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。

　　应用统计学是经济管理类专业一门专业必修基础课,能帮助管理者高效准确地进行数据分析,进行管理决策。下面是我为大家整理的浅谈应用统计学论文，供大家参考。

　　浅谈应用统计学论文篇一

　　《 浅谈统计学在企业中的应用 》

　　在当今企业经营中，经常会把 企业管理 体制、组织形式、经营方式等看成企业管理，其实对于企业来说，统计工作是非常重要的，但是常常会被企业管理者所忽略，在企业管理中，经营方式的是否有效，对企业是否适应市场经济要求，能否创造更高的经济效益，统计学都具有重要的影响和意义，因此，强化企业统计工作，无论是对企业的经营，还是管理，都具有重大的意义。

　　1 统计工作的意义与作用

　　统计工作是指对社会经济现象数量方面进行搜集，整理和分析工作的总称，它是一种社会调查研究活动。统计信息是按国家统计制度采集的规范的、系统的信息、是覆盖面最广、综合性最强的信息，因而是社会经济信息的主体，是政府机关和企事业单位领导了解情况，研究问题、进行科学决策的重要参考依据。

　　统计工作是制定 企业战略 决策和计划的重要依据，当一个企业建立了一套既科学合理又行之有效的统计工作制度，便可以提供可靠的统计数据、进行有效的分析和科学的预测，首先它可以反映出企业规模，其次可以反映企业结构。从规模上，它可以反映企业的人员规模、生产规模、资产规模和盈亏规模等;从结构上，它可以反映企业的人员结构、产业结构、技术结构和质量结构等。

　　2 统计 方法 的应用

　　2.1 企业中概率论的应用

　　在我国当前的市场经济条件下，通常来说一个企业的经营和销售状况并不是由经营者的主观意愿决定的，它是由很多的不可控制因素影响的。比方说，某一商场在一定时间内有多少位顾客光临;这些顾客中有多少位进行了真正的购物活动;每位顾客在进行购物时，一共花费了多少等等问题。要解决这些问题，都需要利用概率论的方法进行分析，所以，在商业企业中，概率论有着广阔的应用。

　　2.2 企业中数理统计分析方法的应用

　　2.2.1 商品市场占有率的问题

　　比方说，在某一城市的四家电器商场中，对手机销售情况进行抽样调查，调查结果为：一个星期内一共销售手机数量为2000部，其中，某一个品牌的手机销售数为214部，通过数理统计中的分析方法，我们可以在把握度非常高的情况下，得出这一品牌手机在市场中的占有率在9.42%～12.13%之间。

　　2.2.2 调整 措施 效果的显著性

　　比方说在某一超市中，商家为了增加自身的销售情况，调整了销售方式和销售人员，然后对调整后的日销售额进行随机抽选，选出其中的9d，得到该超市的平均日销售额为60万。根据原来的统计显示，调整前超市的日销售额为52万，我们假设超市的日销售额服从正态分布，调整后的效果不能简单的以调整后的60万日销售额来进行判断，而是应该按照假设检验的思想和方法来进行判断。

　　3 当前部分企业统计工作中存在的问题

　　统计工作在企业中的重要性都有目共睹，但是多方面原因，很多企业统计工作的制度建立的还不够完善，主要存在以下几个方面的问题：

　　(1)统计数据的准确性不高，在部分企业中，统计数据的虚假成分比较高。

　　(2)我国部分企业其统计指标还是延续计划经济体制下设置的指标体系，没有参照国际上成熟的统计指标与统计口径，指标单一，不能跟上时代步伐。

　　(3)由于国家对其统计工作的投入几乎微乎其微，再加上部分企业自身对统计工作投入不足，对统计工作的重要性认识也不足，为了提高经济效益，减少人力资源投入，很多中小企业都没有设专职统计人员，而是以会计人员代替或兼职。对统计工作也不够重视。

　　(4)很多企业对信息化建设投资不足，对统计工作也不够重视，因此，这些企业的统计工作既没有专用统计管理系统，也没有统计专用计算机，统计质量与效率很低。

　　4 完善企业统计工作的几项措施

　　目前政府和大部分企业的急需解决的是如何解决企业统计工作中存在的一些问题，充分发挥企业统计工作的重要作用。从企业自身的角度来完善其统计工作主要有以下几项措施：

　　(1)要强化统计工作的重要地位，要想方设法得到企业领导的重视，让他们认识到统计工作的价值和重要性。

　　(2)加强企业统计队伍的建设与稳定，既要做好人才引进工作，根据自己实际发展的需要，确定统计人才引进的类型、层次及数量;又要注重现有人才的培养投资，建立完善的留人、用人机制，最大限度地发挥统计人员的工作积极性和主观能动性。

　　(3)企业统计人员要有危机感，必须与时俱进，加强学习，尤其是加强统计业务、经济管理、法律法规等知识的学习，不断提高自己的业务水平，才能适应企业和社会发展的需要，跟上时代前进的步伐。

　　(4)企业统计手段落后的现状已不适应社会发展的需要，各企业应尽快创造条件，加大资金投入，加快企业统计手段现代化建设，配备计算机并运用计算机处理统计信息，提高数据的准确性、时效性。

　　5 结语

　　在当代日益竞争剧烈的市场经济中，统计学是现代企业实行科学管理和监督企业经营活动的重要手段，也是现代企业制定经营政策的重要依据。提高企业的的经营效益和适应社会主义市场经济要求是现代企业管理体制、经营方法和运行机制的有效保障，科学的数据统计工作能够促进现代企业管理政策的实行，为企业管理找到切入点。加强企业的统计工作，落实统计工作的应用对企业发展有着重大而又长远的意义。

　　浅谈应用统计学论文篇二

　　《浅谈 Excel 在统计学中的应用 》

　　摘要： 文章 以Excel 2003为例，介绍了其在 统计学方面的典型 应用，即数据库统计函数与数据透视表、统计指数。其中，在对统计指数的应用分析中还引入了典型实例，更加直观的介绍了Excel强大的统计功能。

　　关键词：Excel 数据库统计函数 数据透视表 统计指数

　　前言：统计学是一门关于用科学的方法收集、整理、汇总、描述和分析数据资料，并在此基础上进行推断和决策的科学。狭义的统计用来统指数据或者从数据中得到的一些数字。从统计的定义可以看出，统计的关键在于对数据的分析与加工，而Excel强大的数据分析功能则恰恰与统计所要处理的问题相适应，因此从Excel产生之初便被广泛地应用于统计中，而专为统计分析所开发的各种宏更是使得Excel成为统计分析中一种实用而高效的工具。虽然SPSS、SAS等专业统计 软件在某些方面具有更为强大的统计分析功能，但其或者需要专业的编程，或者需要高昂的价格，因此普及性远远不如Excel。下面以Excel 2003为例，介绍一下其在统计学方面的典型应用。

　　1.数据库统计函数与数据透视表

　　Excel作为电子表格软件，其数据结构的核心是单元格和单元格区域，因此Excel同数据库软件相同都是 管理处理一批有规律的数据。基于Excel的行列结构，在 工作表中按照标准的数据库规范对数据进行处理，这也被称为Excel的内部数据库技术，通过创建Excel的内部数据库，可以通过数据库函数实现对数据的统计分析。

　　1.1 数据库统计函数

　　在建立内部数据库的基础上，Excel中专门包含了一组对存储在数据清单或数据库中的数据进行统计运算的工作表函数，这些函数统称为数据库函数即Dfunctions。其中每个函数一般对应三个参数database、field和criteria，这些参数对应函数所使用的工作表区域，利用这些函数可以在日常统计工作中进行一些基本的统计运算。

　　Dfunctions具有相同的语法格式：Dfunctions(database，field，criteria)。其中：

　　①Dfunctions为数据库函数的名称，在Excel中总共有12个数据库函数;

　　②database为构成数据清单和数据库的单元格区域，数据库是包含一组相关数据的列表，其中包含相关信息的行为记录，而包含数据的列为字段。列表的第一行包含着每一列的标志项，为函数所使用的数据列或称作字段，数据清单中的数据列应位于第一行且具有标志项;

　　③field可以为文本，即两端带引号的标志项，如“类别”、“生产商”，也可以为数据清单中数据列的位置，如“1”表示第一列，“2”表示第二列。field也可省略，省略后函数将返回数据清单中所有满足条件的值;

　　④criteria为一组包含给定条件的单元格区域。可以为参数 criteria 指定任意区域，只要它至少包含一个列标志和列标志下方用于设定条件的单元格。

　　1.2 数据透视表

　　数据透视表是Excel中的一项重要功能，对于统计来说更是十分重要。由于Excel的工作表仅仅能提供一个由行和列组成的二元的数据结构，当需要在统计中反映多维的问题时，就需要用到数据透视表功能，采用数据透视表的“透视”，就可以在有限的二位数据平面里表达三维的概念，而且结合了数据透视图功能的数据透视表更是使得可以快速的形成特定要求的统计图表，并可以随时按要求变化图表的显示效果，实现有效的统计分析和统计绘图。

　　2.统计指数

　　在统计中，指数是概括一个基础变量或一组变量的相对变化的单一描述统计量。指数之所以有其广泛的应用，主要是因为其存在以下优点：首先单个变量对应基础数字往往太大，而指数化后容易观察;其次绝对数字的变化较难掌握，而运用相对数字表示的指数能更直观地看出其变化;最为重要的是许多时候由于组成指数的一组商品的相对变化比例不同，此时采用指数可以概括一组商品的综合变化。如通过股价指数可以反映股市行情总的变化状况，通过消费价格指数(CPI)可以反映居民主要消费资料价格的总变动。

　　例如，利用Excel求同等加权指数：假设选取表3-1中6种主要消费品来计算消费指数，试分别计算同等加权消费价格指数和同等加权消费数量指数。

　　要计算同等加权的消费价格指数和消费数量指数，具 体操 作步骤如下：①新建一工作表，“例3.1”，设定表头为“同等加权指数”，输入表4-1中已知数据;②按照公式求同等加权价格指数，单击B11单元格，在编辑栏中输入“=SUM(C4:C9)/SUM(B4:B9)”，完成后按回车键;③按照公式求同等加权数量指数，单击B13单元格，在编辑栏中输入“=SUM(E4:E9)/SUM(D4:D9)”，完成后按回车键。

　　结束语：

　　Execl在统计学方面的应用还有很多，如概率分布图、抽样分布、参数估计、假设检验、回归分析与预测以及时间序列分析等，其强大的统计功能可以满足 经济学、 医学、气象、 农业等各个领域的数据分析，为人们的分析决策提供可靠的参考，且随着Excel版本的不断升级，其功能也日趋完善，有着广阔的应用前景。

有关浅谈应用统计学论文推荐：

1. 浅谈统计学教育分析论文

2. 统计学分析论文

3. 浅谈统计学论文论文

4. 浅谈统计学专业相关论文

5. 浅谈统计学调查相关论文

这本书的内容可以概括为： 经典统计学常识 + 作者的一个观点

作者的观点就是： 一切皆可量化，包括人的观点态度。

当然， 书里还说了， 如果把事物量化以后， 会多么多么好。 但是，作者并没有给出详细的指导和分析。 如果你已经接受了他的观点， 这本书应该不用读。可以看成是一本劝人面向数据的书。

由于最近工作上都做数据分析的内容，所以根据众产品大神推荐的数据分析应读书单找了不少书来充电。《赤裸裸的统计学》是第一本，它的作者是Charles Wheelan，一名财经记者，他尝试着用通俗易懂的笔法和具体的例子来向读者介绍一些统计学的基础理论。同时也是向另一本类似风格的统计学书籍——《统计数字会撒谎》致敬。

读完后，个人觉得部分内容有一定统计学基础的人才比较容易理解，但整体而言，全书还是能符合作者的初衷的。现将部分自己可以理解且可能对数据分析工作有启发的内容摘录如下。

作者在这章中提出了平均数、中位数、百分位数和标准差等几类常用于事实描述的数据。
平均数： 用于描述整体情况的基础数据。例如想知道全体用户的活跃情况，可以看人均每天访问次数。
中位数： 用于描述数据集中的趋势。例如用户每天访问次数中位数是2，证明至少有一半的人的每天访问次数是≤2的。
百分位数： 用于描述某个数据在整体数据中的位置，例如某个数据是25百分位数，证明有25%的数据是小于该数据，75%的数据是大于该数据。
标准差： 用于描述一堆数据的离散情况，越大越离散。

如果两类数据有相关关系并不等于是因果关系，举例：家里有超过3台电视的孩子教育水平要更好，并不是指电视越多教育水平就越高。有可能是家里电视多的，证明家里富裕，用于孩子教育的钱会更多。

这章帮我回顾了大学课程《概率论》中关于期望值的内容，总结出两个观点：
①通过量化后的回报（期望值）对比成本来做决策，举例：投入20万，有70%的概率获得200万，30%的概率只剩2万。那期望值=200×70%+2×30%=140.6万，也就是回报的期望值是远大于20万的。
②大数定律，即随着试验次数的增多，结果的平均值会越来越接近期望值。第一点中举例的例子虽然回报的期望值远大于投入，但是可能你却只够钱投一次，那么风险还是很大的。但是如果你有钱投个十次八次，那么绝对是值得投的。

很有趣的一个统计学问题：

以后有机会碰到类似的问题时，是不是知道该怎么做了？

统计学在研究问题时，需要搜集数据，搜集数据的类型有两类：纵向数据和横向数据。
纵向数据： 指时间维度的纵向，对观察对象持续观察数年甚至数十年来搜集数据。
横向数据： 指空间维度的横向，对于不同地方的观察对象采集数据。

在进行数据分析时，容易犯下以下偏见。
选择性偏见： 即以偏概全，搜集到的数据并不能代表全体。
发表性偏见： 肯定性的数据结论要比否定性的数据结论更容易发表。
记忆性偏见： 通过回忆得到的数据，谁也无法确保准确性。
幸存者偏见： 数据样本在观察期没有从头到尾保持一致，例如一个班的平均成绩越来越高是通过差生辍学来实现的，班级的实际成绩水平并没有得到真正的提高。
健康用户偏见： 以单方面的因素来得出结论，例如定期吃维生素的人更加健康，但有可能是定期吃维生素的人还会定期运动等等。

中心极限定理的核心要义就是，一个大型样本的正确抽样与其所代表的群体存在相似关系。而正确抽样一定要做到真正随机。

进行数据分析的时候，我们通常会有正向思维和反向思维两种方法。
正向思维就是指统计推断：统计推断是一个让数据说话、让有价值的结论浮出水面的过程。
反向思维就是假设验证：从逻辑学来看，如果我们能够证明某个零假设不成立，那么其对立假设（又称备择假设）肯定为真。

回归分析能够在控制其他因素的前提下，对某个具体变量与某个特定结果之间的关系进行量化。也就是说，我们能够在保持其他变量效果不变的情况下，将某个变量的效果分离出来。应用到实际的数据分析工作中就是A/B测试，在执行A/B测试的过程中一定要控制好只有一个自变量。
通过最小二乘法得出的OLS 直线可以让所有数据的残差平方和为最小，从而求出自变量和因变量的线性关系图

《简单统计学》的作者是耶鲁大学博士加里•史密斯。

统计学是对数据进行处理的科学，我们按照数据处理过程的先后顺序，把这本书介绍的统计学原则，分为收集、分析和呈现三个阶段，来一一说明数据会在哪些地方出问题，帮助我们保持警惕，避免上当受骗。

第一，数据收集中的常见问题：

1，自选择偏差

如果因为被研究对象的个人决策，让数据样本的随机性大打折扣，就会导致最终的统计结果产生偏差。这种偏差，我们称为自选择偏差。

当我们试图通过简单的观察收集数据，得出结论时，这个结论很容易失真，因为我们观察到的特点，反应的未必是我们正在研究的特质，而是这些人身上原先就拥有的特质。

2，幸存者偏差

幸存者偏差说的是，我们在收集过往数据时往往遗漏了筛选的过程，因而忽视了关键信息。

在收集数据的过程中，我们很容易直接从看到的数据中下结论，但是，幸存者偏差提醒我们，没有看到的数据可能比我们看到的数据更加重要。

3，安慰剂效应

安慰剂效应就是说，无论病人服用的药物是否包含有效成分，人们都倾向于认为它能够缓解症状，似乎得到了某种心理上的安慰。要想避免安慰剂效应的干扰，在实验数据收集中不能轻信个案，而应该采取控制变量法进行比较，设计一项对照试验。

第二，数据分析中的常见问题：

1，曲解大数定律

大数定律的意思是，当统计样本足够大时，事物出现的频率就会无限接近它理论上的概率。

如果你把大样本中的结论，错误地移植到小样本中，这就曲解了大数定律。

这种曲解具体会表现为两种截然相反的形式：

a. 赌徒谬误：既然这件事情已经发生了很多次，为了平衡概率，下一次很可能不会再发生。

b. 热手谬误：这件事情既然已经发生了这么多次，那下回很可能再次发生。

我们不能把一系列独立事件，看成是相互影响的，我们既不能认为厄运会提高好运的可能性，也不能认为厄运会永远持续下去。

2，混淆条件概率

分不清“A条件下B的概率”和“B条件下A的概率”，并且认为这两个概率大致相等。

例如：男性当中，在NBA打球的人，只占很小一个比例，而在NBA打球的人当中，男性占的比例是百分之百。这两者当然不能等同。

3，误判相关因果

如果两个变量在数据上表现出相关关系，并不意味着它们必然存在因果关系。

4，忽略均值回归

均值回归是说，事物发生的概率都围绕着一个均值来回波动，在均值两头的极端现象，都有向平均值回归的趋势。出现均值回归现象的原因是，我们在做单次测量的时候，这种测量往往不完美。

第三，数据呈现中的常见问题：

1，在数据上动手脚

选择性报告：尽管研究者报告的数据是真实的，但他只报告了有利于论证他结论的那部分，对于不利于结论的数据，则有意无意地隐瞒不报。

谎报：研究者通过捏造虚假实验数据的方式，来证明自己的论点，达到不可告人的目的。

2，用图像扭曲真相

别有用心的人，会利用制作图像的过程，有意无意地扭曲真相。

例如：通过颠倒坐标系来逆转图像；通过忽略零点来放大波动。

四，如何防止别人用数据欺骗我们，我们又如何避免用数据欺骗自己。

1，我们要在数据统计的每个阶段认清它们；

2，我们要保持开放的心态，坚持实事求是；

3，我们要学会运用常识来分析问题，不要轻信缺乏数据的理论。

4，数据很容易取得也很容易造假，缺乏理论的数据同样不可信。最好的办法是使用新数据来检验理论，通常你都能发现致命的问题。