统计学世界读书心得范文

统计学世界读书心得1

本学期我们专业开设了《统计学原理》课程，通过近一个学期的学习我们对统计学应用领域及其类型和基本概念有了一个基本的了解，掌握了数据的收集、展示、分析的技术。但这都是些书本上的理论知识，是纸上谈兵。理论须用来指导实践，把我们学习到的理论知识运用到我们的工作和生活中去，这是我们学习的目的。

对于本人而言，数学功底不是很好，在没学统计学之前就感觉统计学会很枯燥无味，对这门课程有些恐惧。但通过这学期的学习，感觉并没有想象的那么难学，再加上秦老师幽默风趣的讲解，使复杂的问题变得通俗易懂，老师通过举例说明问题的方法使问题变得简单化，容易理解，再通过课堂上做习题，加深了对问题的理解。同时，老师基本上都是在课堂上让我们做完习题，这样给我们减轻了很多课余的时间，学起来比较轻松。

而就所学的内容来讲，我个人认为这门课程有两大难点，一是统计学有许多相似概念，要求理解内涵，辨别异同和实际应用。例如在第二章统计调查中，相关概念的辨析就需要我们理解掌握以便熟练的做题。而对于公式不能像数学那样，只从抽象的式子到式子的变换，而是要把公式理解再加以运用，掌握公式的使用条件，体会应用的灵活性。例如在相关与回归分析这一章中，主要就是要求我们把公式掌握好再加以灵活的运用，问题就会迎刃而解。因此可见，在统计学当中，公式的运用很重要。以上是我对学习《统计学原理》的心得，写的不是很全面，但都是自己真实的体会，通过这门课程的学习，我相信在以后的工作和学习中会给我带来很多的益处，让我受益匪浅。

统计学世界读书心得2

统计学是我们班这个学期开设的课程，虽然只有短短一个学期的课程，但是通过这一学期的学习，我们对统计学应用领域及其内性和基本概念有了一个基本的了解，可以说，这一学期我的收获颇丰。

就统计学这门课程来说，了解到统计学是一门研究如何根据事物的随机性规律来收集、分析、处理数据并利用其进行推断的科学，只要有数据的地方，就会用到统计学;是研究如何用科学的方法收集、整理、分析实际数据，并通过统计所特有的统计指标和指标体系，表明所研究的规模、水平、速度、比例和效益，以反映其现象发展规律在一定时间、地点、条件的作用下，描述其现象数量之间的关系和变动规律。

其实这门学科有两大难点：统计有许多相似的概念，要求理解内涵，辨别异同和实际应用。对于公示不能像数学那样，只从抽象的式子到式子的变换，而是理解公示整体和每个符号的统计含义，掌握公式的使用条件，体会应用的灵活性。通过老师上课授教和课后不断的学习，对这两大难点已经克服。结合到平时的工作学习，我能比较快的理解并能掌握统计学的一些知识。

我们学习统计学的目的是运用统计思想进行分析，在实践工作中，要善于利用统计的思维方式思考，在纷繁复杂的社会实践中，要学会发现数字、分析数字、并使用数字说话;掌握基本的统计方法，要掌握统计工作中涉及到基本统计概念和基本统计计算方法，能够阅读常规的统计报告，了解统计指标的含义，同时，能够自己处理常见的统计问题，锻炼统计的计算能力。

以上就是我的学习体会，我要树立终身学习的理念，不断学习，不断充实，积极探索，逐步成熟。在日常的生活学习中，要学会自己运用统计学知识处理各种问题，为生活提供便利。

统计学世界读书心得3

通过半个多学期的学习，我对统计学这门课程有了一定的了解，对学习这门课程也有了一定的感想。

首先，我谈谈我对这门课程的理解。

一)对统计学新的认识

在学习统计学之前，谈起统计我脑袋中就浮现出计数，一大堆枯燥的数字，还有一长串的数学计算式。在我眼中，统计学是一门非常枯燥非常单调的学科，它不像数学那样强调严密的推理和逻辑，而是仅仅需要搜集原始资料，套用数学公式而已，我甚至不是很喜欢这门课程。

但是经过半个学期的学习，我对统计学有了全新的认识。统计学是研究总体在一定天脚下的数量特征及其规律性的方法论学科。我开始意识到统计学在学术研究中，在公司决策中，在国家制定方针政策时……在社会生活的各个方面都发挥着重要作用，我开始了解到统计学是一个理论联系实际的学科，非常具有实践性，统计的原始资料全部来源于实际生活。统计学也是一种成熟的学科，它有它独立而完备的理论体系，它是相当科学的，它是以数学作为它的基本工具，但它有比数学更有实际用途，它可以对生活中大量的无序的数据进行分析，找出它们的规律，从而为研究、决策提供基本的依据，它是其他学科的一切理论的基础和来源。

二)统计学和经济学的关系

统计学并不是一门浅显的学科，人们从事统计工作已经有几千年的历史了，但是统计作为一门学科而存在仅有300多年的历史。统计学这个名称起始于国家管理，起始于社会经济的数量考察。于是统计学就和经济学就有了密不可分的联系。

经济学来源于统计学。我们知道经济现象是现实世界的一个重要组成部分，和自然界的现象有很大的不同。自然界的现象基本上都按其本身的机制机理形成和发展的，容易通过实验解剖等方法来被人们掌握。但是人类社会的经济现象就大不一样，它们是由人的活动而形成的，复杂多样，变化多端，没有任何实验的方法可以来准确的研究。因此我们就只有借助于统计学，通过统计分析社会经济的各种数据，我们就可以发现社会的经济问题，为经济学的研究提供了素材。这就是所谓的理论源于实践。

同时，统计学也是检验经济学的理论是否符合客观事物的发展规律的重要工具。实践是检验真理的唯一标准。运用各种经济理论所制定的方针政策、计划方案的是否正确,是否符合实际,能否达到预期的目的,只有依靠实践来检验，然而对实践要取得了解,又只能依靠统计。统计是沟通经济学与实际的一个重要桥梁。没有统计学，就没有经济学今天的发展。

正因为经济学和统计学这样密切的关系，我意识到，光学好经济学理论知识是不够的，我必须还要同时学好统计学。不然的话，我的经济学是无法深入研究下去的，这些知识是没有生命力的，它们不能从现实生活中补充新鲜的养分和空气。

三)统计学的历史

从马克思主义哲学中，我们可以知道学习、研究都不能缺少历史观，只有清楚地了解历史才可能深入地研究。学习统计也是一样，我们必须要清楚统计学的发展历史才能全面深入地学习统计学。在课堂上我学习了一些统计学的历史，下来过后我又自己找资料了解了一下。一下说一下我的理解。

统计学的发展分为两个阶段古典统计学和近现代统计学。

古典统计学出现于17世纪，一般说，古典统计学有两个来源，按时间顺序，先有德国的国势学派，继有英国的政治算术学派，最后汇合而成为古典统计学。国势学派的代表人物康令，他以叙述国家显著事项和国家政策关系为内容，在大学开设了“国势学”课程。主要继承人阿亨瓦尔继续开设“国势学”，并于1749年首次使用统计学来代替国势学，认为统计学是关于各国基本制度的学问，是一个国家显著事项的整体。但它缺乏数字内容，用文字表述。

政治算术学派产生于英国，代表人物是威廉.配弟，政治算数学派是用数字来表述，取用数字、重量和尺度来计量，并配以朴素的图表，这与现代统计学的方法和内容相同。但是他却没有用统计学这个名称。古典统计学是以研究国家显著事项，包括人口、领土、财政、军事、政治、法律等出发而产生的，即以社会经济现象为研究对象，并且通过数量来表示。因而古典统计学实际就是社会统计学或社会经济统计学。

凯特莱把概率论引入统计学之后的统计学，称之为近现代统计学。近现代统计学是古典统计学的继承和发展，是古典统计学的延伸。他根据概率论为基础的大数定律，提出了大量观察法，进行统计资料的收集和研究，可以消灭误差和控制误差，从数量上揭明其运动规律，加以分析和运用。凯特莱开创了统计理论和应用的新领域，但当时并没有给以确切的名称，直到1867年德国数学家威特斯坦才把它定名为数理统计学。

四)统计学的一些基本理论

通过这门课的学习，我了解了统计学的基本论理。刚开始接触一门学科，都必须了解大量的术语，统计学也是一样。学习这门课的开始两三周我都感到比较痛苦，因为我们学习的都是一些统计学的基本的术语，对于这些枯燥的术语，我甚至感到一些头疼，下来都不想去看书。但是，我也知道这是学好一门课所最基本的要求，所以我还是尽量记住了这些。

统计主要分为了理论统计和应用统计，其中理论统计又分为了描述统计和推断统计。顾名思义，理论统计是研究统计的一般理论和方法的，而应用统计运用在某一特定领域的统计问题，它可以和各种学科结合起来，如人口统计学、心理统计学、教育统计学、社会统计学、卫生统计学、地质统计学等等，应用统计学有更广泛的用途，但是应用统计学的发展又和理论统计学的发展有着密切的关系。

统计学的分析法有很多，如大量观察法、分组法、综合分析法、统计模型法、归纳推断法等等。

统计的研究对象是同类事物所构成的总体的数量特征，因为只有是同类事物才有相同的数量特征，才有一定的规律。其中这些统计需要研究的全部事物的总体就是统计总体。它具有客观性、大量性、同质性、变异性、相对性等特征。而由于它有大量性，所以在研究的时候经常不能把所有的总体单位都进行调查研究，所以需要抽取一部分出来研究，然后通过样本的特征去推断总体的数量特征，这部分总体单位所构成的整体就是样本，它具有随机性的特点。这个过程体现了一种科学的精神，如何抽取样本，如何控制样本的代表性误差，如何从样本推断总体，每一个环节都需要运用科学的方法，谨慎地进行。

统计数据是总体或总体单位某一特征的具体表现，是统计工作的成果。它分为定性数据和定量数据，原始数据和综合数据，截面数据和时序数据。说明统计特征的概念与具体数字称为指标，他由指标名称和指标数值构成。数据的计量尺度分为四个层次，定类尺度、定序尺度、定距尺度、定比尺度。对于统计数据的获得要经过2个步骤：统计数据的搜集、统计数据的整理。

前面提到了需要抽取一部分总本单位来作为样本，抽样方法有重复抽样和不重复抽样，抽样组织方式分为简单随机抽样、分层抽样、等距抽样和整群抽样。它们各有各的科学性，各有各的适用条件，应该根据具体的情况来反映。而选用了不同的抽样方法和组织方式都回对应不同的抽样误差的计算、抽样估计的计算、总体参数的检验、方差分析和回归分析。

最后，我想谈谈我学习这门课程的一些心得。

在学习统计学之前，我一直把统计学看成另外一种数学，但是学习之后我才发现它和数学有很大的不同。统计学更加地贴近实际，我们在学习中必须紧密联系到它的现实意义，比如做完了数据分析，我们不能像数学那样就完了，我们必须要理解分析出来的数据所具有的实际的经济意义，这样我们的分析才有意义。

当然我也看到了统计学和数学的紧密联系，统计中会用大量的数学工具，所以必须要复习一下相关的数学知识，这样才能在学习中灵活运用。

学习统计学，我们不能零散的学习，而是需要从系统的，比较的角度来学习。比如当我们学到抽样的平均误差、抽样的极限误差、置信区间的计算时，我们就需要比较不同的抽样方法，不同的抽样组织方式的计算，它们之间的异同点。同样在学习假设检验时也一样，要对单个总体、两个总体和多总体的情况进行比较，对均值、方差、成数的各种前提条件进行比较。要多总结，这样才容易理解记忆，把多个公式化成很少的公式，减轻记忆的负担。另外在做题的时候一定要弄清楚题目中所给出的前提条件，对应到不同的计算方法。

统计学世界读书心得4    

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。

《假设检验与方差分析》开篇给同学举了两个例子来阐明假设检验的基本思想。个人认为，这两个例子是点睛之笔。在学习的开头就让学生了解到第五章的基本内容，以及假设检验在实际应用中的意义。就像写小说先抛出一个悬念吸引读者读下去。阅读两个例子后我会不禁思考，如果实际中遇到类似的问题，有什么方法可以避免犯“弃真”或者“采伪”的错误。带着疑问去学习，才是真正的自主学习的过程。

《相关与回归分析》同样吸引人。因为之前我片面的认为相关关系没有确切的规律可循，更不容说计算出事物的内在联系了。然而科学证明，不但相关系数可以计算出来，回归方程也可以用来做分析预测。我想起了一句话：任何学科脱离了统计都将不是科学。只有统计能仅凭现象就能分析归纳出事务的内在联系，给我们呈现出一个更明朗的世界。

《时间序列分析》在我看来是和我的专业---国贸联系最紧密的学科。运用所学到的知识可以分析出公司销售额的各种增长情况，公司的销售额有什么样的季节变化规律，还能建立一个模型对未来的财务情况做出预测。

《统计指数与综合评价》中“综合法指数”的计算用到了《微积分》的相应知识。在《微积分》中不知所云的内容却可以通过统计学的学习恍然谈大悟。多亏了老师深入浅出的讲解，让我在短短一个学期里既巩固了旧知识又学到了许多有用的新知识。

统计学世界读书心得5

统计，从我的理解来看，就是为了探究某件事情，查询某种关系而去进行的数据收集，数据处理和数据分析。不同于以往的数学类课程，统计并不执着于数据的因果关系，更侧重于数据之间的相关关系，最近在读维克托的《大数据时代》，作者也在强调大数据时代是相关关系的时代。所以在这个信息爆炸的年代，统计在大数据中占有很重要的地位，尤其是在计算机的辅助下，我们可以对大样本甚至全体样本进行分析和处理，这就需要我们理解统计，可能不知道原理，但一定要知道在什么地方去运用何种方法。

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，比如ANOVA,LSD等，

非正态则会以秩或者中位数作，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，factorial experiment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。