最近闲暇之余，有幸得到一本清华大学出版社李金林老师的《管理统计学》，十分喜爱，这是一本十分实用的书籍，既具有系统的统计学知识，又具有超强的实践指导训练，因而能够很好地满足我们从业人员在统计学数量分析方面的需求。

　　 一、内容简介

　　《管理统计学》通过以经济管理应用案例为基础的方式，将理论知识框架蕴于实际生活中的经济领域之中，将统计学理论与管理统计实践进行有机结合，围绕统计学分析的方法在生产生活中的运用所产生的各种问题展开，通过引入真实具体的案例来阐释管理统计学理论。同时书中精选了作者数年来积累的MBA教学案例以及实际工作案例，便于读者最大程度上的学以致用。此外，书中还结合实际的应用，详细阐述了通过相关应用软件解决实际问题的方法及技巧，借此来指导读者动手操作。总之，这本书读罢，顿觉是对自己在管理统计上的知识的一次全面升华。

　　 二、知识总结

　　酣畅淋漓的将此书读完之后，不禁将书中内容与一个从业人员日常生活所用联系起来，回顾性的分析了并总结了一下内心感悟。从以下三个方面进行阐述。

　　（1）管理统计学在实际生活中的应用

　　管理统计学是研究如何收集、整理、分析反映社会经济管理问题的有关数据，并对研究对象进行统计分析、推断以期认识事物的规律性的一门科学。它要求管理人员要学会运用统计方法进行决策，改进工作，提高效率。没有统计分析的管理是不完善的管理。在天气预报、证券行业分析、产品寿命估计、产品抽样检验、产品库存量估计、金融保险、市场分析、市场识别、企业风险管理等方面都有着积极的应用。审计员检查一个大公司的帐目，可以通过统计方法抽取帐目样本，根据样本结果确定该公司是否有帐目不清的问题。企业经理需要考虑可能的原材料需求水平和原材料存储费用来确定原材料的进货量，因此他要做相应的调查。经济学家要评价改变销售税对社会的影响，也需要根据消费者的购买模式来进行统计学计算。 营销经理通过对样本顾客进行试销来决定是否销售一种新产品。生产经理根据检验产品样本的质量情况，决定是否对生产过程作出必要的调整……这些都是管理统计学在生产生活中的应用。

　　（2）管理统计学中统计数据的相关分析

　　要进行统计分析，前提就是要取得统计数据，一旦离开了统计数据，统计学方法也就失去了用武之地。因此，准确可靠的数据的获取也是统计学研究的重要内容。统计学数据的来源主要有以下几个方面：统计部门和政府部门公布的有关资料，如各类统计年鉴；各类经济信息中心、信息咨询机构、专业调查机构等提供的数据；各类专业期刊、报纸、书籍所提供的资料；各种会议，如博览会、展销会、交易会及专业性、学术性研讨会上交流的有关资料；从互联网或图书馆查阅到的相关资料……统计学的另一大重点就是统计数据的整理，统计数据的整理是通过对统计数据进行的加工处理使其能够满足统计分析的需要，这是介于数据收集与数据分析之间的一个必要环节，对统计学数据的分析以及其结果影响意义重大。统计数据的分析是统计学的核心内容，它是通过统计学描述和统计推断等方法探索出数据内在的数量规律性的过程。通过本书，我对统计学数据的收集、整理、分析等工作的全过程有了全面的了解，同时对统计分组的基本理论和方法进行了全面的掌握，在很大程度上将为我以后的工作起到积极的作用。

　　（3）数学知识在管理统计学中的'作用

　　从小学开始，我们就开始接触数学知识，由此可见，数学知识在我们日常生活中的重要性。在现代经济社会，每个人都是一个独立的个体，每个人最在意的就是自己的潜在价值，因为每个人能够创造的价值的多少直接与自己的潜在价值有着正相关的关系，而这又与经济生活中的种种现实问题直接相关。比如作为管理者，如何通过正确辨识员工的潜在价值以给其以合适的薪金。数学知识是一切学科的基础，因此在薪金的计算过程中，通过数学知识和统计学知识的结合，利用统计学及其相关手段来解决薪酬问题才是最佳选择。此外，在现在经济条件下，信息量大大增加，各级政府部门、各大公司都需要通过大量的数据处理来获取自己需要的信息，从而对自己所管辖的范围进行合理的管理和调控，这些都建立在数学知识的运用之上。因此，充分结合统计学的专业性、数学知识的严密性，才能更好的为经济管理提供论证，才能更好的指导生活。

　　 三、内心感悟

　　（1）内心思想启发

　　随着我国社会的快速发展，社会主义市场经济发展也越来越快，各大中小型企业也如雨后春笋般多了起来。企业的发展、市场的投资、公司的扩建等各种经济活动必然离不开各种数据的统计和分析，良好地数据管理和分析将对一个企业的发展起着至关重要的作用。如何很好的在社会主义市场经济的大环境下做好企业数据的管理和统计，在公司的发展和创新中中加大管理统计方法的运用，将会对未来我们工作的效率、发展的速度、改革的深度等产生重大的影响。

　　（2）创新指导方向

　　作为一名烟草公司统计岗位管理者，我充分意识到管理统计学的知识在我们的工作中的广泛的应用。对于我们每一个管理者而言，积极学习管理统计学知识，对于我们加强通过统计学的方法来进行科学的管理，通过统计学的结果来充分调动人的积极性、主动性和创造性有极大的帮助；与此同时，良好的管理统计学知识的运用，也能帮助我们识别良才，并做到知人善任，提高管理者领导水平，改善领导者和被领导者的关系增强企业的凝聚力。未来工作中，我们要多多运用管理统计学等相关专业知识，来帮助自己做出决策，这样也才能真正做到无论是对企业还是对社会，都能做出自己的贡献。

统计学的历史与今天——《社会统计学与数理统计学的统一》理论
统计学是一门通过搜索、整理、分析数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。其中用到了大量的数学及其它学科的专业知识，它的使用范围几乎覆盖了社会科学和自然科学的各个领域。
据权威统计学史记载，从17世纪开始就有了“政治算术”、“国势学”，即初级的社会统计学，起源于英国、德国。几乎同时在意大利出现了“赌博数学”，即初级的概率论。直到19世纪，由于概率论出现了大数定理和误差理论，才形成了初级的数理统计学。
也就是说，社会统计学的形成早于数理统计学两个世纪。
由于社会统计学广泛地用于经济和政治，所以得到各国历届政府的极大重视，并得到系统的发展。而数理统计在20世纪40年代以后，由于概率论的发展，而得到飞速发展。经过近400年的变迁，目前世界上已形成社会统计学和数理统计学两大体系。两体系争论不休，难分伯仲。
王见定教授经过30年的学习与研究，发现了社会统计学与数理统计学的联系与区别。它们的关系与著名牛顿力学与相对论力学关系非常相似。
相对论力学在接近光速时使用，而大多数情况下是远离光速的，此时使用牛顿力学既准确又方便。如果硬套相对论力学，则是杀鸡用了宰牛刀，费力不讨好。社会统计学在描写变量时使用，数理统计学在描写随机变量时使用。
我们知道变量与随机变量是既有联系又有区别的。当变量取值的概率不是1时，变量就变成了随机变量；当随机变量取值的概率为1时，随机变量就变成了变量。
变量与随机变量的联系与区别搞清楚了，社会统计学与数理统计学的关系就搞清楚了。以后，在描述变量时，大胆地使用社会统计学；在描述随机变量时，就用数理统计学。如果在描述变量时非用数理统计学，那就是杀鸡用了宰牛刀。
近70年，由于数理统计学的飞速发展，大有“吃掉”社会统计学的势头，尤其是以美国为代表的发达国家，几乎认为统计学就是数理统计学。实际上，这是一个极大的误区。王见定教授的研究已经说明了数理统计学永远“吃不掉”社会统计学，今后的日子，将是社会统计学与数理统计学的共存与互补。
社会统计学与数理统计学的争论可以结束了。
结束语
“社会统计学与数理统计学的统一”理论对近四百年历史的统计学进行了科学的梳理，规范了整个统计学的发展，结束了一百年来社会统计学与数理统计学之间的争论。由于经济是通过统计学进行计量和分析的，所以社会统计学与数理统计学的统一，必将从整体上提高经济学的分析水平。

能对我国统计学的发展
、
统计学教育发挥一定的积极
作用
,
并能唤起我国大众了解统计学
、
认识统计学
,
从而
能够具有一定的统计思维
,
更好地去了解自然
、
正确认识
世界
。

书中自有黄金屋，书是我们获得知识宝库的钥匙。人的一生总是伴随着许许多多的书，有的书在你脑海中匆匆一过没有留下一点痕迹，有的书则是在你的心中留下不灭的印记，更是有些书将会伴随着你走过很长很长的人生道路。《统计学》就是这样一本伴随了我两年，并且还将继续陪伴着我的书。
记得第一次接触《统计学》是在20xx年，当时的我还是一名懵懵懂懂的大三学生，由于所学专业并非统计，因此对这门课程这本书不太感兴趣，对它唯一的印象就是艰涩难懂，考试完了就束之高阁，渐渐的将之遗忘。谁知道在几年之后，这本书却和我结下了深厚的感情。
20xx年初，我进入了国家统计局福州调查队城镇住户处，成为了统计队伍中一名普普通通的统计人。由于之前并没有接触过统计相关的知识，唯一接触过的《统计学》也早就被抛之脑后，刚开始工作的我显得有些手忙脚乱。工作是上手了，但是却只是傻傻的依葫芦画瓢，照着前辈的做法而做，对很多东西并不是很能理解，时常感到困惑却无从下手，不知该如何整理脉络，渴望能够得到指引。于是我翻箱倒柜，从纸箱的旮旯里翻出了那本《统计学》，从此，这本书就成了我身边的必备书籍。
困惑时，我会读读它，闲暇时，我会翻翻它，它是我的良师益友，指导我进步。它告诉我什么是统计，统计的重要性。统计是认识客观世界的工具，是实行科学管理的工具，是实行国家监督的重要手段，是科学研究的重要方法，是宣传教育的重要手段，特别是统计的国家监督职能，它能通过信息反馈来检验决策是否科学、可行，对决策过程中出现的偏差，提出矫正意见，统计的监督作用日益显着。这就要求我们统计部门要充分发挥统计的监督作用，充分运用各种的统计手段，对经济、社会、科技及自然的运行状况进行检测，及时发出预警；对政策、计划、措施的.执行情况进行跟踪监督，使其不偏离目标；对违纪违法现象进行揭露，实事求是地反映客观实际情况。

统计分析结论是从某种目的出发，对事实数据的在加工。分析这个动作，很难抛开人为的感性因素。数据和分析结果都是「真相」，但是真相也能够掩盖或者粉饰真相。

高明的说谎者并不说假话，只是不会告诉你全部的真相。
保持质疑，独立思考。就是我从作者这里收到的最重要的信息。信息爆炸的时代，却也创造了更多的信息差。

操纵统计的把戏，并不高深，就像骗术很多时候不需要进化升级，只要找到合适的愿意受骗的人一样。
思考和质疑过程中的痛苦，和被骗后结果的痛苦，总要选择一个。
接受并尊重自己的选择。

既然结论是从数据中获得的，那么控制数据样本，就可以轻易的控制数据结论。

为了保证统计结论的价值，统计必须基于一个具有代表性的样本，该样本必须排除偏差的任何可能性。
导致偏差的显性原因和隐性原因都有可能轻易摧毁一个样本的可靠性。
也就是说，即使找不到明显的偏差来源，但只要在某处可能存在偏差，你就要对结果保持一定的怀疑。
事实上偏差总会有原因。

选取样本的方法
检验随机样本的方式是：在一个总体中，每个人或每件事被抽样的概率是相等的。
纯随机抽样是唯一可以充分自信地用统计学理论进行检验的方法，但这里也有一个问题：该方法获取样本的难度大、费用高、使用范围小，仅成本一项都难以负担。
更为经济划算的替代方法是分层随机抽样法，该方法在民意测验和市场调研等领域被普遍采用。要获取这种分层样本，需要将总体分为若干部分，每一部分与其普遍性程度要成比例。

平均数、中位数... 数据指标只是一种修辞手段而已。

未加限定的平均数其实是毫无意义的，然而一般与收入挂钩的数据多半如此。
如果统计样本符合正态分布，比如人类的身高。那么在样本足够大的情况下，中位数、平均数和众数，是落在同一个点上的。

只要统计样本足够小，我可以得出任何想要的结论。有的时候缺失的数据，才是最重要的信息。

只有试验的样本数目足够庞大时，平均数定律才会是一个有用的描述或猜测。
如果要论证的结论本身就是小概率事件，你的实验样本要更更大才行。

关注「概率」，你必须确认你的样本数据很大程度的代表真实的结果，而非机缘巧合之下得出的。
专业术语：显著性检验方法。
显著性水平就是我们最常说的“概率”
对于大多数用途而言，5%的显著性水平已经足够。而对于某些用途而言则需要1%的显著性水平，因为这意味着99%的概率证明了一个显著的差异或诸如此类的东西是真实的。

你需要足够信任你的样本数据。
样本代表整体数据的精确度可以用数字来表示：概率误差和标准误差。

只有显现出来的差别有意义时才可称之为差别。将差别不大的数据予以比较是没有意义的。你必须时刻谨记“±”这个符号，即使它没有被明确标出。

到了数据可视化的时候，能做的就更多了。
大多数情况下，视觉效果起了决定性也是欺骗性的作用。你只需要放出一个迷惑的钩子，读者都会自动帮助你补全结论。
改变横纵坐标的比例，把数字换成夸张的图片，能做的确实很多。

如果你无法证明自己想要证明的东西，那就展示一些其他东西，并假装它们是一样的。
那么多让人眼花缭乱的统计数据，读者只关心这个数据炸不炸，几乎没人会注意到其中的差别。使用“看似相关的数据”，这种手段向来有效。

也许是处于安全感，人们总是趋于给事物找个因果关系。
很多古老的谬误推理，都来源于此，
具体来说，就是“如果B事件发生在A事件之后，那么，就是A事件引起了B事件”。
这两件事互不为彼此的因果，它们都是某个第三事件的产物。却被一堆令人印象深刻的数据包装过后，产出一个看似很有道理的谬误。

为了避免陷入这种因果谬误，从而相信许多似是而非的东西，需要严格检验各种与相关性有关的说明。

相关性往往是通过一些令人信服的精确数据来证明两件事情之间的因果关系。

相关性的类型

相关表示的是一种趋势，这种趋势却并非人们理想的“一对一”关系。
必须要谨记：就算某种相关性存在，并有真实的因果关系，你仍不能凭此进行决策。
随便处理数据或利用小数点来混淆因果关系比封建迷信强不了多少，而且前者更具误导性。

前述八章讲的很清楚了。如果不去考虑它的数学基础，统计学不仅是一门科学，也是一门艺术。在允许的范围内，你可以进行大量的统计操纵，甚至扭曲事实。毕竟分析是个主观过程。

总结一下：

是谁这么说？
首先，要找的第一样东西是偏差。
要找有意识的偏差：
错误陈述
含糊不清的措辞
选出对自己有利的数据，剔除对自己不利的数据
改变衡量的标准；选择不恰当的测算方式
无意识的偏差
“专家”？？字面信息下隐藏的那个人到底是不是权威人士，还是说只和权威沾了点边儿

他怎么知道？
数据样本的规模是否大到足以说明问题？
案例是否多到具备显著性？
是否缺乏足够的案例得出相关的结论？

漏掉了什么？
当数据来源关系到利益问题时，数据缺乏就会让人对整件事情产生怀疑。
同样，一个相关如果缺乏可信的测算方式（比如概率误差、标准误差）检验，那么也就没必要把这个相关当真。
要留心那些未加说明的平均数，因为无论在什么时候，均值和中位数都有着本质的差别。许多数据由于无法进行对比而变得没有意义。有时，材料只给出了百分数，却没有给出原始数据，这种数据也带有欺骗性。如果给你一个指数，你也许要问是不是漏掉了什么。该指数也许是被挑来用以扭曲事实的。有时候被漏掉的还有导致变化发生的因素。这种遗漏往往暗示着其他因素才是导致变化发生的主要原因。

有人偷换了概念吗？
在分析一份统计数据时，你要注意在原始数据和最终结论之间有没有什么地方被偷换了概念。将一件事说成是另一件事可是常有的。
因果关系搞乱是偷换概念的另一种方式，将“相关关系”说成“因果关系”。
此外还有“第一”的问题。如果不特别说明涉及的相关领域，每个人都可以宣称自己是业界第一。

这是否合乎情理？
如果你看到的烦琐资料是以一个未经证实的假设为基础，你就要问问“这是否合乎情理？
不少统计材料从表面上看就能知道是假的。这些材料之所以能敷衍了事完全是因为数据的神奇力量使常识暂时失效
能给人留下深刻印象的精确数据也可能是与常识相悖的。
外推法相当有用，尤其是在被称为“预测趋势”的过程中。但是，看见在研究和预测中用到的数据或图表时，你必须时刻谨记：截至目前的趋势或许是事实，但是未来的趋势不过是预测者的猜测。它所隐含的信息是“所有的事情都一样”“目前的趋势还将继续”。但是，所有的事情不会一成不变，否则，生活就会变得无聊透顶。