数理统计理论方法读后感[范文].docx

数理统计理论方法读后感[范文]
然而，spss成为国际上公认的最受欢迎的标准统计分析软件之一，不仅在社会科学和自然科学的教学和科研方面发挥作用，还在医疗卫生、体育、农业、林业、商业、金融等各个社会领域有着广泛的应用，尤其在经济统计、经济预测、市场调研、社会调查、心理分析、医学研究等方面有着深入的应用。spss的运用成为统计分析师高收入的基本要素之一，倍受统计分析师们的青睐，这使我了解到有必要对理论知识进行系统的掌握，将其与spss统计软件结合在一起，更好地用统计软件分析数据。
近期，我阅读了xxxx，这本书介绍将数理统计的原理，方法，计算，实例和spss软件计算相结合，以数据统计原理和方法为出发点，将手工计算过程和spss软件计算过程相结合，使我能够从数学角度深刻理解spss软件数据处理方法，过程和处理结果。这本书还介绍了大量的非参数统计方法，这些方法是当前社会科学实证研究的重要有效的方法。
作者在前两章中介绍了数理统计基本理论，包括：抽样方法和测量水平，统计量及其计算，统计量分布，分位数的基本概念，参数估计和假设检验等。3到11章则介绍了实际工作中则介绍了实际工作中经常使用的数理统计方法和spss软件计算方法，包括：非参数检验，方差分析，聚类分析，主成分分析等。这些知识涉及了我们在大三学期学的《多元统计分析》，《计量经济学》中的知识，有非常强的综合性，我深刻体会到，不同书籍之间的的知识都是想通的，并非孤立成章，要学好一门学科，必须掌握各个细小，分立的知识点。
通过学习，我了解到，数据量庞大和数据关系越来越复杂是目前统计应用中遇到的主要问题，只有快速准确地处理庞大的数据量和负责的数据关系，才能够有效解决实际工作中和科研中遇到的问题。电子计算机的广泛普及和软件的不断完善，为统计分析中的数据处理和计算提供了强有力的工具，促进了统计方法在各个领域中的广泛应用。spss软件的优点在于使用windows的窗口操作方式进行数据的处理和分析，避免了繁琐的编程工作，易于掌握。然而，其优点也是缺点所在。正是由于它无法进行自己编程，这大大限制了它的功能，在一些数据分析中，需要与eviews等其他软件互补使用。通读全书，我最大的感触就是：想要成为一个合格的统计工作者，学习各种统计理论知识和统计软件是必不可少的，而我们欠缺的还很多。
第二篇：《概率论与数理统计》读后感《概率论与数理统计》读后感
马克.吐温曾讽刺道：有三种避免讲真相的方式：谎言，该死的谎言和统计数据。这个笑话很中肯，因为统计信息频繁地看似一个黑匣子——了解统计定理怎样让通过数据取得结论变成可能，这是有难度的。但因为不论是喷气发动机可靠性还是安排我们平日看的电视节目的流程，数据分析，类似的任何事情中都扮演着重要角色，所以至少获取对统计基本理解是重要的。
大数定律和中心极限定理很长，但是要表达的意思很简单。数学就这样，数学家要表达一个很简单的意思，但是为了严谨，他们写出来的公式就很长，很烦人。
先看大数定律。不管是什么样的随机变量，对于他们的样本均值，你所取得的样本容量n越大，你的样本均值就越接近总体均值。大数定律跟随的几个定律，贝努里大数定律和辛钦定理其实说的是一个意思，可以看做大数定律的具体描述。区别在于，贝努里告诉我们，独立重复试验的随机变量符合大数定律。辛钦告诉我们，不要求独立重复试验，只要是独立同分布的随机变量，就能满足大数定律。所以贝努里大数定律是辛钦定律的特殊情况。辛钦看到了更一般的情况。
中心极限定理。对于一批随机变量，符合某种条件时，不管这些随机变量如何分布，他们的样本均值的分布就一定是正态分布。
在公理化体系提出之前，人们对概率的研究局限在等可能事件。比如抛一枚硬币，我可以认为抛出正面的概率就是1/2。若实际抛掷，抛10次，也许会有七次是正面，但如果抛很多很多次，那得到的正面占比将十分接近50%，这就是“频率接近于概率”的观念。贝努里感兴趣的是，如果抛100次，出现的正面数占比在48%到52%之间的概率是多少。如果抛100万次，这个概率又会变为多少。能否抛足够多次，来让正面数的占比在49.9999%到50.0001%之间的概率达到99.9999%。
在这个问题上面工作了整整20年后，1705年左右，贝努里证明了第一个大数定理，它指出，我们总可以抛掷足够多次，使我们能几乎确定得到的正面占比很接近于50%。而且，在给定“几乎确定”和“接近”的具体定义后，定理还给出用来计算这个“足够”的抛掷次数的公式。
后来，有了公理化体系，就有了现在教科书上标准的说法。对独立同分布的随机变量序列{xn，n=1，2，3，...}，设均值为exn，方差存在。则
[（x1+...+xn）-e（x1+...+xn）]/n依概率收敛到0。可见贝努里大数定理就是xn为二元随机变量时的一个特例。至于其他那些带着其他人名的大数定理，无非就是把条件放宽而已。如辛钦大数定律是把条件放宽为随机变量序列独立同分布且存在一阶矩。
定义中心极限定理：某典型课本对中心极限定理的定义如下：当样本容量增加时，样本均值x的分布接近均值等于μ，标准差σ/√n换句话说，如果我们多次采用大小为n的独立随机抽样，那么当n足够大的时，样本平均值的分布就接近正态分布。
那么多大才是足够大呢。一般来说，样本容量大于或者等于30认为是足够大，此时中心极限定理起作用。如果总体分布越要接近正态分布，那么需要更多的样本来使用该定理。对于严重不对称的或者有几个模板的总体来说，也许要求更大的样本。从一个总体中收集所有的数据是很难操作或者不可行的，统计学就是基于这个情况产生的。换种方式来做，我们可以从总体中获取数据的子集，然
后对这个样本进行统计分析，以得到总体的结论。
举例来说，我们可以从工业生产流程中收集多个随机样本，然后使用各个样本的平均值来推断整个过程的稳定性。两个常用于解释总体的特征值分别是平均值和标准差。当数据遵循正态分布，均值表示分布的中心位置，标准差揭示分布情况。想象我们在获取我们做过的考试结果，除了接收我们自己的成绩以外，我们也要知道其他人的平均分，然而，如果考试成绩不符合正态分布，平均分就容易让人造成误解了。中心极限定理是卓越的，因为它暗示，无论总体分布如何，样本均值的分布将接近正态分布。该定理也允许我们对样本均值或许采取的价值的可能变化范围做可能性声明。
例子1：掷骰子
为了说明中心极限定理，骰子是理想的，如果你掷有6面的骰子，掷到1的概率是1/6，2的概率是1/6，3的概率是1/6，以此类推""骰子落在任何一面的概率与任意其他5面的概率相等。
在教室的情况下，我们用真实的骰子进行这样的实验。为了获得一个总体的准确表示，让我们掷500次。当我们用图形来注标数据时，我们看到和预期一样，分布看起来相当平坦，这肯定不是正态分布。当我们连续掷2次骰子，重复这样的操作500次，之后，我们计算每对的平均值，创建直方图。观察直方图，我们会发现：随着样本大小，或者掷的次数增加，平均值的分布越来越接近正态分布。除此以外，样本平均值的方差随样本大小的增加而减少。
中心极限定理阐明，对于足够的大n，x接近正态分布的均值μ和标准差σ/√n。
一个6面骰子的总体均值是（1+2+3+4+5+6）/6=3.5，并且总体标准差是1.708。因此，如果定理适用，三十次的平均值的均值应该约为3.5，以及标准差1.708/√30=0.31。我们可以观察前人的掷骰子实验，30次平均值的均值，为3.49，标准差为0.30。这两个数值跟计算的近似值很接近。
大数定理为数理统计应用于统计学搭起了连接的纽带。大量观察法是现代统计学的基本方法之一，而大数定理又是大量观察法的基础，统计学若没有大量观察法的支撑，则统计分析中的基本指标——平均数与相对数，则失去其应有的作用和意义，可见数理统计在统计方法中的基础地位不容置疑。
中心极限定理为数理统计在统计学中的应用铺平了道路。用样本推断总体的关键在于掌握样本特征值的抽样分布，而中心极限定理表明，只要样本容量足够的大，得自未知总体的样本特征值就近似服从正态分布。从而，只要采用大量观法获得足够多的随机样本数据，几乎就可以把数理统计的全部处理问题的方法应用于统计学，这从另一方面也间接地开辟了统计学的方法领域，其在现代推断统计学方法论中居于主导地位。
中心极限定理除了其对现代统计学的重要意义外，还在光学、保险行业、能量供应问题、系统可靠性问题等诸多领域有着广泛的应用，中心极限定理帮助我们解决了许许多多的实际问题。可见，中心极限定理也为我们的生活提供了方便。
我觉得吧，如果不搞理论的话，没必要去深究这些不同名称大数定理、中心极限定理到底在说什么，只要我们能够把握好它们之间的联系，尽量的去弄懂它们的来龙去脉，有效地将所学内容联系起来，以及在做题的过程中能够灵活的应用，把题做对就行了。
南京邮电大学人文与社会科学学院行政管理
b12120629刘晓栋
第三篇：概率论与数理统计学习方法《概率论与数理统计》学习方法
学习方法是指学生在接受、吸收、消化、掌握知识的过程中，有意识地主动实施的学习方案和技巧。我们在《概率论与数理统计》课程的教学活动中，为学生们精心设计并实行的学习方法、方式主要包括：
1.数学概念的学习方法
①阅读概论，记住名称或符号，分清概念要求的几个条件；
②背诵定义，掌握特性，当条件改变是会发生什么情况；
③举出正反实例，体会概念反映的范围，特别是逆否（定义）命题的叙述；
④进行练习，准确地判断；
⑤与其它概念进行比较，弄清概念间的关系。
2.数学公式的学习方法
①书写公式，记住公式中字母间的关系，用自己的日常语言叙述公式；
②懂得公式的来龙去脉，了解推导过程；
③验算公式，在公式具体化过程中体会公式中反映的规律和技巧；
④将公式进行各种变换，了解其不同的变化形式。
3.数学定理的学习方法
①背诵定理，自己给定理起个名称，如“独立性和不相关性定理”；
②分清定理的条件和结论，特别是分清定理的条件有几个，结论又分成几个；
③了解定理的证明过程；
④应用定理证明有关问题，从中体会定理的作用是什么，它揭示的关系是什么；⑤体会定理与逆否定理、逆命题的联系，有的定理包含公式，如中心极限定理定理、全概率定理等等，对于它们的学习还应该同公式的学习方法结合起来。
4.学习过程是听、说、读、写、思考
学习过程就是把上面各种学习方法组合起来的，边说边看，边写边听，各种学习方法不停地转换、组合变动，其学习效果也在变化。听：听课认真，不做无故缺席
说：积极主动问问题
读：预习和复习
写：作业与习题
思考：总结，形成自己的思想或语言，特别是自己的语言
5.适合不同层次学生的学习方法一一空降学习法
这是专门为那些数学基础不好的学生而写的。
一般人都会认为，基础很重要，要从基础开始，按部就班地进行理解，遇到不懂的地方，就要回到基础上来。空降学习法，是用跳伞的方式降落到“目前所学的地方”，倾尽全力把目前所学的部分弄懂，因为只要把这个地方弄懂，前面那些疑难之处，届时也就会自然而然地理解了，不会影响下面的学习。
第四篇。热电厂热负荷的数理统计计算方法热电厂热负荷的数理统计计算方法（1）日前，我国北方大中城市已普遍建有热电厂，很多大型工业企业也建有自备热电厂，甚至一些中小型企业也建有以裕压发电形式的小型自备热电站。这些以供热为主、热电联产的热电厂，已成为我国电力事业的一个重要组成部分。
按照热电联产的理论计算结果，利用供热抽汽或背压排汽进行热电联产的发电煤耗率应为o.15～0.2kg标准煤/千瓦时，即使再考虑蓟抽汽式汽轮机内凝汽发电的低效率和其它汽水损失，热电厂的综合发电煤耗率也不应超过o.3.kg标准煤/千瓦时。但是很多热电厂实际运行结果都高于这个指标.其原因是多方面的，其中非常重要的一条就是热电厂在设计阶段对热电联产的最基本设计参数——最大热负荷及其变化特性估算不准，还有热化系数取值过高，导致热电厂规模偏大，甚至供热机组的设计热负荷值大大高于实际最南热负荷。这样，热电厂只好加大凝汽发电份额或降低设备容量利胃率，对背压式机组的运行往往带来困难。
热电联产有两个显著特点一是热负荷的供需应基本保持适时平衡;二是以热定电。要使热电联产取得较好的节能效果，必须在热电厂设计的前期就应比较准确地计算出它的最大热负荷，总供热量以及绘制出全年热负荷持续时间曲线.在此基础上再考虑适当的热化系数，列举出若干可行的方案，进行技术经济比较计算，最后确定出最优方案。
目前对栗暖热负荷的测算已有了比较可靠的算法，但对工业热负荷的测算尚无较有效盼方法。以往对热电厂工业热负荷的估算方法有以下几种，
（1）按各个热用户原有供热锅炉的容量来估算，通常是取各个容量之和作为热电厂工业热负荷的设计值;（2）根据各个热用户自报的热负荷数据，取各用户避大热负荷之和作为热电厂热负荷的最大值;（3）根据各热用户生产产品的单位热鞠和产量情况，估算热电厂的最大热负荷;（4）根据热用户进行过的企业能量平衡测试数据来估算热电厂的最太热负荷;（5）对各热用户的用热情况作简单的潮试，并通过简单的现场调查来决定热电厂的最大热负荷。
这些估算方法都不够合理，特别是前三种方法误差极大，因此都不能比较准确可靠地估算出热电厂的最大热负荷值，其主要问题是。
1、未考虑各热用户最大热负荷的同时出现率一般来说，各用户的最大热负荷并不在一日内同一时刻出现所以热电厂的最大热负荷并不等于各用户最大热负荷之和，而是小于这个数.热电厂最大热负荷与各用户最大热负荷之和的比值可定义为用户最大热负荷的同时出现率γ，
γ=
通常，γα，结论为按α所取水准不显著，不拒绝h0，即认为差别很可能是由于抽样误差造成的，在统计上不成立；如果p≤α，结论为按所取α水准显著，拒绝h0，接受h1，则认为此差别不大可能仅由抽样误差所致，很可能是实验因素不同造成的，故在统计上成立。p值的大小一般可通过查阅相应的界值表得到。
学好数理统计这门课程，其实有很大的作用，它会让人对日常生活中一些涉及概率方面的问题有更加深刻的体会。如果没有统计学，人们在收集资料和进行各项的大型的数据收集工作是非常困难的，通过对统计方法的研究，使得我们处理各种数据更加简便，所以统计也是一门很实用的科学，应该受到大家的重视。
第12页 共12页