,xjn。 正态得分的计算过程如下：

k定义一个k的不同样本值的向量，xj?xj1,xj2,,xjk，这里k≤n，那么xk ? x，????

让fi是xji的值在xi中出现的频率，值得fji≥1. xji的正态得分通过下面的公式计算得到： ns

??xns

ji??n/fji?????j,i?1????ji?

这里的?是标准高斯密度函数，

?的定义如下：

???,i?0,????1??1i?ji????n?fjt?,i?1,2,...,k?1,

t?1???????,i?k,

其中?是标准高斯分布函数的逆。

对斯洛文尼亚和克罗地亚两国数据转化结果的塔方检验显示：转化后的数据均接受原假设，即，转化后的数据呈现正态分布。标准化得分与原变量具有同样的的均值和方差。

（二）、基于潜变量lisrel建立区域发展结构方程

指定内生潜变量为?，外生潜变量为?，它们的观测值分别为y和x，结构模型为： ?1

??b??????

其中?为内生潜变量向量，?为外生潜变量向量，?为潜误差向量，?、?是系数矩阵。 内生潜变量的测量模型为

y??y???

外生潜变量的测量模型为：

x??x???

其中：y?q?1?和x?p?1?是可观测变量向量，

?y和?x是系数矩阵，

?和?是前误差矩阵。

????????e????e????????e????e??定义 e?, , ,, ?????????????????

模型的协方差阵是由三个单独的协方差阵组成的

??yy?????xy?yx?? ?xx?

其中：?yy为内生潜变量观测指标的协方差阵

?yx、?xy为内生潜变量与外生潜变量观测指标的协方差阵

?xx为内生潜变量观测指标的协方差阵

最大似然法模型参数的估计是通过最小多元高斯（差异）对数似然函数f?ln??tr?s??1??lns??p?q?得到的。

其中：p和q分别是内生潜变量和外生潜变量观测指标的数量。

??i?b?1??????i?b?1????,?i?b?1?????????????y?y??x????y????? ?1??x????i?b???

y????,?x??

x????????

使用lawley 和maxwell方法可以计算潜变量得分：

?y???x?? =?0?x??0?????????+?? ?y????????

其中：?????y

?00????????y??,?a???,?a???,xa??? ?x????????x?

计算隐变量得分可以运用公式：

1?a?udvlv?du?????

axa

其中：udu是?a?e???a?a??的奇异值分解, ? vlv是dutbud1/21/2矩阵的奇异值分解，

?a为观测变量协方差矩阵误差

（三）、对模型的分析及估计结果

初步探索性因子分析显示斯洛文尼亚和克罗地亚都有4个潜在的发展层面，然而，因子分析结果并没呈现出简单模型，而是显示出复杂的因子载荷和因子间的高相关性，这表明因子间可能具是结构性或者因果联系。因此，使用探索性因子分析提取简单结构以便进行更多初步描述分析在这种情况下可能是不适合的。因子载荷结构可能因为模糊载荷和因子间的结构关系而变得复杂，这就要求要对模型进行检测，同时检测模型的拟合度以及模型的假设。

本文将指定一个斯洛文尼亚和克罗地亚简单的非递归结构模型

??1??0?12?????2?=?00

????00?3???13???1???11???1???????23?????++2211???????2? ??????0?????3???31??3?

这个模型假设四个发展层面每个由因子分析测量模型检测。

我们同样指定了两个国家的结构模型，可用数据显示在期待的测量模型中有一定的区别，尤其是斯洛文尼亚的内生测量模型，它的矩阵表达形式如下：

1?y1??

???0?y2???y??y3???31???

?y4?= ?0

?y5????y????51

?y6??0?y???y??7???71?01?y??32?y??420000???1????0???2?0???1???3?????y???+ ??4? ?43??2?????y??????53??3???5???6?1??????7?0??

外生变量测量模型为

?x??x1???11???1???+ ?? ??= ??x??1?x?2???21???2?

内生测量模型潜在误差的协方差阵是对角阵，然而初步分析和测试指标显示放宽?42上的零限制能够提够模型的拟合度。因此指定??矩阵为：

?????11???????0?22??????00???33? ????????=?0?420?44??

????0?000?55??????0?0000?66???????000000?77?????

需要注意的是?42是农业人口份额和就业率指标之间的剩余相关。?42参数的估计值导致塔方检验从108显著下降值67.22.最终外生测量模型潜在误差的协方差矩阵被表示为对角阵：

?????110???=?? ?0??????22???????

如上说述，检验结果为：?检验值为67.22，拟合优度为0.927，标准均方根为0.057，可以看出分析结构与数据有很好的拟合度。而且估计的模型没有显著的修改指标和为模型化的剩余相关。

克罗地亚的内生测量模型的矩阵表示为： 2篇三：《地质统计学》读书报告

《地质统计学》课程读书报告

地质统计学读书报告

地质统计学包含经典统计学与空间统计学，按其基本原理可定义为：地质统计学是以区域化变量理论为基础，以变异函数为主要工具，研究那些在空间分布上既有随机性，又有结构性的自然现象的科学。其为数学地质领域中一门发展迅速且有着广泛应用前景的新兴学科。国内外的生产实践表明，地质统计学除了在

异常评价、找矿勘探、矿体圈定、储量计算、采矿设计、矿山生产及地学科研等方面具有明显的优越性外，它在石油地质、第四纪地质、地层学、生物学、生态学、岩石学、地球化学、构造地质、地震地质、海洋地质、农业、水文地质、工程地质、古气候、古地理、环境、林业、医学等许多方面都有成功应用的实例。地质统计学在不到50年的研究和实践中得到了很大的发展[1]。

一、理论研究及进展

经历了数十年的发展，地质统计学的理论与方法研究有了很大的提高[2-3]。包括：①从初期二维平面分析到三维立体空间的静态估计，发展到今天在时空域内对研究对象进行四维乃至更高维空间的动态估计和模拟。journel[4]将克立格法的估值问题，从一般矢量空间扩展到个原始数据的全部可测度函数所形成的矢量空间(希尔伯特空间)进行考察；②在单变量区域化变量理论的基础上，提出了适合多变量的协同区域化理论[4]；③发展了许多计算变异函数(或协方差函数)的方法；④线性地质统计学与非线性地质统计学共同发展；⑤参数地质统计学与非参数地质统计学相互补充。matheron[5]为首的参数地质统计学派以正态假设为前提，在协同区域化理论的基础上，提出多元地质统计学的基本思想。journel发展了无须对数据分布作任何假设的非参数地质统计学，提出了一些非参数地质统计学克立格方法；⑥由于时空多元地质统计学的研究得到重视，早期空间域静态建模技术的研究逐渐过渡到研究时空域多元动态条件模拟，各种模拟方法得到了发展；⑦早期的等因子模型的因子是埃尔米特多项式，它要求原始数据服从正态分布。为了拓宽等因子模型的应用，matheron提出了离散的等因子模型和连续的等因子模型，rivoirard利用析取克立格技术建立了正交指标剩余模型，lajauine和la ntuejoul等也提出了建立等因子模型的一些方法；⑧已有的地质统计学方法相互融合。如指示克立格法与协同克立格法相结合形成指示协同克立格法;指示克立格法与因子克立格法相结合形成主分量指示克立格法；协同克立格法与其它不同的线性地质统计技术相结合形成各种协同克立格技术等[6]。

这里重点介绍一下多点地质统计学[7]。多点地质统计学是相对于基于变差函数的两点地质统计学而言的。在两点统计里，储集层相关性通过空间两点协方差( 变差函数) 进行描述。在多点统计里，则是利用空间多个点组合模式进行描述。空间多点组合样式称为数据样板，如果在空间点赋予了值，则为一个特定的空间多点组合模式，称为数据事件。在建模时，对每一个未知点，估计在其处满足给定条件的数据事件出现的概率，随后抽样获得未知点处值或者数据事件，即完成单次模拟。一旦所有节点得到访问，即完成一次模拟实现。

二、地质统计方法应用及进展

克立格估计方法概述[8-9]：克立格法是法国mathron以南非矿山工程师

d.g.krige的名字命名的一类方法。简单地说是一种特殊的加权移动平均法。是

一种对空间分布数据求最优线性无偏内插估计量的方法。

根据估计式形式、区域化变量平稳性、分布及涉及的区域化变量个数等克立格方法有如下分类[10]：

1. 线性克立格法—非线性克立格法

2. 参数克立格法—非参数克立格法（指示、概率）

3. 平稳克立格法（普通）—非平稳克立格法（泛克立格）

4. 单变量克立格法—多变量克立格法(多元克立格)

指示克立格法

1. 基本思路

在地质、物探化探数据处理及相关储量计算中往往存在以下情况：

(1)特异值的出现。所谓特异值是指那些比全部数值的均值或中位数高得多的数值。它既非分析误差所致；也非采样方法等人为误差引起，而是实际存在于所研究的母体之中，这些特异值只占全部数据的极少部分，但却控制了总金属资源量的很大比例，同时局限于一定的空间位置[11]。

(2)在一个研究区或一个矿床中存在几种不同类型的矿化作用，这也影响了品位和储量的精确估计。

(3)在矿山地质工作中经常要知道诸如：在区a及其附近，大于边界品位值z的可选采矿单元占多大比例全部可选采矿单元的平均品位是多少等等。

为了解决上述问题，地质学家及统计学家进行了许多有成就的研究，而指示克立格法是一种更好的非参数地质统计学方法，它可以在不必去掉重要而实际存在的高值(特异值)数据的条件下处理各种不同的现象，而且给出在一定风险条件下未知量z(x)的估计量及空间分布。

本文来源：https://www.2haoxitong.net/k/doc/049b494ef58a6529647d27284b73f242336c31f4.html