统计学心得与体会 统计学总结心得体会(四篇)

统计学心得与体会 统计学总结心得体会篇一

先抛开以上观念不谈，这学期统计课最喜欢的还是老师在讲课的时候能够时刻把知识连贯起来，从来没有零零散散的讲过某个知识点。为什么会有中位数?它是用来干什么的?中位数和平均数的缺陷是什么?为什么会出现四分位点和箱图?为什么会这么做是我在课上感受最深也是受益最多的地方。

如今学完统计，我自认为能够很清楚的为了某项目的去做调查问卷，基于数据做出合理的处理和分析，然后多样化的表达出来，从而验证我的目的。因为我知道该在什么条件下去做什么分析，有什么缺陷需要做什么去补全。所以，感谢老师给了我一个完整的统计体系，即使以后觉得知识不够用时，我仍能够在当前体系继续完善它。

另外，我养成了看课件，看书先看目录和重点的习惯，以前在这方面做得不是很到位，总是觉得自己足够聪明，什么东西都是直接拿来看，看到好的便觉得不错，也不管整个体系是什么样子的。如今深刻觉得先把知识体系建好的好处，站在全局的角度看问题非常全面，好像在飞机上观察一个城市一般。这也是以前上课所欠缺的，我感觉以前的课程老师也很少注重这方面，总是说今天讲什么，没有前文，也没有后果。

以上两点我觉得比我收获整个统计体系的知识更重要，这是对我学习方法的进一步完善。之后将总结一下我在统计课上学到的知识。

首先是收集数据：其主要的方法就是调查问卷和从网上的数据库中去获得。这两种方式在前两次大作业中我们都尝试过了。现在网络很发达，调查问卷也可以直接发放到网上，也可以很方便的做分层和整群抽样调查。当时做调查问卷感悟最大的是怎样去让问题更有吸引力，我们对有个小组由于做了关于我是歌手这个非常火的题目，所以收到300多份问卷，而我们做的是有关考研班的调查问卷，所以收到的问卷才40多份。当数据收集到之后，一般来讲是做描述性统计，这是一种简单而又直白的，但却富

有表现力的展现方式。可以直接观察到各组之间的优劣和占总体的大小。当时我们组做得大作业是有关全世界各国gdp的。条形图能够反应各国之间的差异，我们很明显能够看到美国的gdp大概是中国的两倍。而通过饼图，最直观的感受是美国gdp占全世界的四分之一，这是个体与总体的比较。

频率表

定性分析条形图

饼图

描述性统计直方图

频率表

定量分析

ogive

数值特征位置特征离散特征

形态特征

描述性统计下分为定性和定量，所用方法不是很一致，在定量的学习中，我们依次理解了平均数，中位数，四分位数，箱图，方差，标准差，变异系数，偏倚程度。这是一个渐进的过程，平均数对于偏态比较敏感，易受极值的影响，所以我们引用了中位数，相对而言受极值的影响较小。

而平均数和中位数都是一个确切的点，不能表示范围，所以我们有了四分位数，进而再表示为图形就是箱图。但是以上只能表现数据的位置特征，有些时候我们更关系数据的波动和密集程度，比如打靶的成绩。所以就有了方差和标准差，都是表示数据对于平均数的波动程度。对于身高和体重来讲，由于平均数的不同，所以对于不同数据，比如身高和体重，由于基数不一样，方差不一定越大越好，于是又有了变异系数，这样不用的数据也可以比较波动程度。通过位置特征和离散特征，我们就能够将数据的形态特征表现出来。

描述性统计是对单个变量内部特征的处理，从而得到关于单个变量的特性。描述性统计是剩下部分的基础，也就是假设检验和方差分析，或者说研究多变量的基础。

研究多个变量，首先，也是最重要的是验证变量是否符合正态分布。正态和非正态，意味着之后选取的方法将截然不同。正态将会以平均数作为核心，比如anova,lsd等，

非正态则会以秩或者中位数作为核心，主要以sign检验，秩和检验，平均秩检验等非参检验。

方差分析也是一个渐进的的过程。anova是只研究在一个因子下多方案的差异性，lsd就可以研究多个方案两两之间的差异性。之后就是在多个因子下，block是研究多个无相互作用因子下方案的差异性，factorialexperiment则是能够再在有相互作用下的因子下研究一个因子对于多个方案的差异性。

非参检验也是从最简单的中位数开始，从单变量开始拓展。秩和检验解决了多个方

案，并不配对的问题，比符号秩更具有普适性，但是精确度不如符号秩。k-w则是通过比较各样本和总体平均秩来判定多个方案是否存在差异性。

剩下的就只有相关性分析了，正态的时候用persion，非正态则用spearman，两者之间原理是一样的，只不过一个是用平均值，另一个使用中位数。我们在做军事建模的时候就选用了spearman。

统计学学习心得体会(2)

花几天时间，整体复习了一遍统计学，准确的来说是从第一页开始较为仔细的阅读了一遍《统计学》这本教科书。随后统计为我打开了另一扇窗，让我得以从不同的视角重新思考这门让我痛苦了一个学期的课程。至此统计学不再仅仅是一些无数抽象公式的代名词，而是一门理论联系实际，工作活动中不可或缺的一门重要科学。

《总论》和《统计数据》的内容比较简单，引出概念，复习以往学习过的知识。就在我们放松警惕，大呼统计学一点也不难的时候，《抽样估计》彻底震住了自鸣得意的我们。

理论上来说《假设检验与方差分析》的内容要难于《抽样估计》。但是个人觉得《抽样估计》的行文并不像《假设检验》那么好理解。《统计学》这本书喜欢先向学生介绍很多概念和公式，再将公式引用到例子中来解决问题。然而在介绍公式的同时，学生往往不了解这些公式真正的意义和使用方法，单纯的死记硬背效率颇低。拿《抽样估计》来说，计算抽样平均误差的公式之多，方法之众，让同学们的脑袋混沌了好久。大家私下交流，混沌的原因在于不知道这些公式的来龙去脉，只将条件带入相应的公式计算答案的方法是以前没有经历过的，需要一段时间的适应过程。