序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇統計學變異的概念范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

【論文摘要】所謂統計思想，就是在統計實際工作、統計學理論的應用研究中，必須遵循的基本理念和指導思想。統計思想主要包括均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想等思想。文章通過對統計思想的闡釋，提出關于統計思想認識的三點思考。

【論文關鍵詞】統計學；統計思想；認識

1關于統計學

統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。

2統計學中的幾種統計思想

2.1統計思想的形成

統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。

2.2比較常用的幾種統計思想

所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想。現分述如下：

2.2.1均值思想

均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。

2.2.2變異思想

統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。

2.2.3估計思想

估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。

2.2.4相關思想

事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。

2.2.5擬合思想

擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。

2.2.6檢驗思想

統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。

2.3統計思想的特點

作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點能從以下四個方面體現出：

（1）統計思想強調方法性與應用性的統一；

（2）統計思想強調科學性與藝術性的統一；

（3）統計思想強調客觀性與主觀性的統一；

（4）統計思想強調定性分析與定量分析的統一。

3對統計思想的一些思考

3.1要更正當前存在的一些不正確的思想認識

英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜越科學，在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如GNP、人口增長率等等，均是凱特勒及其弟子們的遺產。

3.2要不斷拓展統計思維方式

統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。

3.3深化對數據分析的認識

任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基于同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(DDA)、推斷性數據分析(IDA)和探索性數據分析(EDA)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。

參考文獻:

[1]陳福貴.統計思想雛議[J]北京統計,2004,(05).

[2]龐有貴.統計工作及統計思想[J]科技情報開發與經濟,2004,(03).

篇(2)

【關鍵詞】統計學；統計思想；認識

1關于統計學

統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。

2 統計學中的幾種統計思想

2.1 統計思想的形成

統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。

2.2 比較常用的幾種統計思想

所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想。現分述如下：

2.2.1 均值思想

均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。

2.2.2 變異思想

統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。

2.2.3 估計思想

估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。

2.2.4 相關思想

事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。

2.2.5 擬合思想

擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。

2.2.6 檢驗思想

統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。

2.3 統計思想的特點

作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點能從以下四個方面體現出：（1）統計思想強調方法性與應用性的統一；（2）統計思想強調科學性與藝術性的統一；（3）統計思想強調客觀性與主觀性的統一；（4）統計思想強調定性分析與定量分析的統一。

3 對統計思想的一些思考

3.1 要更正當前存在的一些不正確的思想認識

英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜越科學，在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如gnp、人口增長率等等，均是凱特勒及其弟子們的遺產。

3.2要不斷拓展統計思維方式

統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。

3.3深化對數據分析的認識

任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基于同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(dda)、推斷性數據分析(ida)和探索性數據分析(eda)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。

參考文獻:

[1] 陳福貴.統計思想雛議[j]北京統計, 2004,(05) .

[2] 龐有貴.統計工作及統計思想[j]科技情報開發與經濟, 2004,(03) .

篇(3)

關鍵詞：生物統計；教學實踐；立體化

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2013）18-0231-03

一、引言

“生物統計學”是把數學的語言引入生命科學研究領域，將所研究的問題抽象為數學問題的過程，用數理統計的原理和方法來分析和解釋生物界各種現象和試驗調查資料，是應用統計學的一個分支。生物學研究實踐證明，只有正確應用生物統計學的原理和分析方法對生物學試驗進行合理設計，對數據資料進行客觀分析，才能得出科學的結論[1]。目前，從數量角度研究生命科學現象已經為大多數生物學研究者所認知，“生物統計學”為生物學的研究和探索提供了重要的方法和工具。

近年來，全國各高校生物學專業普遍加強了“生物統計學”的教學工作，使學生學習試驗設計和數據收集與整理的方法，正確應用統計學原理分析和解釋數據資料，為進一步學好專業課程奠定了堅實的基礎。

二、生物統計學課程的特點

1.以數學知識為基礎。“生物統計學”是在研究生物現象的過程中，與數學的發展相伴隨逐漸發展而來的。它把生命科學中的某些具體問題抽象為數學問題，以數學概率論和數理統計為理論基礎[1]，這其中就必然會涉及到排列、組合、積分、導數等數學知識。例如，大數定律是用樣本統計數推斷估計總體參數的基礎，需要掌握概率論的相關知識；在推導直線回歸方程時，回歸系數和回歸截距的計算，是建立在最小二乘法的基礎上，需要用到導數的計算；正態分布中變量的概率計算，需要了解積分的性質[1]。盡管在“生物統計學”課程學習之前，學生已經學習了“高等數學”的相關知識，但多數學生的數學基礎知識仍相對薄弱，由此對學習該門課程產生畏懼心理。加上很多學生沒有理解生物統計學的內涵，主觀上認為該門課程就是學習數學知識的，進而導致厭學情緒。

2.概念術語多。“生物統計學”不同于生物學專業的其他課程，在學習過程中涉及很多概念術語，并且這些概念術語常成對出現[1]。例如，總體和樣本、變量與常數、參數與統計數、效應與互作、準確性與精確性、頻率與概率、標準差與標準誤、因素與水平、相關與回歸、雙尾檢驗與單尾檢驗、棄真錯誤與納偽錯誤、假設檢驗與區間估計等。如果不理解這些概念術語的含義，生搬硬套，在應用時就會出錯，得出錯誤的結果。

3.計算公式多。“生物統計學”是應用統計學方法，分析和解釋生命科學研究中數據資料數量上的變化，進而做出符合科學實際的推斷。在學習過程中，必須要用到大量的計算公式[1，2]。如反映變異性的指標有標準差和標準誤，二者的含義不同，計算公式也不同。在正態分布中，為了計算服從正態分布的變量的取值概率，通常要對變量進行標準化處理，在學習了變量標準化公式之后，接下來在應用時還需要用到平均數的標準化、平均數差數的標準化、頻率的標準化、頻率差數的標準化、成對數據差數平均數的標準化等公式。在直線相關與回歸分析中，需要掌握相關系數、回歸系數、回歸截距等計算公式。盡管目前有很多統計軟件可以直接對一些統計量進行計算，但學生們必須掌握和理解相關統計量計算的原理和具體內涵才能正確地應用這些統計軟件。

4.課程內容連貫性較強。“生物統計學”的課程內容是承上啟下、前后連貫的[1，2]。例如，概率分布是學習統計推斷的基礎，平均數的假設檢驗和區間估計是相互聯系的，單因素數據資料方差分析的原理和方法是對多因素數據資料進行方差分析的基礎[1]。如果學生沒有掌握某一章節的內容，很可能導致后面的許多內容聽不懂、難理解，陷入越聽越聽不懂的惡性循環。

三、教學內容的實踐與探索

針對“生物統計學”課程的特點和現狀，近年來，我們在教學過程中，圍繞教學內容、教學方法、課程建設、考核方式等多方面進行了實踐和探索，取得了較為理想的效果。

1.合理編排教學內容，提高教學效率。我校本科教學計劃調整后，“生物統計學”課程安排在第三學期，周學時為2，共36學時。學生在之前已學習了“高等數學”等公共課程，“植物學”、“動物學”等專業基礎課程，與本學期同時學習的還有“生物化學”。為適應生命科學的發展和對生物學人才的培養，我們按照“強化基礎、突出重點、注重應用、通俗易懂”的原則合理設計安排教學內容[1]。在課堂講授時，我們盡可能把抽象的統計學原理與生命科學的前沿或學生們感興趣的事例進行結合，并引導學生從專業知識的角度對統計分析的結果做出科學的判斷和合理的解釋，這樣一方面使學生感受到生物統計學與生命科學的各專業都是緊密聯系的，另一方面學到的統計分析方法和試驗設計原則也可以指導學生后續專業課程的學習。

作為應用性極強的課程，我們在課堂授課時一般不過多討論數學原理，而主要偏重于統計原理的介紹和具體分析方法的應用。在有限的課堂教學時數內，對涉及到的數理統計知識多是“拿來主義”，對于一些公式，通常只進行概念上的介紹和公式上的簡單推導，對有些較復雜的統計公式則只給出公式，并不要求學生掌握具體的推算過程，其目的是讓學生對統計學原理和統計分析方法有較全面的了解。在章節內容上，根據具體情況進行適當刪減，做到重點突出、主次分明。比如講授方差分析一章時，以單因素數據資料的分析為例，重點介紹方差分析的基本原理、數學模型和分析步驟，對于二因素數據資料的分析則啟發學生根據其基本原理和數學模型進行推理，多因素數據資料的方差分析則只介紹基本原理，其目的是培養學生對所學理論知識的應用能力，實現以素質教育為基礎，以能力培養為本位的教學理念。

2.靈活運用多種教學方法。在教學過程中，我們根據教學內容，采用多種教學方法并重，對學生“授之以漁”而不是“授之以魚”[3]，充分調動學生學習的積極性和主動性，使教學相融。

問題導入法。在課堂講授時，我們注重問題的創設。提供氛圍，啟發學生發現問題并思考如何解決問題[4]，使學生成為學習的主人，教師則成為學生的協作者。例如，在方差分析一章講述時，以單因素數據資料為例[1]，讓學生思考如何進行多組平均數之間的比較。有的學生會提出，可以采用之前學習過的兩個樣本平均數假設檢驗的分析方法對多組數據進行兩兩的比較，而這又引發了一些新的問題。如何解決這些問題呢？這時，我們引導啟發學生將所有的數據資料作為一個整體來考慮，將數據的總變異按照其變異來源剖分成處理引發的變異（組間變異）和試驗誤差引發的變異（組內變異），并利用反映變異特性的方差這一統計量來表示組間變異和組內變異的大小，進而采用檢驗對其二者的差異進行顯著性檢驗，由此和學生共同推導出方差分析的基本思想和分析步驟。這樣，既讓學生理解了方差分析的原理和應用，也培養了學生分析問題和解決問題的能力。

對比法。“生物統計學”中有很多概念都是成對出現的，其相應的公式也有著許多形式上的共同點，這就為我們進行對比法講解提供了很好的素材。例如標準差與標準誤、直線回歸系數與直線相關系數、樣本平均數假設檢驗的檢驗及檢驗等[1]。對比法講授，既可以幫助學生記憶公式，也便于學生更好地理解公式的含義和具體應用，做到舉一反三。

演繹法。“生物統計學”中有很多公式是前后聯系的，存在公式的變形，運用演繹法教學可以讓學生更好地理解公式的來源和內涵。例如變量的標準化公式，對于服從正態分布的變量進行標準化轉換的公式（u=■）是核心，在理解這個公式含義的基礎上，對于各統計數（平均數、平均數差數、頻率、頻率差數、成對數據差數等）進行標準化轉換的公式自然也就推導出來了，從而避免了對這些公式的死記硬背。

板書與多媒體課件并行。隨著電子技術、計算機技術和網絡技術的發展，在教學實踐中多采用多媒體課件進行授課。多體媒體課件集文字、公式編輯、圖形、色彩、動畫于一體，既可以插入圖片和例證，也可以實現公式推導的逐步展現，圖文并茂，色彩豐富，省去了板書所占的時間，可以在有限的課堂教學時間內增加教學內容，增強師生之間的互動[4]。同時，傳統的板書不能完全放棄，在講授過程中，適時穿插板書內容，可以幫助學生更好地聯系已學知識。因此，在教學過程中，我們以多媒體教學為主，板書為輔，注重將這兩種教學方法進行有機的結合。

3.加強實驗教學，注重理論與實踐的結合。“生物統計學”是一門應用學科。我們在理論教學的同時，安排了18個學時的實驗課，主要目的是讓學生將課堂理論知識加以應用并學會常用統計學軟件的使用。生物統計學實驗課在生命科學學院信息學實驗室利用電子教室系統進行，教師在主控機上邊講解邊操作，學生可以在自己的計算機上觀察到具體的執行過程，之后可以自己進行相應的操作，然后以電子文檔的形式提交實驗課作業。通過實驗課教學，一方面使理論知識密切聯系實踐，真正提高了學生的應用能力；另一方面增強了學生的興趣，在實驗課中學生不僅鞏固了統計分析知識，而且利用計算機來分析數據也為相關專業課實驗數據的分析奠定了基礎。在運用計算機統計軟件進行數據分析時，學生們也深刻意識到，盡管統計學軟件功能強大，但必須對相關的統計學知識有一定的認知和理解，才能更好地使用這些軟件，由此也進一步激發了學生課堂學習的動力。

4.課程資源的立體化建設。在教學過程中，我們注重加強課程資源的立體化建設。以教材為中心，我們編寫了與科學出版社《生物統計學》（第四版）配套的《生物統計學學習指導》，對每一章的內容都配套了目的要求、內容提要、難點評析、例題解析、習題解答和自我測驗[5]，以供學生在課下進行學習和知識的擴充。同時，“生物統計學”是河南師范大學校級網絡課程，學生可以通過瀏覽網頁進行課程內容學習。在網絡課程中，每章均示出了重點、難點，便于學生自學或復習掌握；同時，網絡課程中豐富生動的圖表資料及實例分析也有助于學生對知識點的理解。

5.考核采用筆試和實驗相結合。“生物統計學”的考核成績由期終閉卷筆試成績（占總成績的80%）和實驗課成績（占總成績的20%）兩部分組成。其中，閉卷考試內容偏重實用性、基礎性，避開需死記硬背、理論性強而無實際用途的題目和偏題怪題，并且盡量減少需要進行計算的工作量，目的是考核學生對已學內容的掌握和應用。實驗課則重點考查學生知識應用和解決實際問題的能力。這種考核方式，一方面激發了學生學習的積極性與主動性，擺脫了學生死記硬背的單純應試模式，另一方面也強調了學生解決實際問題的能力，有助于提高學生綜合運用知識的能力。

四、小結

“生物統計學”是一門理論性和實用性都很強的學科，是現代生物學研究不可缺少的工具。在教學過程中，我們注重培養學生樹立統計學觀念，掌握如何運用統計學原理科學設計試驗，正確應用統計分析方法分析數據資料，培養學生統計學推理思維能力，并能用專業知識對推斷結果加以闡釋。在教學過程中，我們強調以教師為主導，以學生為主體，充分調動學生學習的主動性和積極性，在培養學生扎實理論基礎知識的同時，更注重實踐教學，積極引導學生去發現問題、分析問題、解決問題，切實培養學生的應用能力。

參考文獻：

[1]李春喜，邵云，姜麗娜.生物統計學（第四版）[M].北京：科學出版社，2008.

[2]張恩盈，宋希云.提高《生物統計學》課堂教學效果的探索[J].農業網絡信息，2011，（8）：131-133.

[3]石培春，龔江，李春艷.“生物統計”課程教學探索和思考[J].中國電力教育，2012，（10）：103-104.

[4]孫敏，陳艷紅.啟發式教學思路在CAI軟件中如何體現[J].中國電化教育，2002，（6）：51-52.

篇(4)

《統計學》是財經院校經濟類各專業的專業基礎課，本課程的設置旨在培養學生對統計學的基本理論和基本方法的掌握，為相關專業課程的學習提供定性和定量的統計分析方法。

《統計學》是研究社會經濟現象總體的數量表現和數量關系的方法論科學。

通過本課程的學習，使學生明確統計這個認識工具的特點、作用;掌握統計學的各種基本概念、基本原理和基本方法，尤其是各種定量分析的方法和技能，提高學生對社會經濟現象數量研究時分析問題和解決問題的能力。

為更好地掌握《統計學》課程，除課堂教學應有的54課時外，要求學生做到課前預習、課后總結，重視本課程作業練習這一環節，以實現本課程的既定目標。

二、課程的教學目標及總的教學要求、重點、難點

教學目標及總的要求:

社會經濟統計學是研究社會經濟現象總體的數量表現和數量關系的方法論科學。

通過學習本課程，要求學生明確統計這個認識工具的特點、作用;掌握統計學的各種基本概念、基本原理和基本方法，尤其是各種定量分析的方法和技能，提高學生在對社會經濟現象進行研究時的分析問題和解決問題的能力。

同時，為進一步學習各專業課程提供定性和定量分析的方法。

教學的重點：

統計學中的基本概念：統計總體、總體單位、標志、變量、統計指標和指標體系及其相互之間的區別和聯系。

統計調查的意義，統計調查的分類。

統計調查方案的內容，調查對象、調查單位、填報單位和調查表、調查時間等概念。

統計報表制度的意義、作用和內容。

各種專門調查的概念、特點和作用。

統計整理的意義、步驟。

統計分組的概念、作用和形式。

分配數列的概念和種類。

分配數列中的名詞概念，尤其是組中值的計算。

統計表的作用、結構和種類。

統計表的編制原則

總量指標的概念和作用。

總量指標的分類，尤其是時期指標與時點指標的區別。

相對指標的概念和作用及其表現形式。

各種相對指標的意義和計算方法。

正確運用相對指標的原則。

平均指標的概念和作用。

算術平均數、調和平均數、幾何平均數、眾數、中位數的意義和計算方法，注意算術平均數與強度相對指標的區別。

標志變異指標的意義和作用，各種標志變異指標的計算方法及特點，尤其是標準差的計算方法。

正確應用平均指標的原則。

動態數列的概念和作用。

動態數列的種類。

動態數列的編制原則。

各種動態水平分析指標和動態速度分析指標的意義和計算方法，這些指標相互之間的關系，如逐期增長量與累計增長量的關系、發展速度與增長速度的關系、環比發展速度與定基發展速度的關系、發展速度與平均發展速度的關系等。

序時平均數與一般平均數的異同點。

平均發展速度兩種計算方法的側重點。

動態數列的四種變動形態。

幾種常用的測定長期趨勢的方法：間隔擴大法、移動平均法，尤其是用最小平方法配合動態趨勢方程。

季節變動的測定方法。

指數的概念、作用和種類。

綜合指數的編制原理，數量指標指數、質量指標指數的計算。

平均數指數的編制原理，加權算術平均數指數、加權調和平均數指數的計算。

平均數指數與綜合指數的關系，以及平均數指數在實際工作中的應用。

平均指標指數的編制和分析方法。

指數體系的概念和作用。

運用指數體系進行因素分析，以及根據指數體系進行指數間的推算。

抽樣推斷的概念、特點和作用。

抽樣推斷的基本概念。

抽樣推斷的理論依據。

抽樣誤差的概念和抽樣平均誤差的意義，抽樣平均誤差的計算方法。

抽樣極限誤差的意義及計算。

概率度的意義及其與抽樣推斷可靠程度的關系。

區間估計的方法與步驟。

抽樣方案設計的內容以及抽樣方案設計的原則。

主要的抽樣調查組織形式。

簡單隨機抽樣條件下必要抽樣單位數目的確定。

相關關系的概念和種類，現象之間相互聯系的兩種類型：函數關系、相關關系。

相關關系的特點。

相關關系的測定方法，相關系數的概念、計算方法和性質。

回歸分析的概念和一元線性回歸分析的特點、方法。

相關系數與回歸系數之間的數量關系。

估計標準誤差的意義及計算方法。

相關系數與估計標準誤差之間的數量關系。

國民經濟統計核算的概念及國民經濟核算體系的內容。

國民經濟核算中三大產值指標的核算方法以及國內生產總值的三種核算方法。

國民經濟統計核算中的五大平衡表及四大賬戶體系。

教學難點：

統計學中的基本概念。

調查單位與填報單位的區別。

普查、抽樣調查、重點調查、典型調查的區別。

總量指標和相對指標的分類，相對指標的計算方法。

各種平均指標的應用條件及計算方法。

標志變異指標的意義及計算方法。

各種動態分析指標的意義和計算方法，以及指標之間的關系。

數量指標指數與質量指標指數的區分和編制。

算術平均數指數與調和平均數指數的區分和編制。

因素分析法。

抽抽樣誤差、抽樣平均誤差、抽樣極限誤差、概率度的意義。

概率度與概率的關系。

區間估計。

必要抽樣單位數目的確定。

相關關系的種類。

相關系數的計算方法。

一元線性回歸方程的建立及其與直線趨勢方程的區別。

估計標準誤差的意義及計算方法。

篇(5)

地質統計學理論和應用近幾年取得了很大的進展，其中最重要的發展是隨機建模技術.盡管建模中轉向帶法(TurningBand)在18年前就有人提出，但在當時并沒有對隨機建模引起重視.原因之一是人們對建模的意義和重要性認識不足;再則是由于早期的方法存在很多問題.因此該方法的改進進行得非常緩慢.直到80年代初，把建模概念應用到油藏描述中的非均質性研究后，才有了很大的發展.隨機建模是在研究區域內人工合成多個、等概率的高精度地質模型（用地質統計學的術語叫作“實現”)|3].多個模型是與確定建模相對的，它反映出由于地質資料不足，而存在的多解性和不確定性.在每一個模型上都出現的現象則是可靠的、確定性的現象，在各個模型中時而出現又時而消失的現象則是不確定的現象.等概率是指模型的數據分布與原始數據的分布或理論分布是一樣的.隨機建模與各種克里格方法的區別在于，克里格方法[1]是從已知資料出發來獲取未采樣區局部的最佳估計，它只考慮局部信息，而不考慮原始或產生的數據的空間分布特性;在隨機建模中強調的是模擬值與原始數據和理論分布全局特性，而不是局部精度.另外.對給定的局部信息和統計量來說，克里格方法給出的是單個的數字模型，而隨機建模給出的是多個可選的數字模型.目前新出現的隨機建模方法很多，根據所采用的方法，可將隨機建模歸納為四種:布爾隨機點法、與高斯分布有關的方法、指示模擬方法以及退火方法(SimulatedAnnealing).各種不同的模擬方法把已知信息的整體統計量和分布特征體現在所建立的模型中.例如，在布爾類型方法的建模中，可使所模擬的幾何形態符合地質體的特征形態；與高斯有關的建模方法可以使所模擬的連續類型的變量值的協方差忠實于原來數據的協方差模型.如果在建模過程中把上述類型的方法混合使用，則可產生反映原始數據多個方面特征的數字模型，從而為建立反映油藏各種特征的模型提供了定量方法.

另外，地質統計學在克里格方法的基礎上也有了很大的突破.克里格方法的主要特點是BLUE，即最佳線型無偏估計方法.目前除了常用的簡單克里格方法、普通克里格以及泛克里格方法外，還出現了協克里格(Cokriging)、析取克里格(DisjunctiveKriging)、指示克里格(In-dicatorkriging)、指示主成分克里格（Indicatorprinciplecomponentkriging)、同位克里格(Colocatedkriging)、模糊克里格方法(Fuzzykriging).這些方法都是針對不同的資料來源、精度和特征而設計的，因此為解決油藏參數分析和預測中的問題提供了廣泛的途徑.

2地質統計學在油藏參數分析中的應用

油藏參數分析主要是研究油藏參數以及參數之間的變化規律.油藏描述中大多數參數與空間位置密切相關，它們的變化既具有結構性又具有隨機性.地質統計學中主要的分析工具是半變異函數，其表達形式為

式中，rG)為半變異函數，它是距離矢量K的函數;為分析數據中相距為矢量^的變量的樣品配對的數目，即{;c(m)，_t(m+S)}的數目.如果/i取一定的方向，且從0變化到某一值，那么就可以求得一系列的r(X)?Z的值.把它們繪制在一張圖上，則可得到與該方向相對應的變異函數圖（如附圖）.變異函數特征一般由三個參數念m確定：變程a(又稱變量相互影響的范圍）、塊金效應C。和基臺值.其中，變程大小反映了變量相關距離的大小.當時，則r(K)趨于某個極限值此時的值稱變胃為基臺值.變異函數分析是進行克里格計算和隨機建模的起點和基礎，它為克里格估計提供準確的模型.

2. 1各向異性研究

由于變異函數是向量Z的函數，因此通過不同方向的K的變異函數和變異圖分析，可以了解到油藏參數沿不同方向的變化情況.如果各個方向的變異函數相同，則可以認為該參數在空間上是各向同性的，否則為各向異性侯景懦把不同方向的變異函數作成等值線圖以反映礦體的非均質情況[‘].孫洪泉根據等值線的形狀還將礦體進行分類⑴，他認為如果等值線為圓形則為各向同性；如果為橢圓則為幾何各向異性；凡不能通過坐標的線型變換轉換為各向同性的各向異性則為帶狀各向異性在考慮形狀的同時考慮結構變化的范圍，還可以將非均質性進一步細分，這一方法同樣適合油藏各向異性的分析.

2.2反映油蔵參數變化綜合指標的構造

由于綜合指標反映了變量影響范圍，又反映了變量變化的幅度，因此可以根據這一點來構造反映參數變化快慢的綜合性指標如:只=02乙2/0^/?_4+^2)，式中，a為變程;L為參數所在空間的長度;AT為數據的均值;C為變異函數的基臺值就是一個既能反映參數沿某一方向變化的速度，又能反映參數沿該方向的變化幅度，還能反映參數變化的空間異向性的綜合指標它比通常所用到的統計參數具有明顯的優點：（1)H是在充分考慮參數在空間不同方向上的變化幅度和變化速度的基礎上構造出來的，從而反映了參數空間變化的異向性.（2)H嚴格在[0，1]之間變化，因而可用百分數表示，便于對比和分類.

2.3沉積相變化的研究方法

用變異函數來研究沉積相，首先要確定各類砂體在空間的變化特征，如：河道砂體與溝道砂體的形狀為長條形，沿流水方向參數變化幅度小，變化速度慢，變異函數圖中變程較大;而垂直水流方向則相反當然這種分析還必須根據其它地質證據才能作出正確的沉積相分析，但它提供了另一條尋找沉積相判斷證據的途徑

除了變異函數外，Deutsch和Joumel還歸納了其它種類的地質統計學分析工具，如互變異函數、協方差函數、相關函數、對數變異函數、平方根變異函數、絕對值變異函數以及指示變異函數等.其中任一個函數都可用來推斷油藏參數的空間變化性，而且各種方法都有優缺點，應視不同的情況選擇最合適的分析方法.

3地質統計學在參數預測中的應用

地質統計學作為一種blue插值方法，早已在礦產品位估計和儲量計算、計算機地質制圖中網格節點值的估算中得到廣泛應用.油藏描述中的參數預測，就是利用現有的各種精度、各種尺度和各種類型的數據和信息對空間上某一點或某一區塊的參數值進行估計和推斷.Journel和Alabert把油藏描述中的數據分為兩類[6]:—類是可靠的或叫做硬數據（Harddata);另一類是模糊的或者精度不高的軟數據(Softdata).前者如取心資料、測井資料（包括生產測井〉等;后者如地震資料、物化探資料、地質家和采油工程師的推測和解釋預測的關鍵就在于定量化地綜合這些信息，并且描述預測的可靠性.Doyen用協克里格方法把不同精度的取心資料和地震旅行時的信息結合起來對孔隙度分布進行估計和預測，并把預測的結果與通常所用的地震輔助的孔隙度計算結果進行對比結果表明，用協克里格預測的孔隙度均方根誤差要比用二乘法要小50%.他又把該方法用于阿爾伯達油藏描述.結果表明，用協克里格方法要比通常的線性回歸精度要高20%[7].Doyen的主要貢獻在于把不同精度的信息用定量的數學表達式對某一地質現象進行研究，真正達到了數據的綜合.Journel提出了一種非參數估計的克里格方法即指示克里格方法(Indicatorkrigmg)18-01.盡管對這種方法有很多爭議，但這種方法卻能對綜合的各種信息進行預測，并給出預測精度

假設要估計的變量為Z，對Z的任何估計Z'很可能帶有誤差.對Z進行多次觀測得到一系列的觀測值乙，）=1，2，3，…，TV.只要這一系列觀測的條件保持不變，那么這幾個測值就可以用于建立預測Z的不確定性模型如待估值Z小于或等于某一值2。的概率就可以用Z,<Z0的個數與N的比值來近似.變量2的累積分布函數可寫成:/^2<乙丨（《)}=2,<乙的個數與W的比值，其中j=l，2，3，”*，W.引入指示變換(設截止值為乙）：

那么不確定程度就可用下式來表示：F(ZJ(n))在[0,1]區間變化，它是截止值乙和現有信息的函數上式的F(ZJU))模型所用的是對指示數據/(乙，Z,)等概率加權（1/?),也可用不等權公式：式中，七…=i.有了累積分布函數可以求預測值落入某個區間的概率大小，即Pize

    以上只考慮了對某個變量的重復觀測情況，如果考慮在不同位置處對同一變量進行一次觀測時，即用不同位置處的值2(力），_/_=1，2，3，“‘，_^來預測未知點工處的值2(1)時，并且現有信息有硬數據和軟數據時，就必須要用軟克里格方法(指示克里格別稱).在油藏描述中，一般硬數據較少，而且都有一定的精度分布范圍，即2(力）€[>(4)，6(而)]，如孔隙度只能在[0，0.3]之間變化對一待預測點，指示信息可被看成一列k個指示值的集合，每個指示值對應于走個截止值中的一個在沒有其它信息的情況下，只能知道區間外的信息，而對區間內的信息一無所知：對硬信息來說，Z(x,)=a(:r,)=6(:r,).如果知道Z的分布，那么指示值就可以在[0，1]之間取值，而不僅僅為0或1.

另外，還可以用以下公式考慮多種信息以獲取對某一值Z的預測：

式中，[/(U]為估計或預測值.j是為使在[0，1]之間取值的變換，而r(x,)e[l，W]是按已知值逐漸增加順序排列的順序值.這種方程就是協克里格方程這里2?個加權值a,(Z，:c)和6/Z，x)可通過解協克里格方程求得.目前在指示克里格基礎上又發展了指示主成分克里格方法和馬爾科夫-貝葉斯方法[11’12].Bardoss等又提出了一種新的模糊克里格方法，用于非確定數據的分析和參數預測[13].這些方法目前還在試用階段，一旦成熟，必將會給油藏描述中數據預測提供更合理的方法.

4地質統計學在描述儲層非均質性中的應用

儲層非均質性是影響石油采收率的主要因素.儲層中流體的分布與運動完全受不同規模的儲層非均質影響.因此對非均質的研究始終是油藏描述中的一個難題.傳統參數預測方法(包括克里格方法）對參數起到一種平滑作用，不能反映參數的變化性而在油藏開發中，儲層參數的變化性極為重要，如滲透率的極大或極小對油田開發設計和方案調整極為重要，必須有一種能保持這些奇異性的方法Journel和Alabert研究出一種順序指示建模法.他們首先對0.3mX0.3m的砂巖切面密集取樣測得滲透率值，再從1600個取樣點隨機取10個點，然后借助于1600個點的變異函數模型，再用順序指示模擬方法對10個點進行建模，并把模擬結果與原始的和用克里格方法產生的模型進行比較.結果表明，順序指示模型方法確實能反映儲層的非均質性其中一個關鍵工作是變異函數模型選擇，有人也借助于與研究對象相似的露頭或研究成熟區的成果，從而達到反映非均質性的目的.

Suro-perez.V.等用隨機建模法分析了儲層非均質性對油藏動態預測的影響.整個研究分兩步進行.首先.對大的地質特征如沉積相、巖相進行研究，建立了儲層框架;然后再對每個巖相中流動特征進行研究；最后把這兩步研究結合起來產生各種隨機模型，把隨機模型輸入油藏數值模擬中.研究非均質性是如何影響生產動態的.整個研究方法是指示主成分克里格和順序建模方法.Dentsh和Journel認為，在隨機模擬中人們的愿望是生產的模型越多越好，

但在工程上往往只要求保留其中一個或幾個模型.因為油藏數值模擬不可能把所有模型都輸入計算機中進行運算.因此他們又制定出選擇模型的方法和原則.應該指出的是，沒有一個隨機建模方法能同時忠實于現有的所有類型的信息.某些方法很適合于離散型或類型型變量，如巖相、巖石類型，其它的方法則適合于孔隙度、含油飽和度和滲透率等連續性類型信息的研究.但象生產資料和測試資料有時很難綜合在油藏模型中.為解決這些問題,Journel等把模擬退火的方法引入隨機建模中.退火方法來自熱動力學，即液體冷卻結晶或金屬冷卻和退火過程，它的理論基礎是波次曼概率分布尸{￡}?eXp(它表示了在溫度為：T時熱平衡系統的能量概率地分布于所有不同的能量狀態￡之中，為波次曼系統.從能量^跳到E2狀態的概率為：

如果￡2小于，那么系統將總在變化，而且總想保持能量最低.任何類似于這一優化過程的方法叫做模擬退火法.這種方法已被廣泛地用于神經網絡理論和應用之中.用于隨機建模的目的是通過對初步建立的模型進行附合某種約束條件的修改，即初步模型的組分優化達到使模型忠實于更多現有數據和信息.因此，用模擬退火方法一般分兩步進行：（1)用任何建模方法生成初始模型；（2)對初始模型進行退火模擬.Farmeer首先用這一方法合成了巖石類型的數字模型[18〕，CUyt0n和Journel把這一方法與用其它方法的計算結果進行比較.結果表明，退火方法比其它幾種都好，但計算時間較長.

目前又出現一種把地質統計學與分形幾何相結合描述油藏非均質性的方法其中Hewett首先把分形幾何學的概念用于油藏描述，他認為儲層參數的變化具有分形特征.因此利用分紅布朗運動d)概念來描述參數橫向變化特征，建立儲層非均質模型.目前這些方法還在探討階段.

篇(6)

關鍵詞：湖北省;農區;土壤養分;空間變異。

中圖分類號：S158.3 文獻標識碼：A 文章編號：0439-8114（2014）23-5683-05

DOI：10.14088/ki.issn0439-8114.2014.23.017

土壤肥力作為土壤質量狀況的一個重要指征，是維持土壤生產力、保障動植物健康的重要因素。土壤肥力受母質[1，2]、地形[3]、氣候等自然因素和耕種、施肥、灌溉等人類活動[4，5]的影響，一直處于動態的變化之中，了解掌握土壤肥力及其演變規律，已成為農業可持續發展的研究熱點[6，7]。但在一定的區域范圍內，由于氣候、耕作管理等比較一致，土壤特性的空間變異將趨于緩和，由母質引起的空間變異會逐步減小[8]。

地統計學（Geostatistics）[9-11]是基于20世紀50年代礦藏勘察中使用的空間估值方法，由法國統計學家Matheron總結提出的區域化變量估算理論。20世紀80年代以來，利用地統計學方法來研究土壤特性及空間變異，已成為土壤科學研究的熱點[12，13]。本研究采用地統計學方法，研究湖北省主要農區耕地土壤養分狀況及空間變異特征。

1 材料與方法

1.1 調查地域的確定

湖北省的江漢平原、鄂中丘陵和鄂北地區等幾個區域為湖北省糧棉油重要產區，其面積占湖北省耕地總面積的70%左右，選擇上述3個區域作為全省主要農區開展調查研究，其中江漢平原以潛江市作為代表，鄂中丘陵以荊門市掇刀區和東寶區作為代表，鄂北地區以棗陽市和宜城市作為代表。

1.2 樣品取樣與測試

土壤樣品的采集依據國家測土配方施肥項目的要求進行。樣品的采集需考慮耕作特性、種植作物、輪作制度、施肥習慣、土壤類型、水分狀況等因素，力求具有代表性，每樣點代表面積平原為6.7～13.3 hm2，丘陵為2.0～5.3 hm2。

土壤樣品采用以下方法分析：pH測定采用水土比5∶1、pH計法，有機質測定用重鉻酸鉀容量法，全N測定采用凱式消煮法，全P測定采用堿溶-鉬銻抗比色法，全K測定采用堿溶-火焰光度計測定法，堿解N測定采用堿解擴散-半微量滴定法，速效P測定采用碳酸氫鈉提取-鉬銻抗比色法，速效K測定采用乙酸銨提取-火焰光度計法，有效Fe、Mn、Cu、Zn、B測定采用DTPA混合提取劑提取-原子吸收分光光度法[14]。

1.3 數據處理

數據統計處理采用SPSS 13.0軟件和Excel 2003進行處理。

2 結果與分析

2.1 土壤常規養分的空間變異

對當前湖北省主要農區土壤養分狀況采用地統計學的方法進行描述性統計，統計分析結果見表1。統計中，為了解各土壤養分含量的偏移程度，引用了偏移度P的概念[15-17]，其是指中值偏斜程度，用百分數表示。即：

P=（V-M）/V×100%，式中，V為平均值，M為中值。

P值以5%為臨界值，大于5%為偏斜，小于5%為不偏斜。

統計結果（表1）表明，土壤pH、OM（有機質）、全N、全P、全K和堿解N為不偏斜養分，速效P、速效K為偏斜養分。但各區域的表現并不完全一致，江漢平原的pH、全N、全P、堿解N為不偏斜養分，OM、全K、速效P、速效K為偏斜養分。鄂中丘陵pH、有機質、全N、全K、堿解N為不偏斜養分，全P、速效P、速效K為偏斜養分。鄂北地區pH、有機質、全N、全K、堿解N、速效K為不偏斜養分，而全P、速效P為偏斜養分。

當某一土壤養分含量的分布服從正態分布時，中值即等于平均值。從偏移養分的矢量及絕對值上看，絕大部分偏移的養分均為負偏斜，即平均值大于中值，平均值是中值的1.1～1.5倍，表明絕大部分養分指標偏移并不十分明顯。但速效P的偏移較明顯，尤其是江漢平原和鄂北地區，偏移在15%以上。

各土壤養分含量中，按變異強度劃分[18]，pH、OM、全N、全P，全K、堿解N、速效P、速效K均為低或中等變異養分，其中以速效P變異最大，最大值是最小值的417倍。同時三大農區差別也各不相同，江漢平原也是除pH為變異養分外，其他如OM、全N、全P，全K、堿解N、速效P、速效K均為低或中等變異養分，其中以速效P變異最大;鄂中丘陵pH、OM、全N、全P、全K、堿解N、速效P、速效K均為低或中等變異養分，其中以全P變異最大;鄂北地區則是pH為弱變異養分，OM、全N、全P、全K、堿解N、速效P、速效K均為低或中等變異養分，其中也是速效P變異最大。

綜合全省的結果來看，pH變異中等，變異最大的養分因子是速效P。說明土壤中磷肥易被土壤吸附固定，且不易淋失，具有殘存效應，在不同土壤環境中表現差異很大。這與池富旺等[19]、趙莉敏等[20]的觀點是一致的。

為了解湖北省主要農區土壤養分的豐缺狀況，參考魯劍巍[21]的標準，對能較好反映土壤肥力狀況的OM、全N、堿解N，速效P、速效K等5項指標進行了頻數統計（圖1）。從頻數分布圖上可以看出，pH、OM、全K基本呈正態分布，全N、全P以及速效養分（堿解N、速效P、速效K）都呈非正態分布。

總體上，全省主要農區土壤常規8項養分中，pH、OM為穩定性養分因子，而由于重要的三大肥料元素氮、磷、鉀的影響，土壤速效養分堿解N、速效P、速效K變異均較大，呈非正態分布，表現出明顯的負偏峰分布特征。尤其是速效P、速效K，區域內養分測定值相差很大，最大值是最小值的240～4 167倍，多數樣本的測定值處于平均水平以下。表明速效養分與地域特點、人為耕作活動相關，尤其是施肥習慣，但仍需進一步研究。

圖1結果還表明，有89.4%點位的土壤有機質處于中等或豐富狀況，97.3%的土壤全N處于中等或豐富狀況，但堿解N則僅48.9%處于中等或豐富狀況，缺乏的比例占51.1%;速效P有44.4%處于中等或豐富狀況，缺乏的比例占55.6%;速效鉀有64.4%處于中等或豐富狀況，缺乏的比例占35.6%。說明湖北省主要農區土壤有機質和全氮還是較為豐富的，但超過50%的田塊堿解N和速效P處于缺乏的狀態，速效鉀缺乏、中等和豐富的比例各約占1/3。

2.2 土壤微量元素的空間變異特征

采用地統計學的方法，對湖北省主要農區土壤中主要微量元素的含量進行描述性統計，統計分析結果見表2。

統計分析結果表明，有效Fe、Mn、Cu、Zn、B均為偏斜養分。但各區域的表現并不完全一致，江漢平原的有效Fe、Cu、Zn為不偏斜養分，有效Mn、B為偏斜養分，鄂中丘陵有效Fe、Mn、Cu、Zn、B均為偏斜養分。鄂北崗地有效Mn、B為不偏斜養分，而有效Fe、Cu、Zn為偏斜養分。

從偏移養分的矢量上看，絕大部分呈偏移的養分均為負偏斜，即平均值大于中值，江漢平原鄂北地區各養分偏移并不十分明顯，但鄂中丘陵的有效Fe、Mn、Zn偏移較明顯。

各土壤微量元素養分含量中，變異系數均較大，有效Fe、Mn、Cu、Zn、B均為中等變異養分，但三大農區間也有差異。江漢平原有效Fe、Mn、Cu、Zn、B為低等變異養分;鄂中丘陵和鄂北地區有效Fe、Mn、Cu、Zn、B均為低或中等變異養分。

從頻率（圖2）上看，有效Cu和有效硼B基本服從正態分布，偏移較小。有效Fe的含量比較集中，有63.3%的樣本含量集中在20～59.9 mg/kg之間;有效Mn和有效Cu的含量基本集中在中等及以上范圍;從變異情況看，有效Mn的變異很大，最大值是最小值的575倍。整體上，有效鐵、有效硼較為缺乏，有效錳和有效銅較為豐富，有效鋅為中等水平。

3 結論

1）當前湖北省主要農區耕地土壤養分狀況，存在較大的空間變異，常規8項養分指標中，pH、有機質、全N、全P、全K、堿解N、速效P、速效K都表明出明顯的空間變異性。整體上，全省土壤pH變異最小，變異最大的是速效P。

2）湖北省主要農區耕地土壤養分中，pH、有機質、全K服從正態分布，速效養分（堿解N、速效P、速效K）都呈非正態分布;土壤常規8項養分指標中，pH、有機質、全K為穩定性養分因子，而土壤速效養分堿解N、速效P、速效K均變異較大，最大值是最小值的240～4 167倍，呈非正態分布。湖北省主要農區土壤有機質和全氮較為豐富，但超過50%的農田堿解N和速效P處于缺乏的狀態。

3）主要微量元素方面，有效鐵、有效錳、有效銅、有效鋅、有效硼均為低、中等變異養分，但各區域的變異表現并不完全一致。全省整體上，有效鐵、有效硼較為缺乏，有效錳和有效銅較為豐富。

參考文獻：

[1] WILD A. The potassium status of soils in the savanna zone of Nigeria[J]. Expl Agric，1971，7：257-270.

[2] TENING A S， OMUETI J A I，TARAWALI G. Potassium status of some selected soils under different land-use systems in the subhumid zone of Nigeria[J]. Commun Soil Sci Plant Anal，1995，26（5-6）：657-672.

[3] OVALLES F A， COLLINS M E. Soil-landscape relationships and soil variability in north central Florida[J]. Soil Sci Soc Amer J，1986，50：401-408.

[4] BECKETT P H T， WEBSTER R. Soil variability： a review[J]. Soils and Fertilizers，1971，34：1-15.

[5] SCOTT H D， MAUROMOUSTAKOS A， HANDAYNI I P， et al. Temporal variability of selected properties of Loessial soil as affected by cropping[J]. Soil Sci Soc Amer J，1994，58：1531-1538.

[6] 劉世梁，傅伯杰，劉國華，等.我國土壤質量及其評價研究的進展[J].土壤通報，2006，37（1）：137-143.

[7] 徐明崗，梁國慶，張夫道.中國土壤肥力演變[M].北京：中國農業科學技術出版社，2006.

[8] 黃紹文，金繼運，楊俐萍，等.縣級區域糧田土壤養分空間變異與分區管理技術研究[J].土壤學報，2003，40（1）：79-88.

[9] JOUMEL A G， HUIJBREGTS C J. Mining geostatistics[M].New York：Academic Press，1978.

[10] 王政權.地統計學及其在生態學中的應用[M].北京：科學出版社，1999.

[11] GOOVAERTS P. Geostatistical tools for characterizing the spatial variability of microbiologica land physico-chemical soil properties[J]. Biol Fertil Soils，1998，27：315-334.

[12] 李亮亮，依艷麗.地統計學在土壤空間變異中的應用[J].土壤通報，2005，36（2）：265-266.

[13] 王宏庭，金繼運，王 斌，等.土壤速效養分空間變異研究[J]。植物營養與肥料學報，2004，10（4）：349-354.

[14] 鮑士旦.土壤農化分析[M].第三版.北京：中國農業出版社，2000.

[15] 賈乃光.數理統計[M].北京：中國林業出版社，1980.

[16] 白由路，金繼運，楊俐萍，等.農田土壤養分變異和施肥推薦[J].植物營養與肥料學報，2001，7（3）：130-133.

[17] 劉冬碧，熊桂云，陳 防，等.湖北省糧食主產區土壤養分的空問變異性研究[J].湖北農業科學，2007，46（6）：904-907.

[18] 雷志棟，楊詩秀，謝森傳.土壤水動力學[M].北京：清華大學出版社，1988.

[19] 池富旺，張培松，茶正早，等.橡膠園土壤養分空間變異特征研究[A].中國土壤學會.土壤科學與社會可持續發展（中）――土壤科學與資源可持續利用[C].北京：中國農業大學出版社，2008.271-275.

篇(7)

［關鍵詞］衛生信息管理醫學統計學教學改革

［作者簡介］周文君（1975-），女，江蘇鹽城人，鹽城衛生職業技術學院衛生信息管理教研室主任，講師，研究方向為公共衛生及衛生信息管理專業教學。（江蘇鹽城224005）孫曉凱（1978-），男，江蘇鹽城人，鹽城市疾病預防與控制中心慢性病科主管醫師，研究方向為慢性非傳染性疾病的預防與控制及衛生統計學教學。（江蘇鹽城224002）

［中圖分類號］G642.0［文獻標識碼］A［文章編號］1004-3985（2009）20-0144-02

現代醫藥衛生科技信息化發展迅速，衛生信息管理科學的發展對衛生信息管理專業人員的素質提出了很高的要求。醫學院校培養的衛生信息管理專業學生需要面向各級衛生行政管理部門、醫院、醫學信息部門、醫學圖書館等部門，從事日常辦公事務處理、病案管理、衛生信息資料、醫學圖書、檔案管理等工作和計算機維護工作。①他們除了需要掌握基礎醫學、臨床醫學等醫藥衛生知識和程序設計、數據庫管理等計算機知識外，還需要具有較好的統計學理論知識，能夠熟練掌握部分統計軟件的使用，以便為各級醫藥衛生機構提供信息和決策依據。為了提高醫學統計學課程質量，培養衛生信息管理專業學生建立統計學觀念，提高動手解決實際問題能力，近年來，鹽城衛生職業技術學院對衛生信息管理專業的醫學統計學的教學方法進行了探索與研究，主要從以下幾個方面著手。

一、根據課程特點明確學習要求

1.課程特點。醫學統計學是一門既有復雜理論知識，又有豐富應用技巧的醫學專業基礎課程。它是科研設計、資料的搜集、整理和分析的靈魂，可應用于居民健康狀況評價、醫療衛生實踐和醫學科研等各個方面，涉及基礎醫學、臨床醫學、預防醫學等多學科領域。醫學統計學內容主要是以醫學理論及其研究內容為載體，應用數理統計學的理論和方法來闡述某個醫學實際問題。②

2.學習要求。醫學生學習醫學統計學，并非要成為醫學統計學的專業人才，其目的在于建立起統計學觀念，學會從不確定性、機遇、風險和推斷的角度去思考醫學問題。對于衛生信息管理專業等非預防醫學專業學生，特別是專科生，醫學統計學的數學原理、公式推導等要求可以更加放寬，重點應放在統計方法的應用上。因此，我們要求學生學習醫學統計學必須要牢固樹立起統計學觀念，如生物性個體變異觀念，各種醫學指標獨特和分類觀念，抽樣誤差不可避免及各種條件下樣本具有不同的誤差觀念，各種研究對象和研究方式含有不同變異的觀念，等等。學習醫學統計學的具體要求是：能夠理解一些基本概念、基本原理；記住一些最基本的公式和界值；重點要掌握統計方法的適用條件、統計結果的解釋；此外還要再加上認真的課后練習和上機實習。

二、系統安排教學重點

1.合理選擇授課章節。目前，各地院校本科、專科生開設的醫學統計學課程課時大多在50～100節課間，要在這有限的課時內講完這么多的內容很不現實，所以各地學校要根據培養目標選擇適當的章節為學生講解。對于非預防醫學專業學生，除了基本的概念、統計描述、概率分布、參數估計、t檢驗、卡方檢驗、非參數檢驗等醫學統計學基礎理論部分外，其他的理論部分，如實驗設計、調查設計、復雜的相關與回歸等章節可以不講，留給有興趣的同學自學，把更多的時間安排在課上討論和實習課的操作上。對于衛生信息管理專業學生的培養目標，除了基本統計學理論外，還應重點加上在日后信息統計工作中會常用到的關于各種率的概念、計算方法的章節。此外，還可以講座的形式為學生介紹一些常用的、比較復雜的統計學方法。

2.明確教學重點。傳統的統計學教學內容包括三個方向：一是基本概念和方法；二是公式的來源、推導和詳細的手工計算步驟；三是統計結果的解釋與分析。③傳統的公式推導雖有利于對統計基本概念的理解，但對非統計專業的醫學生來講，冗長的公式推導已很難理解，更談不上對它的記憶了。因此，對于統計公式，我們要求學生只要了解其直觀意義、用途和應用條件，而不要求掌握其數學推導，教學內容的重點放在統計學基本原理、基本要領和邏輯思維上，而不是統計學方法的計算過程或數學算法的講解上。同時，隨著信息技術的迅速發展，各種數據處理軟件和統計軟件唾手可得，統計學計算也很容易實現，相反，統計學基本知識和基本原理的教學更顯迫切。我們的教學重點是培養學生解決實際問題的能力，讓學生對已有資料能夠找到適合的統計方法，結合本專業知識解釋統計結果。為此我們調整了一些教學內容，注重統計學基礎、統計學思維、統計學操作能力的培養，同時利用優秀的統計軟件，簡化統計計算過程，強調統計方法的選擇與報告信息的提取。例如，目前醫學上常用的假設檢驗方法有十余種。我們要教會學生能夠根據研究目的、資料類型選擇最適宜的統計方法，如計量資料常用t檢驗、方差分析等方法；計數資料常用卡方檢驗；等級資料可用秩和檢驗等，同時還要注意各種檢驗方法的應用條件。

三、注重例題的練習

1.從例題入手，提高學生的認識。醫學統計學的學習以理解為主，而一般醫學院校的學生對數學的接觸很少，因此，對于醫學統計學這門課程，很多學生往往存在一種恐懼心理。為消除這種心理，使學生對之感興趣，從實例入手是非常重要的。在理論教學課上講授某個概念或方法之前先舉個例子或提出問題，讓學生給出自己的看法和解決思路，教師適當加以引導和啟發，在解決這些問題的同時，再將統計學基本概念、基本原理和基本方法融入其中。這里提到的實例，可以是教材中現有的例題或練習題，可以是統計咨詢中碰到的實際問題，或醫學期刊論著中的一些實例，也可以是日常生活中的某一現象。學生的思維經過這樣一個由感性到理性，由具體到抽象的認識過程，減輕了接受抽象概念和方法的難度，加深了對書本內容的理解，還調動了他們學習的積極性，對提高教學效果大有幫助。此外，大量例題的講解和練習還有利于提高學生日后解決實際問題的能力。由于畢業后從事不同的工作崗位，對于大部分人來說，很多統計方法往往因用不到而不會使用，等實際工作中碰到時候便無從下手，這時他們便可查閱以往教材、參考書上的例題，與實際工作中的材料進行對比來獲得合適的統計方法。

2.進行案例討論，加深對常見錯誤的認識。統計方法的選擇重點在于要根據設計類型、資料類型及分析目的選用適當的檢驗方法和檢驗統計量。我們在講授各種檢驗方法時，不但重點強調各種方法的應用條件，還舉出具體誤用例子加以討論，將常被誤用的方法列舉出來，供學生辨析，從反面吸取經驗教訓。比如常見誤用有：配對t檢驗誤用為成組t檢驗；多組均數比較應用方差分析及q檢驗誤用為t檢驗；配對設計卡方檢驗誤用為成組卡方檢驗；多個率比較應用行×列表卡方檢驗誤用為四格表；應該用確切計算概率法誤用為四格表卡方檢驗；等等。新版的“衛生統計學”教材每章都增加了“案例討論”部分，教師減少了習題課時間，充分利用這些案例，給學生足夠時間進行課堂討論。案例討論在不偏離主題的前提下，調動了每一個同學的積極性，又能及時發現問題，解決問題，培養學生的綜合應用能力，為今后的實際應用打下堅實基礎，很受學生的歡迎。

四、使用統計軟件提高教學質量

1.選擇SPSS軟件作為教學軟件。計算機和軟件技術的飛速發展避免了在醫學統計工作中煩瑣的計算過程和記憶復雜的計算公式，使得醫學統計學的應用越來越易于實現。衛生信息管理專業學生之前接受過計算機基本知識的培訓，很容易掌握軟件的操作，因此開設統計軟件實習課顯得尤為必要。目前，國內外的統計軟件眾多，根據學生的實際情況，從針對性、實用性的觀點出發，我們選擇了功能強大且易于掌握的SPSS軟件作為醫學統計學實習課的教學軟件。SPSS是目前國際上最流行的、具有權威性的統計分析軟件之一，它操作簡單，無須編程，易學易用，可以直接讀取Excle等數據文件，分析結果清晰、直觀，可以直接復制到Word文檔中，為學生使用帶來極大的方便。④

2.精心安排實習課內容。實習課我們要求學生在計算機上學會應用該軟件，能夠在學習之后應用該軟件獨立完成實際資料的統計分析等工作。具體做法是，首先由實習教師對本節課的內容進行講解，并在主機動態演示SPSS軟件的操作過程，解釋結果，然后讓學生應用SPSS軟件獨立完成書本上或教師精心篩選的習題，并要求學生看懂計算機輸出的結果，同時能對資料進行解釋。我們重點讓學生掌握的是一些基本操作（包括數據的輸入和整理、變量的設置、轉換等）、主要統計分析過程（包括描述性統計、t檢驗、方差分析、卡方檢驗、線性回歸和相關分析、非參數檢驗）和基本統計圖等內容，同時要求學生能理解輸出的結果，合理解釋統計結論中重點指標的含義。

3.避免盲目使用統計軟件。統計方法選擇的正確與否依賴于使用者對資料的了解程度與統計分析方法的掌握程度。而SPSS軟件只是一種工具，它無法對統計方法的適應性做出判斷，不能取代分析過程。如果不懂得選用正確的統計方法，而盲目使用計算機和統計軟件，不管是什么研究類型的數據都簡單地交給計算機處理，用計算機取代統計，那么大量的信息和統計數據將得不到有效的利用，勢必造成統計方法的濫用和誤用。另外，學生在課本上看到的是規范化的表格表示出來的資料，很容易選擇適當的方法，而日常工作中往往不是這樣，因此，如果學生對統計方法掌握不好，在實際工作學習中很容易出現濫用統計軟件的情況。所以，我們教學中一再強調不能盲目的使用統計軟件，而是要根據統計學原理選擇合適的統計方法，然后再使用統計軟件進行分析。

五、采用現代化教學手段