统计软件应用范文

2024-06-12

统计软件应用范文（精选12篇）

统计软件应用第1篇

关键词：统计软件,课堂内容,应用要求

0前言

统计软件强大的数据分析功能, 为体育统计教学带来极大便利, 在教学活动过程, 选择与教学内容相符的统计软件进行应用。教师教学应选取合适的案例, 让学生在学习过程通过对案例的统计分析, 熟练地应用统计软件。

1 与体育统计教学相适应的统计软件

为了有效保障统计软件在体育统计教学中合理运行, 发挥功效, 应积极开发与体育课程相符的统计软件, 改善教学内容, 提高教学效率。当前常用的应用软件分为两种, 即非统计软件和流行统计软件, 在此, 将对这两种软件进行分析对比。

1.1 Excel、SPSS等软件的应用

Excel表格的应用, 是常见的非统计软件用于统计的程序, 它具有表格数据的强大处理能力, 还能进行图表制作, Excel的计算功能包括统计函数的公式设置, 利用公式的计算可以得出平均数、标准差、抽样调查估算、假设条件、时间数据数列, 以及相关的回归、方差等数据分析, 解决与统计学相关的计算和数据统计分析整合, 满足统计学中大部分统计计算的数据需要, 过程操作简单, 但是相对于统计学的教学内容, Excel还是不能实现统计软件的所有计算要求。

使用频繁的统计软件有SPSS、SAS等, 它具备初级统计软件的数据分析功能, 也满足体育教学中数据的整合和计算, 主要是计量经济的计算、时间数据的分析以及多形式统计计算方式, 从而达到高级统计计算专业课要求的数据分析。

1.2 应用初级统计软件

应用初级的统计软件应包含: (1) 有关调查方案的设立; (2) 综合数据整合计算。包含相对数、平均数及指标变化的计算, 方案建立旨在按照计算程序, 解决各类数据的计算包括平均差和标准差等; (3) 数据数列计算。数据数列包含有时间数据的水平发展指数、速度指数的计算及时间数据走向的分析。在计算的过程需要突出时间水平发展指数的平均量、速度指数的平均数、数据走向的具体形式分析; (4) 统计数据的分析。包含有综合数据的整合、平均数数据、数据体系和数据形成的主要因素的分析; (5) 概率及其分布。包含有概率的整合计算及其分布形式的运算过程; (6) 抽样调查估算和假设条件。过程包含局部估算和范围估算两种形式, 每一种估算形式的组织方式都应具备样本量数据、抽样平均数的误差统计、局部估算和范围估算总体平均数值和比例大小、方差数据检验; (7) 回归及其数据分析。过程包含有相关数值的计算、一元和多元线性的回归数据分析、非线性回归数据分析; (8) 统计计算预测。包含有调研统计的数据、时间排序数列、回归数据及数据出现误差等数据结果的预测[1]。

2 统计软件与教学内容相结合

2.1 体育教学中数据的统计教学

分析任何有效数据之前都应实现数据的收集和整合, 在体育统计教学中, 数据是统计教学过程需要把握和分析整合的数字, 是数据统计计算的集合体现。为了实现更好的数据收集形式, 应保证数据来源真实准确, 因为数据的大小直接影响到现实数据的质量, 从而影响正确结果的判断。体育统计教学中, 可以从以下几种形式进行数据收集:首先是权威性公开出版的刊物和媒体上公布的数据参考、体育官方网址上的数据统计、查看体育竞赛结果显示的数据、学生体测结果的数据整合等等。但是为了计算出所求数据的总量进行分析整合, 所收集到的数据不足以进行分析和概括全体的情况, 那么就会选择统计设计的抽样调查方式, 即从收集到所有数据样本进行抽样, 得出分析结果, 抽样的调查方式设计也可以通过问卷调查方式实现, 需要注意的是抽样方式的决定和调查形式的实施步骤等。

在体育统计教学过程中, 教师应向学生展示抽样方法的有效性, 实现统计计算的准确性, 保证结论具有说服力[2]。数据的收集应根据具体的样本收集有效的数据, 保障抽样调查过程具独立性及数据的准确性;并在教学过程强调统计数据的类型, 数据的类型有:数字量的变化、顺序的变化、分类的数量变化, 并对数据进行特点分析。

2.2 体育统计教学中的教学实践

在体育统计教学中应用统计软件的, 教师可以通过统计软件为基础进行人才培养, 实现一定的体育管理系统, 推动体育统计教学的改革, 提高学生科研能力, 提高教师教学效果。 (1) 推动课程整合。将统计软件基础课程安排在学生学习中期, 通过前期计算机文化的学习, 学生对数据库的知识有一定的了解, 加强学生的操作和编辑能力, 为学生更好学习统计软件奠定基础。统计软件的学习, 要求学生能掌握软件的基本特征、结构性能、基础的编程数据和方法。 (2) 课程内容与SPSS技术相结合。教师应对体育统计教学内容的理论课程和实践课程学习时间分开。实践课程就是让学生能上机实际操作软件, 教师通过让学生分成小组, 合作完成作业的形式来锻炼学生的思维能力, 增强学生动手实践技能。教师提出案例, 例如奥运会上我国男子篮球技术成绩的数据分析, 小组可以选择不同年份的比赛进行数据的统计, 引导学生分析问题的方向和形式, 教师的引导内容应包括:数据分析的思考方式、多少种SPSS程序的分析、图书馆相关体育资料的应用及对数据进行定量分析。 (3) 教师在教学过程提供学生探讨的案例应与体育知识相关, 例如热门的体育活动数据统计或学生体测结果的数据分析。教师提醒学生在分析的过程中应用到相关的统计软件, 如SPSS等[3]。

3 结语

计算机技术的统计软件对体育统计教学有促进作用, 对统计软件进行合理选择, 教学内容应以理论与实践相结合进行, 让学生在课堂上能有效运用和掌握。

参考文献

[1]付降河.体育统计课堂教学常见问题及对策研究[J].内江科技, 2010 (03) .

[2]黄柳倩, 许莉.体育统计教学模式改革的探讨[J].体育科技, 2010 (01) .

苏大应用统计与统计学考研完整攻略第2篇

（初试篇）

各位同学大家好，我希望当你们看到这篇文章时，心里已经有了自己明确的考研目标，无论你考苏大与否，我希望大家都要尽早确定目标，不要左顾右盼，浪费时间，好的，言归正传，以下是送给考苏州大学应用统计或者统计学研究生的同学的一些经验。

请各位同学注意，不要完全相信苏大网站上给的参考内容，因为苏大老师出题从不限于边框，他会根据苏大本科的学习内容来出题，近来我和出题老师（我的以前的任课老师）聊了一下，现在推出最新权威版苏大应用统计专硕初试和复试参考内容：初试包括统计学（贾俊平，人大出版，起码第四版），概率论（魏宗舒，高等教育出版社，第二版），应用时间序列（王燕，人大出版，第三版），复试包括多元统计（何晓群，人大出版，第四版），概率论（魏宗舒，高等教育出版社，第二版），回归分析（何晓群，刘文卿，第三版），应用时间序列（王燕，人大出版，第三版）（多元统计和回归分析比重较小，应用时间序列比重会加大，重点当然还是统计学）。

在了解了具体参考书目的基础上，在考研复习中更重要的是复习的方法与策略，群主总结了自身的复习方法，同时也走访了其他一些考研成功的同学，整合出一份相对科学的考研复习方法。

很多同学都不知道应该什么时候开始准备考研复习，群主认为，这个问题没有标准答案，看自身学习能力吧！但是群主还是建议大家可以早一点准备，特别是英语和专业课，毕竟时间充足对于考研成功至关重要，以下群主分享一下各科的复习经验。

①英语篇

英语属于一门从开始准备考研到考研前一天晚上每一天都要学习的科目，英语复习中，主要包含英语单词，阅读，作文三个主要部分，对于英语单词，群主当时每天背半个单元（50个单词左右，大家，切记，莫要贪多！），采取的方法是死缠烂打，重复记忆才能成为永久记忆。早上吃过饭背一次单词，中午吃过饭背一次单词，晚上睡前背一次单词，每天重复三次，一周回顾一次，一个月再回顾一次，方法虽然笨，但是有效！单词群主推荐红皮书，难度适中！对于阅读，建议大家每天做两篇，开始做阅读，大家一般会怀疑人生，被自己的错误率震惊到，坚持下去，你会发现会有意想不到的事情发生！阅读推荐张剑的！至于作文，有能力有条件的同学可以每周自己写一两篇考研作文，群主当时没怎么看作文，而是考前一个月左右背各种作文模板，万能金句等，群主再次提醒大家，英语一定要每天都看，坚持到最后走上考场那一天！

②专业课篇

专业课可能属于大家相对有些陌生的部分，所以建议大家早点准备专业课的复习，拿到专业课考试的参考书目是基本要求，苏大专业课特点在于考的知识点全面，需要考生掌握大量知识点，所以有时分数高低的区别往往在于是否对知识点的覆盖到位。对于专业课的参考教材，大家要至少过三遍，群主当时看了多少遍自己也记不清了。每一次都会有收获哦！对于专业课这一块，大家可以根据自身能力选择方法，感觉自身能力强的同学，可以自己完成专业课的复习工作。想要节省时间，提高复习效率的同学，群主这边代售复习笔记，具体在文后会有介绍。

③数学篇

数学属于考研中比较拉分的一个科目，学得好的同学分数很高，相反的可以很低，所以大家对于数学的复习要高度重视。数学同样属于一门需要早一点准备的科目，全程至少需要四轮复习，至于参考书目不需要多，只要一本李永乐的复习全书以及1000题就可以，后期再做一点真题就可以，如果各位同学可以保质保量地完成任务，这个题量其实已经足矣了，接下来说一下每一轮的具体复习时间。

第一轮：3月份--6月份，这一轮主要是对复习全书的初步学习，大家要尽量保证看懂每一个知识点，同时做一下对应的例题，加深理解，此时不用做课后习题，只要例题就可以，标记好错题，之所以花费三个月的时间复习，就是要大家要保证质量，不要贪快，否则第二轮的复习就会陷入困境，可能还要重新开始第一轮的复习，反而浪费时间了！

第二轮：7月份--9月份，在第一轮复习打好基础的前提下，第二轮的复习需要加大强度了，同时对于知识点的理解也会更透彻，复习知识点的同时要重新做一遍第一轮的错题，并且要做课后习题了，同样要标记好错题

第三轮：10月份--11月份，第三轮复习是完全做题的时间，前两轮的复习已经使大家对于知识点的理解与记忆达到一定水平，这时就是考察自己学习水平的时候了，每天给自己安排1000题的定量题目，做题的同时也是自己整合知识点融会贯通，打通自己任督二脉的时候，此时遇到不懂的地方一定做好笔记，因为在前两轮的基础上，在第三轮依然会碰到不会做的题目，这说明困难的地方就是你的盲点或者难点，对于这一部分，才是大家以后重点复习的地方！

第四轮：12月份，第四轮的复习需要大家做一些真题以及预测真题，不要抱有那种压中题目的侥幸心理，同时这时也需要大家以一个更高的角度去审视整个全书，而不是仅仅停留在某一章，大家要注意每一章之间的联系，以及一些相似知识点的区别，能够看到目录知道任何一章的内容。同时，大家在复习数学的时候要注意高数，线代和概率论要同时进行，不要按照全书给的页码顺序复习！

④政治篇

之所以把政治的复习放到最后，是因为政治的复习是最晚的，大家可以在暑假七八月份的时候开始看，注意，是单纯地看，不要背诵，也不需要真正理解（坦白地说，直至考完，能够完全真正理解政治中马原的同学也是凤毛麟角），只是熟悉一下就可以，这样后期大家碰到马原的时候也会有点心理准备，不至于那么慌。政治的复习资料推荐大家选择肖秀荣的复习全书，以及配套的题目，大家在九月份的时候开始有意识地复习全书，也就是要求自己理解知识点，但不要背诵，此时要做每一章节的配套题目，十月中旬的时候开始背诵知识点，后期肖秀荣的八套卷以及风中劲草对大家会有很大帮助，马原可能会让大家在复习时心烦意乱，但是只要大家和它死磕到底，最终你会发现慢慢也就理解很多内容了。

⑤四科总结篇

对于四门科目，数学和专业课是大家拿分的重点，英语和政治大家一般差也不会多差，好也不会多好，所以要求大家要合理分配好各科的复习时间，特别是政治，一旦时间不够，优先放弃政治，因为你会发现即使放弃，最终成绩也不见得比别人少几分，甚至不一定比别人低（这个是真的），我有一个同学从始至中没有完整复习一遍政治，最终成绩与我只差还不到10分，但是数学和专业课差10分简直就太容易了，所以大家要坚持能拿高分的拿高分，拿不了高分的也不比别人少几分，这才是必胜策略！!

（复试篇）

初试结束后，大家可以疯狂释放一下积攒许久的能量，初试成绩一般在2月中旬左右公布，苏大的复试线一般会在3月初左右公布（每年时间可能会有微小差别），复试时间一般在3月底。大家在查到自己的初试成绩之后，要结合个人情况与往年的复试线安排好后期的工作。成绩高的直接准备苏大复试，低的直接在研招网上寻找调剂院校，不高不低的两手准备。很多同学都有一个疑问，那就是查到初试成绩后需要联系院里导师吗？群主这边统一回复，其实没必要，首先，导师们不决定各位同学在复试中的成绩，即使各位联系也不会取得什么有用的信息，老师也不会因为之前和你联系过而在复试时给你特权，所以，一切都要靠自己的实力，公平复试。复试一般包括专业课笔试，专业课面试，以及英语与专业课混合面试。有幸通过复试的同学，苏大一般会电话通知，同时也会EMS发放录取通知书，各位同学在拿到录取通知书的时候再联系导师，这时导师们才会换一种态度和各位聊天！

（祝愿篇）

不想说什么酸溜溜的话，只是希望各位同学一旦选择考研就不要轻易放弃（虽然每年都有中途放弃的人），考研是一条走上更高台阶经过的孤独的小路，能走到最后的都是英雄！起码可以证明你是一个可以为了心中目标坚持到底的人！

群主会一路陪伴大家，时刻为大家提供院里各种最新内部考研信息，各位同学无论有学习上还是心理上的问题都可以找群主聊聊，群主一定知无不言，言无不尽！随时解答同学们的各种疑惑，同学们，有缘，我们苏大见！！

考研中重要的时间点

3月份：考研准备（群主建议）

十月初：预报名（此时的网上报名不一定是最终结果，可以更改）十月底：报名截止日期，此时报名的窗口会关闭，在此之前，会有现场确认的环节。

12月最后一个周六周日：初试时间 2月中旬：初试成绩公布次年3月初：苏大复试线公布次年3月底：苏大复试开始

统计软件应用第3篇

【摘要】现代统计与传统统计相比，其对于先进的统计工具应用比较广泛，在高校的统计学教学过程中，应该充分应用各种先进统计软件，全方面结合统计软件、统计理论与统计方法，让学生真正理解统计学，更好地应用在实践中，从而提高高校统计学教学效果。本文就统计学发展的现状进行分析，探讨统计学教学中可能存在的问题，研究统计学教学与统计软件之间的融合，以期提高高校统计学教学质量。【关键词】统计学；统计软件；融合

【中图分类号】G642.4

在现代统计学科不断发展的背景下，统计逐渐应用在各领域，新时期将会步入统计时代。在高校统计学教学过程中，由于大学生普遍存在惰性，课堂上不认真听讲，注意力不集中，因此，要充分结合统计软件、统计理论与统计方法，只有在统计学教学中融入统计软件，才能提高学生学习兴趣，帮助学生更好地掌握统计学的理论方法，提高学生实际问题的解决能力。 1.统计学发展的现状

高校统计学主要是与数据有关的一门学科，其主要是从数据中获取知识与信息，在分析、收集与整理的基础上，有效的预测未来与推断对缘的本质。二十世纪前，国内统计学领域主要是经济统计、人口统计、社会统计与生命统计。随着经济的不断进步与发展，统计学也逐渐步入快速发展的时期，统计学中逐渐出现决策科学、推断统计与统计预测，使统计和多分支的科学互相结合与渗透。

近几年来，统计普遍应用在各个领域中，哈斯利特曾说：统计方法应用非常普遍，在人们生活中，统计学影响巨大，其重要性不言而喻。因为统计的必要性与重要性，相关部门已经把统计学设立成一级的学科，经调整后统计学整合了应用经济学与统计学，同时在一级的学科下设置了风险管理、统计、生物卫生的统计与社会经济的统计等，可以授予经济学、物理学的学位[1]。 2.统计学教学中的问题

进行统计学的教学时，各层次教学的理论性都比较强，但实际应用却相对薄弱。目前统计学教学主要是介绍统计方法与经典理论，如果没有统计软件，统计思想、理论与方法介绍就难以进行实际应用。但由于统计学教学过程中，普遍存在轻实用、重理论的现象，很多学生不能真正掌握与理解统计学精髓、方法，即便学生理解了教师讲授的知识，但是不会利用统计的软件进行数据分析时，也就不能取得真实有效的结果，导致提取的知识与信息存在缺陷。

如：讲授极大似然的估计法过程中，其理论方式主要是通过似然方程求解来估计极大似然。在高校统计教学中的案例，一般属于似然方程的有解析解情形，但是实际应用时，大部分似然方程并不存在解析解。在这种情况下，怎样使用数值计算的方式来求取极大似然的估计，很多教学课程中并没有深入分析，这导致学生分析数据时，难以估算出具体的结果，从而致使极大似然理论方式不能得到真正的应用[2]。

近些年来，我国计算机信息技术发展迅速，在这很大程度上推动了统计学的应用发生巨大变化。目前计算机技术逐渐变成高校统计教学中不可或缺的重要部分，尤其是很多统计学教材中逐渐涉及到Excel与SAS等工具。然而，统计学的教学过程中，软件实际操作环节还比较薄弱，很多学生遇到问题之后，不能有效应用所学知识进行解决，或是不能合理的解释分析结果，导致统计学教学达不到预期效果。 3.统计学教学与统计软件融合

在高校统计学的教学过程中，应该加强统计学的思想方式教学，加强学生对统计学理论的认识，将提高学生实践应用能力作为教学目标，适度的加入统计学软件，提高学生对统计学知识的掌握程度，教师还可以转换传统的灌输式教学方式，尽可能调动学生学习积極性。教师要充分结合统计结果总结、统计理论学习、数据分析、思想领悟与软件操作，转变重理论、轻实用的教学思想，充分培养大学生独立处理问题、自主分析数据的学习能力，从而真正掌握与理解统计学基本方法、理论与思想。

例如：描述统计学教学的过程中，教师可以让学生主动介绍统计学饼图、直方图与条形图绘制方式，这既能够加深学生对于数据的理解，又可以通过统计软件直观、方便地表达数据特点，从而避免繁琐手工计算的过程[3]。因为统计学是一门比较复杂以及系统的学科，教学过程中不能简单的讲授，必须充分发挥学生主体作用，让学生切身体会统计学的奥妙。只有如此，学生才能主动积极的参与教学活动，进而真正理解所学知识，推动统计学知识的实践应用。

又如：进行多元统计的聚类分析教学中，要有针对性的进行教学。在理论的基础上详细介绍类和类、样本和样本之间的距离，同时在教学中讲授聚类分析步骤和过程，让学生充分理解统计学相关知识，熟练掌握每一个操作流程，激发学生的探知欲。在这种教学模式与教学过程中，不仅能让学生真正掌握与理解聚分类方式，而且能够让学生更具体、更直观的掌握与了解聚类分析思想，提高学生学习兴趣与积极性。

4.结语

总而言之，随着科学技术的发展与进步，统计学普遍应用在各个领域中，尤其对于经济发展至关重要。但由于很多高校在统计学教学中，仅是简单讲解理论知识，导致大学生无法将统计知识应用在实践中。因此，在高校统计学教学过程中，教师要重视学生实践操作能力，转变重理论、轻实践的思想。也就是在统计学教学过程中融合统计软件，给学生创造实践的机会，提高学生学习积极性，激发学生学习激情，使学生全身心的参与到教学活动中，进而提高高校统计学教学质量与效果。

【参考文献】

[1]周圆圆.应用型人才培养目标下“统计学”课程教学改革研究[J]. 周口师范学院学报，2013，24（04）：125-127.

[2]杨锐.基于统计学发展趋势的高校统计学教学改革研究[J].中国教育技术装备2014，15（10）：102-102.

统计软件应用第4篇

关键词：概率论与数理统计,统计软件,重要性,实用性

概率论与数理统计学是一门应用性非常强的基础性学科,已被广泛应用于其他各个领域,如物理学、化学、工程生物和经济学等领域。由于数理统计学的内容多且分支学科多,很难用一个周密的分类方法将其归结起来,而统计工作过程的每一个环节几乎都离不开统计软件的应用,所以应加强统计软件在数理统计学中的应用。

一、统计软件在概率论与数理统计课程教学中的重要性

概率论与数理统计课程分为很多分支学科,这些分支学科主要研究如何全面的收集相关的数据,并且涉及与数据收集有关的理论方法以及统计推断的方法,进而对相关问题进行推断或者预测。

在数理统计学课程的教学过程中,教师常会遇到如何形象生动的讲解枯燥的统计理论计算公式,并让理论与社会实践活动紧密结合起来的实际问题,同时,学生在学习时,花费了大量的时间和精力学习只学会了统计问题的数学证明和简单的手工计算,没有学会解决专业问题所需要的知识和能力,因此学生可以借助计算机的操作,通过动手操作统计软件体验解决问题的过程,借助统计软件处理课程中涉及的大量数据,并在操作过程中学习探索和发现概率统计的规律,从而做到理论与社会实践紧密结合。

二、统计软件在概率论与数理统计课程教学中的实用性

典型的统计软件有Excel、SPSS、SAS、MINITAB、STATISTICA等。每一种统计软件在课程教学中的侧重点和应用方面不同。Excel是办公自动化中非常重要的一款电子表格软件,它能够搜集数据,并对数据进行自动处理和计算,进行图形分析、描述统计量等,而且操作过程简单易学。

目前,统计分析软件SPSS软件以其强大的统计分析功能且易理解的表格分析报告和精美的图形展现在广大数据分析人员在面前,赢得了各领域人员的喜爱并广泛应用到概率论与数理统计课程教学中。SPSS软件具有强大数据储存能力,可以通过外部导入excel数据,通过完备的数据编辑功能对已有的数据进行相应的修改和删除。SPSS软件可以对概率论与数理统计课程中的数据进行统计检验、相关与回归分析、方差分析、聚类分析等。SPSS软件可以制作不同维数、类型的图形,通过直观的图形展示可以让学生易掌握复杂的数据分析过程。

虽然SPSS软件广泛的被应用到数理统计学课程的教学过程中,但其他统计软件如SAS、MINITAB、STATISTICA等都可以对数据进行相应的分析,因此,目前种类繁多且功能强大的统计软件为概率论与数理统计学的教学改革提供了物质手段和计算工具基础。

三、应用举例

调查了10个学生的数学、物理、化学和英语的学习成绩,用SPSS软件进行数据汇总,1、计算出本次调查各门成绩的平均值、标准差、最大值和最小值。2、分析物理和英语成绩之间的关系。

实现步骤:1、数据统计分析: 单击Analyze—Descriptive Statistics命令,再单击Descriptives后将列表内的A3,A4,A5,A6变量输入右侧列表内,单击OK执行。操作步骤如图1所示,运行结果如表1所示。

从表1中可以很清楚的知道各门成绩的平均值、标准差、最大值和最小值。

2、散点分布图: 选择Graphs—Pie命令, 选择饼图样式Simple Pie chart,定义Y轴为物理成绩,X轴为英语成绩。操作步骤如图2所示,运行结果如图3所示。

从图3可以很清楚的知道物理和英语成绩之间的关系。

应用统计方法第5篇

2、比较两事物的差异;(假设检验、显著性检验、方差分析、水平对比法)

3、分析影响事物变化的因素;(因果图、调查表、散布图、分层法、树图、方差分析)

4、分析事物之间的相互关系; (散布图、试验设计法)

5、研究取样和试验方法，确定合理的试验方案;(抽样方法、抽样检验、试验设计、可靠性试验)

6、发现质量问题，分析和掌握质量数据的分布状况和动态变化;(频数直方图、控制图、排列图)

常见统计软件的用户评价第6篇

【摘要】统计软件是统计人员完成工作的重要工具。不同的人群有不同的统计软件适用，如何挑选，才能更有效地运用统计软件，最大限度地发挥软件的优点。本文通过对常用的统计软件使用情况，进行梳理后，给出了大多数用户对于各个统计软件的客观评价。从而，对新使用者未来有效的运用统计软件，有一定的指导意义。

【关键词】统计软件;用户评价;指导

一、引言

SPSS，SAS，MATLAB，MINITAB，S-PLUS，STATA，R等软件，是经过了统计领域内无数用户体验后推荐出来的优秀的统计软件。工欲善其事必先利其器，如何在让人眼花缭乱的统计软件中挑选出最适合自己的呢？本文从用户评价的角度，对常用的统计软件进行评价，当新使用者面对统计方面的问题时，使之能够根据自身的需要，选择最适合自己的统计软件。

二、用户评价

以下给出常见统计软件的用户评价，评价的资料来源于互联网、统计方面书籍、使用者访谈等，并对软件存在的优劣势，以及它的技术特点等也进行了梳理。

1、用户对SPSS的评价

这款软件，给人的第一印象是“易学，易用，易普及”，因为其操作界面极其友好，输出的结果简单漂亮。SPSS的操作界面几乎完全可视化窗口展示各种管理和分析数据，和绘制图表功能。只需点击交互界面，使用下拉菜单选定需要执行的命令即可完成大部分的操作。这一点与我们生活中常常用到的Windows基础统计软件EXCEL及其相似，这对于只掌握Windows基本操作技能的初学者来说，是一款及其容易上手的软件。另一方面，对不了解太多的统计理论知识新手来说，容易学习。

虽然SPSS包括了常用的，较为成熟的统计过程，能够满足非统计专业人士的工作需要，但统计方法的不足，数据处理量不足等个方面是其硬伤。

2、用户对MINITAB的评价

MINITAB与SPSS 类似，是一款及其简单精致的软件，占用的空间很小，运行起来占用的内存也不大。界面和Excel非常相似，这样就有利于用户在最短的时间掌握该软件，而且不需要花费大量时间专门学习。因为能够提供可靠和精确的数据结果，便于上手，被众多企业和高校采用。虽然小巧，但功能却丝毫不会受损，具有强大的统计功能，特别是它的试验设计及质量控制等功能[1]。

除各种统计模型外，Minitab还具有许多软件不具备的功能矩阵运算。Minitab追求图文并茂的输出，输出的图形美观且容易分析，其中一个特点是数据和图形之间有很好的动态更新性能。

3、用户对S-PLUS的评价

S-PLUS是主要的基于语言编程的统计软件之一。它的编程语言是S语言，因为有强大的编程能力，研究工作者可以编写自己的算法。S-PLUS最大的优势在于它可以交互地从各方面发现数据的信息，并由于S语言的扩展性使得它可以容易地实现一个新的统计方法。S-PLUS的数据可以直接来源于EXCEL、SAS、SPSS等软件，兼容性很好。

S-PLUS拥有可视化交互式图形显示，Trellis图形引擎可以修改图形的每个细节，可以帮助用户发现数据间的关系。最新的Graphlets 技术可以让用户对图形逐层下探观测数据，或连接到Web网页，实现即时与数据的互动。

4、用户对R的评价

R也是一门编程语言为基础的统计软件，受S语言影响发展而来，是S语言的克隆版本。R面向对象的编程方式为数据分析带来了本质革命，R编程具有数学上的优越性，它内在的隐循环节省了大量写代码的时间和精力。

R最大的特点是开源，这种“奉献”与“热情”造就了R的辉煌。这也使得R软件的统计模型和统计方法始终处于变化与进步，排在世界前列。但是开源代码，人人可写，所以在使用时要小心误用。

5、用户对STATA的评价

STATA是一个整合性软件的套件，功能强大，囊括了统计前沿领域的众多方法。它的高级模块都是编程人员用宏语言写成的程序文件，可以自行修改、添加、下载。由于STATA在对数据进行分析时是将数据全部读入内存，在计算处理全部完成后，才和磁盘交换数据，因此计算速度很快。STATA制作的图形精美，且绘图命令简单，美中不足的是沒有图形编辑器。

它有一个缺点是读取数据的格式有限，只能读取文本格式的数据，且无法处理超大型数据。

6、用户对MATLAB的评价

MATLAB是作为工程软件出现在软件领域，拥有600多个工程中要用到的数学运算函数。它也包含了统计工具箱，这使之具有不同于其他统计软件的特点。MATLAB是一个高级的矩阵语言，它包含控制语句、函数、数据结构、输入和输出和面向对象编程特点。用户可以在命令窗口中将输入语句与执行命令同步，也可以先编写好一个较大的复杂的应用程序（M文件）后再一起运行。其语法与C+语言相似，符合科技人员对数字表达式的书写格式，利于非计算机专业的科技人员使用。MATLAB具有几乎完美的绘图能力，例如二维曲线和三维曲面的绘制和处理、图形的光照处理、色度处理以及四维数据的表现等。

与其他统计软件相比，例如R，它的统计功能不够完善，有待改进。

7、用户对SAS的评价

SAS被誉为统计分析的标准软件，对于该软件的统计结果在整个社会、学术界、统计界都是公认的。它拥有强大的数据处理能力，齐全的统计分析方法，精美的图形制作为这款软件奠定了霸主的地位。

强大自然也会带来一定的缺点：视窗化程度差，人机交互界面不尽如人意[2]，由于编程语言不容易掌握，想要熟练地运用这款软件也不容易。作为一款商业软件，其高昂的价格和“只租不卖”的销售策略，使很多用户望而却步。而且安装时间比一般软件长，对用户电脑的内存有较高要求。

三、结束语

不同的统计软件有着不同的特点，这就要求我们在选择统计软件需要考虑自身的需要，以及自身能力。在选择软件时，不一定必须选择最贵的，功能最强大的，最合适的才是用户最需要的。

参考文献：

[1]薛定宇.科学运算语言MATLAB5.3程序设计与运用.清华大学出版社.2000：第三章.

统计软件应用第7篇

然而, 当前生物统计学教学面临诸多挑战。一方面, 当前高校教学的发展趋势是以适应社会需求为导向, 突出应用性, 因而专业基础课学时有不同程度的缩减, 生物统计学仅有32课时, 教学时间有限。另一方面, 生物统计学包含众多关联度高的抽象概念, 公式多且难记忆。传统教学模式以教师讲授为主, 教师既要介绍基本概念和原理, 又要通过实例阐释统计方法的应用, 教学难度大;而学生要记忆大量公式和概念, 还要通过反复练习巩固、掌握基本的试验设计和统计分析方法, 学生普遍反映难以真正理解生物统计学的作用, 不会灵活应用相关知识来解决实际问题, 甚至不能正确地描述数据。课程结束后, 学生会迅速遗忘学过的大部分知识, 面对毕业设计和生产实践中遇到的问题一筹莫展。

如何突破教学难点, 在生物统计学有限的课堂教学时间内提高教学效率, 让学生真正的学以致用呢?通过近年来的教学实践, 笔者认为, 重视和加强统计分析软件的辅助教学作用是提升生物统计学教学效率的重要途径。

一、统计分析软件excel和SPSS简介及应用

(一) Excel的功能及其在生物统计学教学中的应用

Microsoft Excel是微软公司推出的办公软件Microsoft office的组件之一, 提供大量统计函数, 使用Excel可以实现如下统计分析功能。 (1) 用于数据整理和分析。试验过程中获得的试验数据首先要输入到统计分析软件中进行保存和整理。Excel提供求和、求平均数等简单运算, 使用者可在Excel中对试验数据进行初步整理后, 再将数据导入其他统计软件进行进一步的统计分析。 (2) 用于统计图表绘制。以Excel2003为例, Excel提供了含柱状图、折线图在内的共14种标准图表类型供用户选择;用户还可以根据需要对图表区、绘图区、坐标轴和图表标题等的格式进行修改。 (3) 统计函数分析。Excel提供包括数学函数、文本函数、逻辑函数以及统计函数等基本函数供用户使用, 如COUNT、MAX等描述统计函数以及AVERAGE、STDEV等统计分析函数, 可以帮助用户完成简单的统计分析和假设检验;Excel还在其分析工具库中提供了一些统计分析程序, 如t检验、方差分析及回归分析等。因此, Excel友好的用户界面和强大的统计计算功能使其除生物统计学外, 在会计、经管等专业的本科教学中得到了广泛应用。

(二) SPSS的功能及其在生物统计学教学中的应用

SPSS软件是国际认可的专业统计分析软件之一, 最初由美国斯坦福大学的三名研究生于1968年开发成功, 该软件操作简单易学, 能够快速准确的对大量的、复杂的专业数据进行统计分析。此外, SPSS还具备强大的制图功能, 可为用户提供可视化的分析结果。因此, 它是另一个适用于生物统计学教学的重要统计分析软件。

SPSS的功能详解如下: (1) 数据导入。SPSS软件既可直接建立或打开SPSS类型的数据文件, 也可导入Excel、ASCII等数据文件, 可以实现和检测仪器输出原始数据的无缝对接。 (2) 基本统计分析。SPSS可方便的实现数据汇总和描述性统计分析, 用户获得的分层报告中给出了包括中位数、最大/小值、方差等常规描述统计结果。 (3) SPSS的复杂统计分析功能。SPSS几乎涵盖了生物医学研究可能用到的所有的统计方法, 如方差分析、聚类分析、平均数的检验、回归分析、判别分析等。 (4) SPSS的绘图功能。在SPSS中各种统计图既可以由相应的统计过程产生, 也可以由用户直接调用“Graph”菜单实现柱状图、散点图、饼图、时间序列图、频谱图等多种类型图表的绘制。

综上, Excel与SPSS统计分析软件各有特色, 前者使用较方便、通用性强, 适宜生物统计学初学者使用;后者的专业性更强, 在学生积累了一定统计学原理的知识储备后, 可逐渐加强对SPSS软件的学习, 进一步提高自身分析复杂试验数据的能力。

二、统计分析软件辅助教学, 提高教学效果

(一) 激发学生兴趣, 变被动学习为主动学习

从心理学的角度看, 兴趣是人对客观事物的一种积极的认识倾向, 它推动人去探求新的知识, 发展新的能力。对于生物统计学这样一门逻辑思维严密、概念抽象、计算繁杂的课程而言, 引入统计分析软件可以在一定程度上提高学生的学习兴趣, 调动其学习的主动性, 这将大大促进学习效果。例如, 在讲授“数据收集整理”内容时, 我们设定了如下教学场景:检测纳米材料导致老鼠肺部炎症的情况, 要求学生将教师提供的或自己参与实验获取的原始数据录入统计软件, 后续学习中利用统计软件对数据进行进一步的整理, 包括定性/定量数据的转换、次数分布图绘制, 配合正态分布和t分布曲线, 可使学生对一些理论分布有了直观的感性认识。学生还可以继续使用统计分析软件对这些数据进行假设检验等统计分析, 避免了传统教学单纯讲解教科书上抽象原理和例子的抽离感, 使学生真正投入到学习中去。

(二) 梳理教学内容, 提高学生的实际应用能力

作者结合自己多年来从事生物医学研究的经验, 将教学内容整合、梳理为基本统计原理、统计方法、统计分析软件应用及试验设计四大块。在教学实践中, 为了提高学生的实际应用能力, 遵循以下原则: (1) 减少抽象概念和公式推导的讲授、弱化计算, 在讲清基本统计原理的基础上, 集中精力介绍统计方法的适用范围、统计结果的描述和解释。 (2) 增加生物医学工程研究实例讲解, 让学生接触到本专业研究的前沿知识, 具有鲜明的专业特色。 (3) 将统计软件的使用融入到日常教学内容中:教师在每章理论知识讲授完毕后, 立即演示Excel和SPSS软件在本章节的应用。此外, 预留一定的教学内容 (如方差分析) 要求学生自己查找资料、制作课件, 并走上讲台介绍统计软件在该章节的应用, 加深学生对统计原理的理解。通过此环节学生进一步熟悉运用了统计软件分析数据的方法, 掌握了统计分析结果的判读和描述方法。通过上述理论学习和实践训练, 提高了课堂教学的效率, 也有助于提升学生解决实际问题的能力, 达到学以致用的目的, 为学生顺利撰写毕业论文和从事相关科学研究打下了良好的基础。

三、结语

实践证明, 利用Excel和SPSS统计分析软件辅助《生物统计学》课程教学, 能有效激发学生的学习积极性和热情, 显著提高了教学效率和学生的学习效果。更重要的是, 让学生掌握了利用统计分析软件整理、分析复杂试验数据的方法, 可以真正利用《生物统计学》理论解读数据背后隐藏的试验规律, 获得分析和解决实际问题的能力, 全面提升该课程的教学质量。

摘要：《生物统计学》是生命科学相关专业的重要专业基础课, 也是相关领域科学研究中不可或缺的重要工具。然而其教学内容抽象, 在现有的教学方法和手段下, 学生难以掌握相关理论且实际应用能力偏弱。为了提升教学效果, 作者在前期教学基础上, 提出利用统计分析软件辅助《生物统计学》教学的教学模式。实践证明, 该模式能帮助学生克服畏难情绪, 有效激发学生的学习兴趣, 从而提高教学效果。

关键词：统计软件,生物统计学,本科教学

参考文献

[1]李春喜, 姜丽娜, 邵云, 张岱静.生物统计学[M].第五版.北京:科学出版社, 2013.

[2]付八军.高等教育变革的三大趋势[N].中国教育报, 2014-01-06.

[3]李广驰.《Excel财务应用》课程在会计学本科教育中的作用[J].科技创新导报, 2015, (4) :128.

统计软件应用第8篇

1 图书馆统计工作的重要性

图书馆统计工作是指对图书馆工作过程中产生的各种数据进行调查、收集、整理、分析的过程。从微观层面看, 统计工作产生的数据能够真实、客观、准确、全面地反映出图书馆各个方面的状态和图书馆活动的基本规律, 利用这些数据, 图书馆工作者能够研究读者阅读规律, 指导阅读;计量图书馆各种资源的优劣和读者满意程度, 优化馆藏, 为读者节省查询时间, 传递有用的资料知识。从宏观层面看, 图书馆统计工作是科学管理图书馆最有力的助手, 是图书馆制定政策和计划的主要依据, 是图书馆在科学管理中实现量化管理的重要方法, 使各项工作进入精确、有序、量化的轨道。

在日常的图书馆工作中, 统计工作仅仅局限于统计学方法的数据收集和整理阶段, 对于这些数据的分析和更深入的挖掘利用往往是被忽略的, 这相当于图书馆一笔宝贵财富的流失, 对于这些数据的分析利用, 无疑会提高图书馆的工作效益、更大程度上满足读者的需求、实现科学管理。

2 高校图书馆统计工作的主要内容

随着互联网和网络技术的迅速发展, 高校图书馆的文献资源中网络资源和电子资源的比例不断增加, 读者开始较多地使用图书馆提供的电子资源和网络服务。由此学校图书馆的统计内容也需要相应调整, 应该加强对图书馆提供的电子型资源和网络服务的统计。

国内对图书馆资源和服务的统计大多局限于印刷型文献的统计, 对于网络电子资源的统计十分欠缺。2003年国际标准化组织与国际图书馆协会联合会制订了“国际图书馆统计标准ISO2789:2003 (E) ”, 该标准规定了传统图书馆服务和图书馆电子服务的统计测量定义。[1]结合该标准, 笔者认为高校图书馆对网络电子资源的统计内容主要体现在三个方面。

2.1 网络电子资源本身的统计

主要包括现代化设备统计, 如对计算机、服务器、监控系统等图书馆在现化化环境下运行所需的硬件设备的统计;网络电子资源的统计, 如数据库、电子图书、电子期刊、光盘等图书馆能提供的各种电子资源的数量和种类的统计;图书馆购置数字资源的费用统计。

2.2 网络电子资源使用情况的统计

对图书馆网络电子资源使用情况的统计数据项, 可以从OPAC、数据库资源两个方面来考虑。

OPAC:必要的统计项除了标准提供的任务数、检索记录下载数、任务检索时间和检索次数外, 还应该加入对用户检索用词的统计, 这样通过对检索词的分类分析, 可以掌握用户热点关注的各个领域书目是哪些, 对于优化馆藏结构, 更大程度地满足读者的需求是一组很有意义的数据。

数据库资源:主要有任务数、文献下载数、检索记录下载数、任务检索时间、被拒绝访问任务数和检索次数、通过因特网访问的任务数等。

2.3 参考咨询服务的统计

参考咨询工作是高校图书馆中十分重要的服务性业务, 它为读者在使用图书馆、寻找所需信息情报和利用情报过程中所遇到的问题提供帮助, 为读者提供事实、文献和数据情报等方面的知识或线索。

参考咨询工作的统计主要包括:用户信息统计、咨询类别统计、咨询方式统计、咨询主题统计、咨询结果统计。[2]

3 高校图书馆统计数据的应用

在高校图书馆统计工作中, 收集好这些必要的统计数据并不是统计工作的结束, 而只是起始的一步, 对这些数据利用科学的统计方法进行分析利用才能实现这些统计数据的更一步应用。

3.1 统计学分析应用

对数据库访问次数与科研成果产出之间的关系进行统计学分析, 我校使用的某个专业数据库2008-2011年的使用次数和该专业领域论文发表数目见表1:

用Excel对上表数据进行相关性分析, 结果如表2:

由上表可以看出, 发文篇数与文献下载数的相关系数为0.99538323, 具有高度正相关性, 可以有力地论证电子资源的使用对科研成果的产出具有明显的推动作用。

3.2 统计数据的挖掘使用

对于高校图书馆工作中的统计数据, 还可以通过深入挖掘分析总结出对读者的引导性建议等, 这样不但可以更好地引导读者, 而且使读者服务工作更人性化, 更有依据性。

在此, 我们可以基于对学校图书馆借书情况和借阅者情况的统计数据挖掘, 得出某些建议, 从而更好地为读者服务。例如:

(1) 通过分析借书时间的统计数据, 我们可以得到读者借出和归还图书的高峰时间段, 将这组数据公布给读者, 可以引导读者更科学地选择借还书时间。

(2) 通过统计图书的借阅次数 (包括请求借阅次数) , 我们可以得到各专业及总体书目排行榜;同时对OPAC系统中用户输入的检索词进行分类统计, 得出读者输入检索词的排行榜, 这些都可以反映出读者对图书需求的热点和偏向。[3]

(3) 记录读者的IP地址、地点、身份等信息, 进而统计各类图书的借阅者身份, 这对于了解用户习惯, 为用户提供更个性化的服务提供了可能。

(4) 基于借书情况和借阅者情况进行统计记录, 在读者借书之后显示与他借阅同样书籍的其他读者还借阅了哪些书。这对于用户再次借阅的参考意义是很重要的, 提高了读者服务的质量。

总之, 为读者提供更符合需求、更具有人性化的服务是新时期高校图书馆追求的目标, 其中做好统计工作、科学利用统计数据是非常重要的环节。在高校图书馆日常工作中, 我们对统计数据进行深入分析和挖掘使用, 能够提高图书馆的工作效益, 为实现科学管理提供了数据支撑, 同时也更大程度地满足了读者需求, 为读者提供更好的服务。

参考文献

[1]金明华.国际图书馆统计标准ISO2789:2003 (E) 电子服务使用统计评析.现代图书情报技术, 2006 (1) :92-94.

[2]徐纲红.试论参考咨询服务的统计内容.江西图书馆学刊, 2006 (1) :66-68.

统计分组装配技术及其应用第9篇

分组装配技术是一种对配合尺寸按经济加工精度设定公差,对完工后的配合尺寸进行检测、分组、标记组号,装配时同组号零件相配合的方法。它可提高配合尺寸的可加工性和经济性,是一种以经济的加工成本满足较高配合精度要求的非完全互换法。这种基于组内互换法的分组装配的一个突出问题就是在配合零件投入为等批量的条件下各组零件的不均衡,影响分组装配的适配率,从而增加生产成本。多年来国内外对分组装配的学术研究侧重于在配合零件批分布相同或不同条件下分组方法的研究,旨在满足装配精度前提下保证剩余零件为最少。

1985年,Boyer等[1]提出一种统计选配方法,即从两列匹配的部件中选择最好部件的方法。Allen[2]研究了相配零件尺寸分布参数中不同的方差对分组装配特性的不良影响,对上述分组选配方法的突出问题给出了一种不完全的解决方法,即将具有较大方差值的相配尺寸分布两端截去以满足每组内零件数量相同的要求。这就需要多加工一定数量的零件,这样也会增加成本。Shan等[3]提出了一种计算机辅助选配的方法,可以对零件直接进行一一匹配。文献[4]专门讨论了分组装配问题,并指出分组装配的一个重要概念就是相关配合尺寸加工过程的均衡问题,并分析了三种不同的均衡情形。Fang等[5]为避免分组装配各装配组内孔、轴零件不均衡的缺陷,提出了一种概率均衡分组法,即在满足各装配组极限间隙或极限过盈的前提下,以同组孔、轴的实际分布概率均衡为确定分组界和分组数的必要条件。Chan等[6]讨论了对具有不同分布的配合零件批的基于符合配合间隙规范的零件的累积概率的分组方法,采用的也是等概率的原则,但也增加了分组的工作量。Kannan等[7]提出一种通过改变部分加工方式的方法来生产便于分组选配的零件,这种加工方式可以生产出标准偏差较小的零件,从而保证相配零件的标准偏差尽可能相等,但该方法也使加工工艺复杂化。以上是20世纪90年代前后有代表性的研究,主要思路还是基于对已完工孔、轴或多个零件配合批的分组和选配方法的改进提出一些解决思路和方法。

近年来的研究则更多地侧重于基于网络最大流、基于遗传退火算法和计算机辅助选择装配等方面的研究。2004年,Mease等[8]提出把绝对误差损失与二次误差损失运用到分组策略中进行选配,减少整机产品的总体变动量,提高产品质量的方法。刘明周等[9]运用网络流规划建立了一种特定装配关系的选配模型,通过合理定义模型网络的中间点、弧的容量和方向以及模型的一般约束条件,将最优装配组合的问题转化成网络最大流问题。2006年,刘明周等[10]以最少的零件剩余数为目标,用遗传算法实现了一个零件同时与几个相同零件的选配问题。

文献[11]提出了一种新的统计公差模式,可以用于预测分组装配的适配度;文献[12,13,14,15]侧重于研究面向质量目标的统计公差技术。在前期研究基础上,本文提出一种将面向质量目标的统计公差技术、统计过程控制和分组装配技术相结合应用于配合零件制造和装配的统计分组装配技术。

1 孔、轴零件批和装配批的质量指标及统计公差

1.1 孔、轴零件批的质量指标及统计公差

根据检测数据计算出零件批统计参数,主要包括零件批过程能力指数CP和过程偏移参数k,利用统计参数可以预测出零件批的质量指标,根据质量指标的大小可以评价零件批的质量。面向质量目标的统计公差[12,13]主要包括过程不合格率Pd、中间区率Pc、平均质量损失率Pql,表达式如下:

$\begin{array}{l} Ρ_{d} = {Φ [- 3 C_{Ρ} (1 + k)] + 1 - Φ [3 C_{Ρ} (1 - k)]} \times 100 % \\ Ρ_{c} = {Φ [C_{Ρ} (1 - 3 k)] - Φ [- C_{Ρ} (1 + 3 k)]} \times 100 % \\ Ρ_{q l} = (\frac{1}{C_{Ρ}^{2}} + k^{2}) \times 100 % \end{array}$

式中,Φ(x)为标准正态分布的概率分布函数。

由单一数值表示的质量指标P*d(过程不合格率上限)、P*c(过程中间区率下限)、P*q l(过程平均质量损失率上限)可以定量表达设计者对重要或关键质量特性的一个或多个制造质量目标。

1.2 配合质量指标建模

为了分析配合零件的配合性能与配合精度,对装配性能进行量化分析,国标GB/Z 24636.5-2011规定了装配批的统计质量指标,即配合能力指数FP、配合偏移系数kf、配合优等率(或配合中间区率)Pc(f)及平均质量损失Pql(f)[16],它们均是两个相配合的孔、轴零件批的过程能力指数CP和过程偏移参数k的函数。下文中,下标“H”表示“孔”,下标“s”表示轴,下标“f”表示配合。

(1) 配合能力指数FP与两个配合尺寸的过程能力指数的关系如下:

式中,r是孔公差TH和轴公差TS的比值。

(2)配合偏移系数kf与两个配合尺寸的偏移系数kH、kS的关系如下:

(3)配合优等率(或中间区率)Pc(f)。

配合优等率用来描述装配批的间隙或过盈相对目标间隙或目标过盈的对中性,较高的配合优等率可以保证符合设计预期的优等配合性能和装配质量。配合优等率 (或中间区率)为配合公差带中心的三分之一区域的计算公式为

$\begin{array}{l} Ρ_{c (f)} (Μ_{f} \pm Τ_{f} / 6) = {Φ [\frac{1}{\sqrt{\frac{1}{C_{Ρ (Η)}^{2}} + (\frac{1}{r C_{Ρ (S)}})^{2}}} + \\ \frac{1}{\sqrt{\frac{1}{C_{Ρ (S)}^{2}} + (\frac{r}{C_{Ρ (Η)}})^{2}}}] [1 - 3 (\frac{r k_{Η} - k_{S}}{1 + r})] - \\ Φ [- (\frac{1}{\sqrt{\frac{1}{C_{Ρ (Η)}^{2}} + (\frac{1}{r C_{Ρ (S)}})^{2}}} + \frac{1}{\sqrt{\frac{1}{C_{Ρ (S)}^{2}} + (\frac{r}{C_{Ρ (Η)}})^{2}}})] \cdot \\ [1 + 3 (\frac{r k_{Η} - k_{S}}{1 + r})]} \times 100 % (3) \end{array}$

式中,Mf为配合公差带的中心值;Tf为配合公差。

(4)平均质量损失Pql(f)。

装配批的间隙或过盈偏离目标间隙或目标过盈而对社会和用户造成的平均质量损失,以百分率表示。Pql(f)的表达式为

从使用功能看,配合质量好坏最明显地表现在装配特性的对中性指标上。将配合中间区率(或配合优等率)和平均质量损失率作为配合的质量指标均是理想的选择。由于配合质量指标一般难以直接检测, 所以配合质量指标是通过对孔、轴配合尺寸的质量目标和统计公差的合理设计间接保证的。因此,配合质量指标应基于两个相配合的孔、轴零件批的过程能力指数合理选定。若配合孔、轴零件批的过程能力指数未知,应通过过程能力调查和分析进行估计。

当预测配合质量指标达不到设计者的预期要求,或者可以达到配合质量指标的孔、轴制造公差要求但成本很高时,可以运用统计分组装配的方法,在降低孔、轴制造公差和成本的基础上提高装配精度,并保证分组装配的适配率。

2 保证分组装配适配率和配合质量目标的统计分组装配技术

统计分组装配技术实质上是一种面向分组装配的配合尺寸统计公差设计与控制方法,是在传统的分组装配技术的基础上,在设计阶段对孔、轴配合尺寸规定合理的统计公差用以保证分组装配适配率和配合质量目标。其技术路线如图1所示。

2.1 分组装配适配率建模

在等批量零件批装配的情况下,文献[11]提出了适配率的概念并基于形成配合尺寸的制造过程均处于受控状态且服从正态分布的前提,建立适配率数学模型如下:

式中,Pi(H)为包容配合尺寸在第i组的分布概率;Pi(S)为被包容配合尺寸在第i组的分布概率;b为分组数。

为和统计公差标准中质量指标的百分比表达一致,将适配率作为孔、轴零件批配合尺寸的过程能力指数CP和过程偏移参数k的函数,表示如下:

$\begin{array}{l} Ρ_{m d} = {\sum_{i = 1}^{b} \min {〈 Φ [3 C_{Ρ (Η)} (1 - k_{Η} - 2 \frac{i - 1}{b})] - \\ Φ [3 C_{Ρ (Η)} (1 - k_{Η} - 2 \frac{i}{b})] 〉, \\ 〈 Φ [3 C_{Ρ (S)} (1 - k_{S} - 2 \frac{i - 1}{b})] - \\ Φ [3 C_{Ρ (S)} (1 - k_{S} - 2 \frac{i}{b})] 〉}} \times 100 % (6) \end{array}$

2.2 面向分组装配的配合尺寸统计公差建模

对分组装配适配率的主要影响因素包括:①两个配合零件批的过程偏移参数的代数差(kH-kS);②两个配合零件批的过程能力指数的差(CP(H)-CP(S));③分组数b;④两个配合零件批的过程能力指数CP(H)和CP(S)数值的大小。

因此,应采用统计公差将实际的CP和k值限制在以下范围,即

式中,ΔC*P为允许CP偏离其目标值C*P的量值。

CP在统计公差范围内对分组装配适配率最不利的情况是以下两种极限情况:

${\begin{cases} C_{Ρ (Η)} = C_{Ρ (\max)}^{*} \\ C_{Ρ (S)} = C_{Ρ (\min)}^{*} \end{cases}$

或

${\begin{cases} C_{Ρ (Η)} = C_{Ρ (\min)}^{*} \\ C_{Ρ (S)} = C_{Ρ (\max)}^{*} \end{cases}$

k在统计公差范围内对分组装配适配率最不利的情况是以下两种极限情况:

${\begin{cases} k_{Η} = k_{Η}^{*} \\ k_{S} = - k_{S}^{*} \end{cases}$

或

${\begin{cases} k_{Η} = - k_{Η}^{*} \\ k_{S} = k_{S}^{*} \end{cases}$

分组装配最小适配率应基于上述各参数均为最不利极限情况的组合,可以按照以下公式计算:

$\begin{array}{l} Ρ_{m d} (\min) = {\sum_{i = 1}^{b} \min {〈 Φ [3 (C_{Ρ (Η)}^{*} + Δ C_{Ρ (Η)}^{*}) (1 - k_{Η}^{*} - \\ 2 \frac{i - 1}{b})] - Φ [3 (C_{Ρ (Η)}^{*} + Δ C_{Ρ (Η)}^{*}) (1 - k_{Η}^{*} - 2 \frac{i}{b})] 〉, \\ 〈 Φ [(C_{Ρ (S)}^{*} - Δ C_{Ρ (S)}^{*}) (1 + k_{S}^{*} - 2 \frac{i - 1}{b})] - Φ [3 (C_{Ρ (S)}^{*} - \\ Δ C_{Ρ (S)}^{*}) (1 + k_{S}^{*} - 2 \frac{i}{b})] 〉}} \times 100 % (7) \end{array}$

根据上式,最小适配率是7个自变量(k*H、k*S、ΔC*P(H)、ΔC*P(S)、ΔC*P(H)、ΔC*P(S)、b)的函数。为简化设计,若有可能,最好将孔、轴配合尺寸的对应统计公差设计成相等,即C*P(H)=C*P(S)、ΔC*P(H)=ΔC*P(S),k*H=k*S。这样,在统计公差内配合零件批的适配率可按以下三种情况分析估算:

(1)最小适配率。在统计公差范围内统计参数处于最不利的极限情况之一为:kH=k*,kS=-k*,CP(H)=C*P+ΔC*P,CP(S)=C*P-ΔC*P。最小适配率可按以下公式估算:

$\begin{array}{l} Ρ_{m d} (\min) = {\sum_{i = 1}^{b} \min {〈 Φ [3 (C_{Ρ}^{*} + Δ C_{Ρ}^{*}) (1 - k^{*} - \\ 2 \frac{i - 1}{b})] - Φ [3 (C_{Ρ}^{*} + Δ C_{Ρ}^{*}) (1 - k^{*} - 2 \frac{i}{b})] 〉, \\ 〈 Φ [3 (C_{Ρ}^{*} - Δ C_{Ρ}^{*}) (1 + k^{*} - 2 \frac{i - 1}{b})] - \\ Φ [3 (C_{Ρ}^{*} - Δ C_{Ρ}^{*}) (1 + k^{*} - 2 \frac{i}{b})] 〉}} \times 100 % (8) \end{array}$

(2)最大适配率。在统计公差范围内配合零件批的统计参数处于最理想的情况为:kH=kS=0,CP(H)=CP(S)=C*P,最大适配率可按以下公式估算:

$\begin{array}{l} Ρ_{m d (\max)} = {\sum_{i = 1}^{b} {Φ [3 C_{Ρ}^{*} (1 - 2 \frac{i - 1}{b})] - \\ Φ [3 C_{Ρ}^{*} (1 - 2 \frac{i}{b})]}} \times 100 % (9) \end{array}$

(3)平均适配率。在统计公差范围内统计参数处于最不利的极限情况和处于最理想的情况的概率均很小,可按这两种情况计算的适配率的平均值简化地估计平均适配率:

2.3 保证分组装配适配率和配合质量目标的统计公差设计及技术实现

在配合零件的尺寸设计阶段,为了满足设计人员对配合特性和质量的多种要求,并提供包括分组装配在内的多种工艺方法来实现这些要求,提出面向分组装配的统计公差设计及技术实现的流程,如图2所示。

2.3.1 保证配合性质要求的孔、轴分组装配的公差设计原则

孔、轴分组装配是实现高精度配合的工艺方法。为以经济的公差和加工工艺保证预期的高精度配合性质,合理的分组装配的公差设计是必不可少的。其中关键是孔、轴配合尺寸的制造公差和分组数的确定。根据前期研究提出以下设计原则:

(1)优先考虑孔、轴配合尺寸,按“等公差”制造;

(2)尽量采用奇数为分组数,优先推荐分组数b=3;

(3)为方便分组判别,各组间距(即T/b)应尽量为分组测量时所用测量器具分度值的整数倍;

(4)对孔、轴分组配合尺寸的形状和位置公差应根据功能要求给定;确定分组数时,形状公差因素应予以考虑,一般应按照T/b大于该圆柱要素的形状公差确定分组数b;

(5)精密配合尺寸在不分组装配时应采用包容原则,检验时一般用全形量规体现最大实体边界。但是,孔、轴分组配合尺寸的公差原则选择应和分组装配后的功能要求及检测方法综合考虑,不一定采用包容原则。

2.3.2 统计参数已知条件下孔、轴分组配合尺寸的统计公差设计

当形成孔、轴分组配合尺寸的加工过程的统计参数已知时,应当充分利用这些信息,进一步对孔、轴配合尺寸提出合理的质量及分组装配适配率指标和孔、轴各自的二维统计公差(C*P,k*),这对于等批量的定制生产和再制造尤为重要。统计分组配合技术可以充分利用新的统计公差标准中提供的应用表格和标注方式,实现其特定的应用。当然,分组装配适配率指标是在分组装配中特定的控制指标,孔、轴各自的二维统计公差(C*P,k*)需同时满足孔、轴配合尺寸自身的质量指标和分组装配适配率指标。

批量定制生产和再制造的孔、轴配合尺寸自身的质量指标一般应考虑选用不合格率指标Pd。如孔、轴配合尺寸的加工质量稳定,统计参数已知,可以根据已知统计参数计算相应的CP和k之后进而得到相应的形成孔、轴配合尺寸的最终工序的不合格率,以此作为孔、轴配合尺寸各自的二维统计公差(C*P,k*)的重要依据,并据此提出合理的质量及分组装配适配率指标,从而确保所选择的二维统计公差(C*P,k*)是合理可行的。

为保证在给定的二维统计公差(C*P,k*)的极端情形下也可满足预期的质量及分组装配适配率指标,还要分别按此极端条件代入公式验证孔、轴配合尺寸的质量指标及分组装配适配率指标是否得到保证。否则,需分别调整二维统计公差(C*P,k*)

2.3.3 统计参数未知条件下孔、轴分组配合尺寸的统计公差设计

当形成孔、轴分组配合尺寸的加工过程的统计参数未知时,根据孔、轴配合尺寸的质量及分组装配适配率指标和它们与孔、轴二维统计公差的关系表格选择孔、轴配合尺寸的等同二维统计公差(C*P,k*)。

可先参考产品几何技术规范(GPS)统计公差标准第2部分,统计公差通用要求的质量水平可按4σ质量水平推荐,对应的隐含不合格率指标为0.02451%,二维统计公差(C*P,k*)为(1.33,0.125)。由于孔、轴配合尺寸的偏移参数k对分组装配适配率指标影响特别大,建议k*不大于0.10。

因为零件批的过程均值的偏移方向为不确定因素,其极端不理想情况为孔、轴零件批的均值偏移方向相反。初步选择的二维统计公差(C*P,k*)需按极端条件代入公式验证孔、轴配合尺寸的质量指标及分组装配适配率指标是否得到保证。

3 统计分组装配技术的应用

3.1 基于孔、轴零件批配合尺寸的统计参数预测分组装配适配率和装配质量

基于孔、轴零件批配合尺寸的统计参数预测分组装配适配率和装配质量,是改进制造过程及配合质量的重要依据。根据完工孔、轴零件批的配合尺寸的检测数据估算孔、轴配合尺寸的CP和k是否满足自身过程质量要求,在此基础上计算分组装配适配率并验证是否满足预期适配率要求。在孔、轴零件批配合尺寸的过程能力指数CP(H)、CP(S)和偏移参数kH、kS均已知时,分组装配适配率可按式(6)直接预测。根据预测的结果采取改进分组装配适配率和配合质量的对策。

3.2 基于批量制造和分组装配的配合尺寸统计公差并行设计

根据孔、轴配合尺寸的质量及分组装配适配率指标和它们与孔、轴二维统计公差的关系表格选择孔、轴配合尺寸的等同二维统计公差(C*P,k*),详见2.3所述。

分组装配适配率可按式(8)估算,虽然按最小适配率公式计算,结果较为保守,但可保证任何极限情况下计算的适配率大于要求的适配率。

在给定孔、轴分组配合尺寸的统计公差(C*P,k*)后,如需要预测分组装配适配率,推荐按式(10)估算平均适配率,这更接近实际适配率。

3.3 配合尺寸统计公差协调设计和控制

根据分组装配的适配率指标和已完工零件批配合尺寸的统计参数对待加工零件批配合尺寸的统计公差进行设计和控制,这是基于统计分组装配技术对配合尺寸协调控制的思路。

零件批的生产过程中,加工生产具有先后顺序,通常将难制造或成本较高的零件批作为先制造批。为保证预期分组装配适配率,待加工批的统计公差可根据已完成批的统计参数综合利用式(6)和式(7)协调确定。根据笔者前期研究成果,待加工零件批配合尺寸的过程能力指数CP和偏移参数k与先制造批的配合能力指数的过程能力指数越接近,分组装配适配率越高。为保证预期分组装配适配率和配合质量,尤其要保证孔、轴零件批的配合尺寸的偏移参数k方向相同,大小接近,按此原则确定待加工零件批统计公差(C*P,k*)。同时,还要考虑满足待加工批自身的尺寸公差和合格率指标。具体步骤如下:

(1)明确已知条件。

先制造批的配合尺寸的过程能力指数和偏移参数均已知,分别为CP(1)和k1;待加工批的过程能力指数CP(2)分两种情况,即已知和未知。若可根据历史数据判断加工批的过程能力指数CP(2)是稳定的,则对待加工零件批的统计公差(C*P(2),k*2)设计最为有利。若待加工批的过程能力指数未知,需要先根据设备、工艺条件及历史数据资料分析其过程能力并以此为基础估计CP(2)可能的范围作为待加工零件批统计公差设计的依据。

(2)待加工零件批统计公差的协调设计。

在获得上述已知条件基础上,利用统计公差控制待制造批的配合尺寸偏移参数k2和先制造批的配合尺寸的偏移参数k1尽量一致,则可按照下列条件建立待加工批的配合尺寸的统计公差。若fPmd(CP(1),CP(2),k1,k1)≥P*md,则设定待加工批的配合尺寸的统计参数的目标值C*P(2)和k*2分别为CP(2)和k1。

对待加工批的配合尺寸的统计公差按照以下联立不等式设定:

式中,推荐ΔC*P按C*P(2)的0.05～0.10取值。

(3)适配率和质量指标的验证。

为保证即使在统计公差范围内极限情况下也能满足适配率要求,需要分析CP(2)和k2在统计公差范围内偏离先制造批的统计参数最大时的两种情况,即

情况1:若CP(2)>CP(1),

则CP(2)=C*P(2)+ΔC*P,k2=0

情况2:若CP(2)<CP(1),

从保证后制造批的质量指标考虑,情况2是最不利的情况,可按此验证后制造批,即依据设定的统计公差控制完工后和先制造批装配的适配率是否满足要求。

将CP(2)=C*P(2)-ΔC*P、k2=0代入适配率公式,即

$\begin{array}{l} Ρ_{m d} = {\sum_{i = 1}^{b} \min {{Φ [3 C_{Ρ (1)} (1 - k_{1} - 2 \frac{i - 1}{b})] - \\ Φ [3 C_{Ρ (1)} (1 - k_{1} - 2 \frac{i}{b})], {Φ [3 (C_{Ρ (2)} - \\ Δ C_{Ρ}^{*}) (1 - 2 \frac{i - 1}{b})] - Φ [3 (C_{Ρ (2)} - \\ Δ C_{Ρ}^{*}) (1 - 2 \frac{i}{b})]}} \times 100 % (12) \end{array}$

在保证适配率的同时,还要按情况2的最不利情况验证对后制造批的自身质量指标的保证是否满足要求。

4 应用案例及分析

用某公司生产的制动缸体与活塞配合为 $ϕ 23.81 \frac{Η 8}{e 8}$ 。制动缸孔:ϕ23.81H8+0.0330,活塞:ϕ23.81e8(-0.004-0.073);缸孔和活塞外圆柱面的圆柱度公差为0.011mm;预先设定分组数及满足该项配合质量要求为:

(1)设分组数b=3,T/b=0.033mm/3=0.011mm,不小于该圆柱要素的圆柱度公差;且0.011为分组测量时所用测量器具分度值0.001的整数倍,所以选择b=3;

(2)孔、轴配合尺寸加工的最终工序不合格率应控制在0.03%以内;适配率在92%以上;

零件批制造过程在受控条件下,通常将制动缸体作为先制造批,已知制动缸过程能力指数CP(1)=1.40、k1=0.10。进给控制均由设备保证且应用统计过程控制进行过程监控。

制动缸体与活塞的公差带图和配合公差带如图3所示。

(a)孔、轴公差带 (b)配合公差带图比较

满足上述要求的后制造批的统计公差设计如下:

(1)明确已知条件。

先制造批的配合尺寸的过程能力指数和偏移参数均已知,分别为CP(1)=1.40,k1=0.10;根据历史数据判断活塞的过程能力指数CP(2)是稳定的,CP(2)=1.35。

(2)待加工零件批的统计公差设计。

设k2=k1,将已知参数代入式(9)预测分组装配适配率为99.59%。

因为fPmd(CP(1),CP(2),k1,k2)≥P*md,则可按照下列条件建立待加工批的配合尺寸的统计公差。

设定待加工批的配合尺寸的统计参数CP(2)和k2的目标值分别为1.35和0.10,CP(2)的统计公差ΔC*P取为0.05,根据式(11),待加工批配合尺寸的统计公差可表示为

${\begin{cases} 1.35 - 0.05 \leq C_{Ρ (2)} \leq 1.35 + 0.05 \\ 0 \leq k_{2} \leq 0.10 \end{cases}$

(3)验证统计公差是否满足质量指标。

CP(2)和k2在统计公差范围内偏离先制造批的统计参数最大时的情况为:CP(2)=1.35-0.05=1.3,k2=0。

可将上述数据代入式(1)估算分组装配的适配率为Pmd(min)=93.32%。

在保证适配率的同时,还要按最不利情况验证对后制造批的质量指标的保证是否满足要求,即在相应的质量指标的计算公式中自变量CP和k按以下数据代入:CP(2)=1.35-0.05=1.30,k2=0.10,则不合格率为Pd=0.0233%。

验证表明:即使在极限情况下计算的最小适配率也大于要求的92%的适配率,预测的不合格率也在要求范围内,所以待加工零件批的统计公差满足设计要求。待加工零件批配合尺寸可按以下统计公差进行控制:

${\begin{cases} 1.30 \leq C_{Ρ (2)} \leq 1.40 \\ 0 \leq k_{2} \leq 0.10 \end{cases}$

(5)分析。

各种控制方案的分组配合适配率比较分组配合适配率是分组装配的主要指标,表1对比了本案例在各种情况下的配合尺寸控制方案的分组配合平均适配率。由表1可以看出,统计公差控制相应的统计参数,并可据此对分组配合适配率及其他指标进行定量分析和预测。但统计公差是统计参数的允许变化范围,实际统计参数在该范围仍存在不确定性,如果能利用已知统计参数将不确定性因素变为确定性因素,则分组配合适配率可以相应得到提高。因此,在可能条件下按表1中方案4,即后制造批配合尺寸的加工根据先制造批已知统计参数协调控制,分组装配可获最佳适配率98.59%。

5 结论

(1)统计分组装配技术是一种面向分组装配的配合尺寸统计公差设计和控制方法,它将面向质量目标的统计公差技术和分组装配技术相结合应用于配合零件批量制造和装配生产模式,是新的统计公差标准的拓展应用。

(2)统计分组装配技术的核心是保证配合质量目标和分组装配适配率,本文提出的面向分组装配的统计公差设计及技术实现流程可以充分利用新的统计公差标准并同时满足孔、轴配合尺寸自身的质量指标和分组装配适配率指标。

(3)介绍了统计分组装配技术的三种应用,对统计公差范围内配合零件批的分组装配适配率按三种情况进行了分析和建模,可操作性强,可适应不同的控制和预测要求。

(4)本文提出的配合尺寸统计公差协调设计和基于设定的分组装配的适配率和已完工零件批配合尺寸统计参数协调控制待加工零件批加工过程的方法,可充分利用配合零件批的制造检测信息,将传统制造模式的不确定性因素转化为确定性因素和可预测信息,可较传统分组装配方法明显提高分组装配的适配率,从而具有直接的经济效益。

摘要：对保证分组适配率和配合质量目标的分组装配技术及实现方法进行了研究,提出一种基于面向质量目标的统计公差技术的统计分组装配技术;对影响配合质量指标和分组适配率的因素进行了分析,提出具有可操作性的保证配合质量目标和分组适配率的统计公差数学建模和设计方法。结合案例研究,给出这一新技术的三种典型应用,包括根据配合零件批的统计参数对分组装配后的配合质量进行预测,基于并行设计思路的分组装配统计公差设计和基于配合质量指标和先加工批统计参数的配合尺寸统计公差协调设计及控制。

统计应用现代化研究第10篇

一、统计标准管理

统计标准管理体系的主要对象是:统计指标与分类、统计制度、调查对象、用户角色、应用环境等。本文将统计指标与分类统称为“统计元素”, 而“统计元素目录、统计制度目录、调查对象目录、用户角色目录、应用环境目录”等构成了现代统计业务的基本生产要素, 各目录集合就是统计元数据库 (图1) 。

(一) 统计元素目录。统计元素包括统计指标与分类。从信息的角度来看, 任何一项能对人们的决策和行为产生作用的信息或数据都有六个部分组成:指标、属性 (如:行业等) 、地址、时间、计量单位和数字。统计学将属性、地址、时间统称为分类, 计量单位、数字从属于指标。

1.统计指标。统计指标是统计数据的载体, 是粒度最低的统计数据存储单元, 是定义统计报表的重要基本元素。其技术特性有:唯一性、不从属性、可量化性。

2.统计分类。统计分类是指标的属性, 对指标的行为、意义等进行定义、限制与解释。

3.统计元素的设计。在设计统计指标与分类时要注意:

(1) 指标与分类要尽可能地拆分到最小粒度, 以达到对指标与分类进行任意组合的要求, 但过细或过粗也将导致使用不便或难以满足实际需要。

(2) 原则上指标可以赋值 (可以用计量单位来判断) , 分类不可赋值, 这是区分指标与分类的重要标志。

(3) 计量单位用于描述指标的大小, 实现同一类计量单位之间的转换。计量单位有一个唯一的标准值“1”, 它既可表示某指标当前计量单位的默认选择, 也是计量单位内系数换算的一个基准。

(4) 可在统计元素目录中适当增加一些“标签”, 以增加对统计指标、统计分类及计量单位等元素的可管理性, 这里的“标签”是完全虚拟的, 仅为了组织统计元素的排列顺利, 增强可管理性而设置。内部元素之间没有上下级差别与隶属关系。

4.统计元素的附属特性。为保证统计元素的可用性, 在统计元数据库管理系统中还要考虑其附属特性:激活与休眠、解释、版本。

原则上统计元素目录部署在统计管理机构的最顶层, 由顶层进行控制与管理。若部署在非顶层则要考虑各级统计元素目录适时同步更新问题, 若部署在顶层则要考虑底层新增自用统计元素的需要。

(二) 统计制度目录。统计元素的有机组合形成统计报表, 统计报表的简单组合形成统计调查制度 (或叫统计专业) , 而统计调查制度的总和则构成统计制度目录。统计制度目录是一种直观的数据组织形式。

1.统计报表。统计报表是一种直观的统计“表”数据载体形式, 它是按照一定“主题”由相关统计元素拼接而成, 目的是为方便统计人员的直观应用。统计报表的呈现形式是一维、二维或多维表式, 但其实质是多笔统计数据的线性组合。

2.统计制度。统计制度是按一定主题的报表集合, 是为了简化统计管理的需要而设置, 在统计管理部门就叫统计调查制度 (或统计专业) 。

3.统计制度目录。统计制度目录是统计调查制度的总和, 是组织数据的一种形式。其内在关系有:

(1) 统计元素与统计报表的关系是一对多, 统计报表与统计制度的关系是一对一。

(2) 统计专业形成了统计管理处 (科) 等实际管理机构, 当然统计管理机构是有实际的管理人员 (统计用户) 来行使具体的职能, 从而形成了完善的统计管理体系。

(3) 统计元素是具体的、客观存在的, 不可随意更改, 而统计报表、统计制度及统计管理机构都是虚拟的 (从计算机的角度来看就是一个“视图”) , 可以根据具体情况进行适当调整。

(4) 统计制度目录有三部分组成, 除刚才介绍的统计制度目录外 (也叫当期统计制度) , 还包括统计制度归档目录、统计专题目录两类, 它们分别对应统计的生产库、数据仓库和成品库 (见附图四:统计数据库示意图) 。统计制度归档目录主要由当期统计制度目录产生, 统计专题目录单独产生, 但统计制度的任何一部分都由下边将要介绍的“统计制度设计”模块完成。

(三) 调查对象目录。统计调查中被调查的主体就是调查对象, 调查对象的集合就构成了调查对象目录 (也叫基本单位名录) , 不同的调查对象要求填报相应的统计报表。调查对象的技术特性:

1.每个调查对象是一系列报表 (可在不同制度下) 的属主, 调查对象的不同属性决定其对应不同的报表。

2.要在现有调查对象基本属性的基础上增加一个“编辑识别码”, 以解决在地统计、逐级处理、分布管理等统计业务工作的实际需要。“编辑识别码”可按“行政区划码”+“法人单位代码”进行编码。

3.调查对象的基本属性组合其实是一张普通的基层统计报表 (在统计上叫“基本单位情况表”) , 是动态变化的。

4.调查对象目录 (正本) 可按调查制度产生多个调查对象子目录 (副本) , 供不同调查制度使用, 但必须保持正副本之间的适时同步。

(四) 用户角色目录。完整的统计业务是由不同单位、不同专业、不同级别的统计工作人员来共同完成, 关键的是不同的工作人员承担着不同阶段、不同级别的工作任务, 因此, 不同用户在整个统计业务系统中的权限 (角色) 就不一样。通过用户角色目录, 实现用户权限与应用软件的分离, 增加应用软件的可用性。用户角色目录的主要管理对象是“用户和角色”。

1.用户。用户类型有数据编辑、数据检索两类。

2.角色。角色是用户应用统计业务系统各功能的权限组合, 它决定了用户能通过的门槛与执行的操作。

(1) 不同的合法用户从用户角色目录中获取“通行令牌” (或叫通行证) , 按“通行令牌”赋予的权限 (读、写、执行等) 执行不同的操作。

(2) “通行令牌”赋予权限有两种方式:

粗放型。将用户按:系统用户、制度用户、数据用户、普通用户进行分类赋予权限, 其技术特点是粗放、简单, 执行效率高。

精细型。将各执行模块 (包括操作对象) 按层次进行编号, 将“模块编号”+“执行权限” 赋予不同用户, 其技术特点是精细、复杂, 但权限控制严格。

用户角色目录还可以与网络安全、网络管理及其它应用结合起来, 以实现更加严格复杂的安全控制。

(五) 应用环境目录。基于“软件与制度分离、软件与数据分离”原则, 用于指导“制度、数据”等所在位置的指针和应用参数集合组成应用环境目录。

统计元数据库独立于任何业务应用系统而存在, 但统计元数据库的各组成部分是相互关联的, 单独存在将失去任何意义, 直观的关联见图2 (统计元数据库各组成部分关联示意图) 。

二、统计制度设计

统计业务现代化的统计制度设计就是要完成:报表设计、关系定义、权限绑定、制度收发等工作。

(一) 报表设计。专业管理人员根据统计制度设计的一般规则, 从统计元素目录中拖拽报表所需的基本统计元素 (指标、分类、计量单位等) 生成电子统计报表, 电子统计报表与纸介质统计报表在形式上、格式上、内容上完全一致。统计报表的技术特性:

1.当期统计报表的所有制度内容存储于 (当期) 统计制度目录, 当期过后自动进行归档, 制度内容存储于统计制度归档目录。

2.统计报表的主栏、丙栏及主标题、副标题、注解等位置均可包含:指标、分类、计量单位等元素。

3.对整张报表的定义属性自动递延到整表的每笔数据, 对报表的某行、某列的定义属性自动递延到所对应行、列的每笔数据。

(二) 关系定义。专业管理人员根据统计制度关系的一般规则, 进行统计制度的关系定义。这里的关系定义主要指:逻辑审核、汇总计算等。

1.关系定义的对象。关系定义的对象是:基层报表和综合报表。

(1) 基层报表。对基层表仅进行逻辑审核关系的定义, 审核关系包括:单元格范围审核、行间审核、列间审核及基层表间审核。

(2) 综合报表。除包括逻辑关系审核的定义外, 主要进行计算汇总关系的定义, 即:定义汇总报表的汇总计算公式。

2.关系定义的技术特点

(1) 关系的定义尽可能地采取鼠标点击、鼠标拖拽等比较直观的方式, 尽量减少语句、函数、命令等书写。

(2) 表、行、列及单元格的位置在各种关系或公式中的定义要采用相对位置方式, 以利于各种公式的定义、编辑与修改。如:Execl中的表、行、列及单元格位置定义。

(三) 权限绑定。这里的权限绑定主要指:综合用户、基层用户与被操作对象的绑定。

1.综合用户。综合用户可分别与基层报表、综合报表、报表制度 (专业) 进行绑定, 并进一步划分综合用户对报表的操作权限, 限制非本专业用户对数据的编辑。

2.基层用户。基层用户也叫法人单位用户, 其只与本单位的基层报表绑定。

(四) 制度收发。统计系统的顶层职责是设计制度、发放制度, 其余层级均具有发放下层制度、接收上层制度的职责。

1.发放制度。发放制度是将设计好的统计制度按统计制度目录 (全部专业) 、统计制度 (单个专业) 、部分报表等进行打包下发。

2.接收制度。接收制度是将上层发放的统计电子制度包加载到本层的统计元数据库管理系统。

统计制度设计示意图见图3。

三、统计数据采集处理与数据管理

统计数据生产线要以网络和数据库为基础, 以避免“渠”、“库”的脱节和分离。

(一) 数据库体系。根据统计业务流程的不同阶段, 可将统计数据库简单归纳为:生产库、数据仓库、成品库三大类。

1.生产库。生产库是统计数据采集处理的工作库, 也叫专业统计在线生产数据库。生产库中的数据包括基层统计数据和综合统计数据。生产库依据的数据目录为元数据库的当期统计制度目录。

2.数据仓库。数据仓库是统计历史数据存储管理数据库, 包括基层统计数据和综合统计数据。数据仓库依据的数据目录为元数据库中的统计制度归档目录。

3.成品库。成品库是根据党政领导和企事业单位、社会公众的要求与关注, 按一定主题形成的专题数据库, 也叫统计信息发布数据库。成品库的数据目录由专业管理人员根据统计制度设计模块生成。

生产库、数据仓库、成品库在工厂的形象比喻就是:工厂的生产车间部件库房、工厂的所有部件仓库、工厂的成品库。生产车间部件库归生产车间管理, 临时存放车间生产的部件, 通过部件质量检测后送入工厂的部件仓库集中管理与成品的组装, 装配完成的成品送成品库管理。生产库、数据仓库、成品库的关系示意见图4。

(二) 数据采集。统计数据采集模块是统计数据生产线上重要的基础性生产工具, 负责常规统计数据的采集。

(三) 数据处理。数据采集系统完成数据填报、逻辑审核、计算汇总等在统计制度设计时“关系定义”所定义的所有规定动作, 以完成当期统计调查工作。数据处理系统是当期过后, 统计工作人员进行深入的数据加工整理、分析应用等工作的基础工具。数据采集与数据处理应该独立部署。

(四) 数据交换。统计数据交换是将各业务系统中有价值的数据整合到统计数据生产库, 整合的过程就是对数据进行抽取、转换、过滤、安全传输的过程。这里的业务系统指的是不同数据处理系统、上下级应用系统、部门统计应用系统。统计数据交换的技术特性:

1.数据交换独立于具体应用, 不随应用的变化而变化, 实现异构系统之间、不同格式数据的交换。

2.分别在各业务系统和本统计业务系统部署统计“数据泵” (或叫数据引擎) , 负责完成不同业务系统中数据的抽取、转换、过滤、安全传输等。

“数据泵”的生产过程是一个可视化的建模过程, 用户无需编程, 只需关注统计业务自身, 大大提高开发效率和系统质量。

摘要：本文从统计业务全流程出发, 深入研究了统计标准管理、统计制度设计、统计数据采集处理与数据管理等关键环节的核心要素, 提出了统计业务应用现代化建设思路, 具有一定的指导意义。

统计在经济领域中的应用第11篇

关键词：统计；经济；应用

第一章统计在经济应用中的发展

为便于对社会发展与经济发展的协调关系以及社会发展的现状和趋势进行全面正确的评价、描述、对比和预测，自从20世纪60年代社会指标运动以来，国际组织和各国纷纷研究和运用社会指标，建立适合各国国情、满足不同目的的社会发展指标体系。社会发展指标体系是依据一定的发展目标而建立起来的，反映和说明社会发展综合状态的、具有内存联系的一组社会经济指标。它与描述社会某一现象、行为的间介质社会的指标不同，它通常是依据某种理论假设，将一组具有内在联系的、零散的社会指标编制在一起，描述、反映社会某一方面状况。在70年代以后，国际组织和各国开发出系统测量社会条件和社会发展的指标体系，指标主要涉及健康、住房、就业、教育等领域，主要侧重于基本需要、分配与平等、生活水平、贫困等社会问题，如世界银行的《世界发展指标》及美国海外开发委员会的物质生活质量的指数等。80年代联合国环境开发署提出了社会可持续发展观，社会指標体系逐渐扩大到环境领域，如真实进步指数与可持续经济福利指数等。90年代以来联合国开发计划署开发了人类发展综合指数，经合组织、联合国、世界银行建立起了21世纪社会发展核心指标体系，用来揭示社会经济发展与人类发展之间的关系。

第二章统计方法在经济领域的应用

2.1统计指数的应用

指数编制有着悠久的历史，目前，统计指数还没有形成统一的理论基础。指数构造方法发展层次分为：简单指数、加权指数、积分加权指数和改造型加权指数。现代经济学的观点认为，不同的经济变量之间存在一种函数关系或是统计相关关系，并且指数是用来简化与概括大量微观经济信息的，由此，关于指数的计算都应该在这种经济关系框架下进行。Diewert对函数方法作了系统的研究，揭示了一些著名指数的经济理论性质，为研究不用指数的理论性质，提出了一些相关关系的观点，通常意义上的指数只不过是根据某一样本数据计算出的统计量，只是总体指数的一个估计。在此意义上，指数应该是一个随机的变量，可能具有相应的标准误差，这是指数的随机方法的实质所在。指数的随机方法主要是回归分析的方法，和普通的回归分析不同：指数的随机方法所使用的参数估计是加权最小二乘法，回归模型用比较简单的双因素的方差、线性模型或单因素分析的模型。

2.2回归分析方法的应用

回归分析方法早期的有著名统计学家A.Wald建立起来的统计决策理论、许宝禄的方差分量模型等。多重共线性是影响参数估计不稳定的重要因素，围绕它不断有新的估计方法的涌现。先后出现有Stein估计、主成分估计、岭估计以及偏最小二乘估计方法等。其中，偏最小二乘法是不满意于有偏估计所提出的参数估计新思路，在1983年Word S及Albano C等提出的。在近二十年来，偏最小二乘回归在理论、方法和应用等方面都得到广泛的发展。偏最小二乘回归的研究焦点主要集中在如何建立多变量和多因变量的线性模型上。值得注意的是偏最小二乘在满意度模型中作为估计顾客满意度指标的一种较有效方法，随着美国顾客满意度指数和欧洲顾客满意度指数在全世界范围内的应用，会日益引起人们的重视，对最小二乘的研究也会越来越深入。半参数模型已经引起了人们的极大关注，在经济学等方面已经有广泛的应用。它融合了无参数方法和参数回归方法，克服了参数回归形式呆板难以拟合复杂曲线的缺点与非参数外延预测较差的弱点，从而使对于半参数模型参数的估计具有重要的理论和实际意义。目前半参数回归模型是常见的估计方法并得到一些满意的结果。吴云与孙海燕研究了半参数估计的自然函数法；孙孝前和尤进红提出了迭代加权偏样条最小二乘估计方法，并给出了估计量的大样本性质；Fan与Gijbels提出的利用局部多项式方法来拟合非参数部分的未知函数。

2.3时间序列分析方法的应用

时间序列指同一种现象在不同时间上的相继观察值排列而成的一组数字序列，时间序列预测方法是通过时间序列的历史数据揭示现象随时间变化的规律的方法，将这种规律延伸到未来时，从而对该现象的未来做出预测，传统的时间序列分析在经济中的应用，主要包括确定性的时间序列分析方法，包括滑动平均法、指数平滑法、时间序列的分解等等。随着社会的发展，许多不确定性因素在经济生活中的影响越来越大，必然会引起人们的重视。1970年，Box和Jenkins提出了以随机理论为基础的时间序列分析方法，使时间序列分析理论上升到了一个新的高度，并且预测的精确度大大提高，其基本模型有：滑动平均（MA）模型、自回归（AR）模型以及自回归滑动平均（ARIMA）模型。在经济分析当中，需要对经济变量之间的因果关系作出判断，对经济变量间的因果关系的检验不可避免。Granger因果分析法就是为了解决这一问题而发展起来的。Engle和Granger通过改进经济增长、价格和利率等时间序列分析而提出了预测和风险评估的新框架获得了2003的诺贝尔奖。

第三章统计在国民经济中的综合应用

70年代以后，国际组织和各国开发出系统测量社会条件和社会发展的指标体系，指标主要涉及住房、就业、健康、教育等领域，主要侧重于生活水平、基本需要、分配与平等、贫困等社会问题，如世界银行的《世界发展指标》和美国海外开发委员会的物质生活质量指数等。80年代联合国环境开发署提出了可持续得发展观，社会指标体系逐渐扩大到环境的领域，如可持续经济福利指数和真实进步指数等。90年代以来联合国开发计划署开发出了人类发展综合指数，联合国、经合组织、世界银行建立起了21世纪社会发展的核心指标体系，以此来揭示社会经济发展和人类发展之间的某些关系。

改革开放以来，我国经济保持了年的持续高速增长，支撑和维系这种长期高速的最重要的动力就是产业结构的升级。今后，我国国民经济长期发展过程中的一些重大难点问题的解决，如消费市场的进一步拉动、就业岗位的增加和农业劳动力向非农业转移等，都要依赖于产业结构向协调化和高度化演进。大量的实践表明，产业升级已经成为当前和今后一个时期实现持续增长的关键环节和必要条件，而有效实现产业结构升级就必须达到产业结构高度化和协调化的统一。通过经济普查，我们可以有效地掌握经济数据，作出产业结构分析，以及未来发展变化的预测。（作者单位：重庆工商大学）

参考文献：

[1] 高铁梅编著，计量经济分析方法与建模[M]，清华大学出版社2006：3-63.

[2] 范晓志、宋宪萍，概率论在经济生活中的多维应用[J]，统计与决策，2005（4）：139-140.

统计软件应用第12篇

一、统计分析方法的概念及意义

(一) 统计分析方法的概念

统计学研究的对象是关于数据归纳、研究的方法论科学。统计分析法是对各种数量关系进行研究, 科学揭示事物之间的关系。当今统计分析法是社会科学和自然科学研究过程中必不可少的研究方法。统计分析法对调查获得的数据进行分析, 获得结论。在统计分析法应用过程中, 必须保证资料的准确性, 如缺少准确性, 制定的标准同样失去了科学性, 同时也要选择正确的方法, 如果方法选择不当, 那么制度的标准也会失去意义。另外, 由于统计数据只能反映历史情况, 却无法发映出现实条件的变化, 所以要以统计分析工作的监督功能和咨询功能为基础, 利用统计人员进行分析计算得出准确的结果, 所以统计方法应当得到广泛的普及。

(二) 统计分析方法在基层统计工作中应用的意义

在基层, 统计分析工作完成程度和质量直接影响整体统计工作任务的完成情况。在实际工作中有些人并没有对统计工作给予重视, 为了能够让所有人重视统计工作, 首先要提高统计工作水平, 一份好的统计分析报告, 在具体工作中能够发挥巨大的作用。所以通过统计分析法的良好应用, 在统计分析报告中, 通过这些数据更为清楚、系统、直观地反映出问题和情况。再有, 通过统计分析能够了解该部门的统计人员水平, 不仅要直关地看数据, 更要从分析结果来判断问题。

二、基层统计中统计分析方法的应用

(一) 选题

统计人员选择选题的方法有多种。首先积累统计数据, 对不同之处进行分析, 从而确定选题的方向;其次从实际工作生活中选择题目, 例如要满足实际生产的需要统计工作就要保证及时、有效地完成统计分析报告。再次, 统计人员要根据本单位的具体情况, 结合时事特点等方法完成选题工作, 这样能让统计工作发挥出更大的价值。

(二) 资料搜集

统计分析之前, 必须搜集大量有价值的资料, 在资料搜集过程中, 一定要对资料的完整性、真实性给予重视, 否则会令统计人员做出错误的判断, 从而得出错的结果。所以, 统计工作要有真实资料为前提, 才能够做出正确的判断, 得出准确的结论。以下是几种搜集资料的方法:

1. 充分利用报表资料。报表资料必须是正确、完整、连续的, 这样, 统计分析的依据才能够更加有效, 更能发挥其自身的作用。

2. 有效利用有关部门的资料。

多数业务部门中的资料要比统计部门的资料更加全面、精细一些, 这些资料能给统计人员提供更大的帮助。所以在相关部门搜集资料也是一种重要的方法。

3. 利用专题资料。

因为专题资料比较详细, 所以在搜集分析资料的过程中, 能够让统计人员更准确地了解问题, 做出正确的判断。

4. 参考同行业的相关资料。统计人员可以以同行业的水平作为参考, 更加全面深刻地认识问题。

(三) 整理资料

原始资料不能直接汇总, 要经过整理, 如今计算机软件代替了算盘整理资料。计算机的使用为整理资料提供了便捷, 而且促进了统计工作的发展进程。如用Excel处理数据, 通过键盘录入发、语音识别或是广电输入法等, 将信息输入到计算机中;其次对调查中数据进行推算, 进行推理插补、平衡推算, 以及均值插补等方法, 大大提高数据的准确性;再次, 根据需要, 对数据进行分类和排序, 再将数据进行汇总、筛选和计算;最后建立统计图表, 分析图表便能反映出事物之间的联系, 这样不仅缩减了程序, 还提高了统计资料整理工作的准确度, 同时还避免人为因素而出现的错误。

(四) 统计分析

统计工作是对总体现象的数量进行分析和计算, 要借助统计分析方法达到预期目的。统计分析方法有多种, 要结合实际情况选择合适的分析方法。

1. 对比分析法。是将计量进行对比, 通过产生的结果来说明数量的变动程度。

2. 分组分析法。将不同的社会现象划分成不同的组, 然后对内部比例、变动和各种关系进行比较分析。

3. 因素分析法。根据客观经济联系, 当指标因素对总变动产生影响, 要将数量指标固定在报告期内。

(五) 分析报告

统计分析报告是在用尽量明确简洁的文字, 在统计资料和相关情况分析的基础之上反映客观现实。在统计分析报告的编写过程中, 还要注意以下问题:要在措辞、用语等方面尽量规范, 要将说明作为主要的表达方式;应将统计表、图作为辅助语言, 将数据作为主要的语言, 正确地表达出事物之间的关系;要以大量的统计数据、材料、信息为基础, 对其进行全面的分析, 同时利用抽象力对其进行全面综合性的概括, 将数据材料经得住推敲和论证, 成为统计分析报告中的中心论点;在对情况和原因进行说明的同时, 要对存在的问题提出建议, 这也是统计分析报告中的重要组成部分之一。

三、结语

总之, 统计工作在企业管理中处于重要位置, 它是企业管理的基础, 只有把企业的统计工作抓紧抓好, 切实解决统计工作中存在的问题, 才能保证统计数据的真实可靠, 使企业立于不败之地。

参考文献

本文来自 99学术网(www.99xueshu.com)，转载请保留网址和出处

【统计软件应用】相关文章：