统计学分析数据

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇统计学分析数据范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

统计学分析数据范文第1篇

一、激发学生兴趣

美国教育学家布卢姆曾提出：“学习的最大动力，是对学习材料的兴趣。”由于小学生年龄特征和性格爱好的特点，他们会对自己感兴趣的内容拥有极大的研究和学习动力，并且能够在这种动力的驱使下促进自己的能力提升。因此，教师必须抓住小学生的这种特点，充分结合小学生喜闻乐见的生活内容进行课程的导入、设计和教学，使得他们能够在兴趣的激励下实现深入的学习，实现知识的有效掌握。

举例而言，在引入“统计”的课程时，教师可以询问学生：“假期就要到了，电视台打算在这个阶段播一部大家都喜欢看的电视剧，但是因为时间限制，只能从《西游记》《还珠格格》和《武林外传》中选一部播出。大家认为电视台怎样就知道大家喜欢哪部电视剧了呢？”这样的话题可以立即激发小学生的兴趣，并帮助电视台出谋划策。在这个过程中，教师可以适时引入统计的概念，让学生了解统计对于生活的重要性，拥有学习和研究的热情，从而提高学生的学习效率。

二、借助生活经验

由于统计与数据分析的知识在小学数学教学中占据的内容相较于代数、几何而言较少，并且可以利用的素材也不像其他知识那样广泛。因此教师应当积极挖掘相关知识在现实生活中的资源，让学生能够根据自己的生活经验解决问题，实现学习，并发现统计与数据分析在生活中的应用价值。

例如，教师可以引导学生调查平时最喜欢吃的零食和水果，从而确定在新年联欢会之前采购怎样的食物。学生可以根据自己的经验进行调查表的制作，并在调查后进行数据的整理和总结，最终确定采购的食物，这样不仅可以让学生利用统计的结果进行决策的制定，还可以解决身边的现实问题，发现知识的价值，提高学习的热情和效率。

三、创设教学情境

统计与数据分析的知识源于生活，在学习和使用的过程中也要回归生活。然而在学习的过程中，师生不可能将所有的教学活动都放在实际的生活中，这就要求教师创设相应的教学情境。对此，教师可以在应用题和例题的讲解以及知识的传授中充分创设教学情境，让学生在真实的情境中让抽象的知识变得具体、生动，从而降低知识的学习难度，实现学习效率的提升。

比如，在讲解关于“概率”的知识时，教师可以创设这样的情境：购物中心进行有奖活动，买够500元的顾客可以抽奖一次，每天设置一等奖1名、二等奖3名、三等奖6名、纪念奖30名。已知每天满足抽奖条件的顾客为200人，那么每个顾客抽中一等奖的概率是多少，能够中奖的概率是多少。这样的情境让知识变得更加形象、具体，学生在学习的过程中也更容易接受，教师的教学效率能够有效提升。

四、开展多样活动

统计学分析数据范文第2篇

关键词:大数据;统计学;数据分析;抽样理论;理论

重构随着信息科学技术的高速度发展,当代获取和储存数据信息的能力不断增强而成本不断下降,这为大数据的应用提供了必要的技术环境和可能.应用大数据技术的优势愈来愈明显,它的应用能够帮助人类获取真正有价值的数据信息.近年来,专家学者有关大数据技术问题进行了大量的研究工作[1],很多领域也都受到了大数据分析的影响.这个时代将大数据称为未来的石油,它必将对这个时代和未来的社会经济以及科学技术的发展产生深远的意义和影响.目前对于大数据概念,主要是从数据来源和数据的处理工具与处理难度方面考虑,但国内外专家学者各有各的观点,并没有给出一致的精确定义.麦肯锡全球数据分析研究所指出大数据是数据集的大小超越了典型数据库工具集合、存储、管理和分析能力的数据集,大数据被Gartner定义为极端信息管理和处理一个或多个维度的传统信息技术问题[23].目前得到专家们认可的一种观点,即:“超大规模”是GB级数据,“海量”是TB级数据,而“大数据”是PB及其以上级别数据[2].

一些研究学者把大数据特征进行概括,称其具有数据规模巨大、类型多样、可利用价值密度低和处理速度快等特征,同时特别强调大数据区别于其他概念的最重要特征是快速动态变化的数据和形成流式数据.大数据技术发展所面临的问题是数据存储、数据处理和数据分析、数据显示和数据安全等.大数据的数据量大、多样性、复杂性及实时性等特点,使得数据存储环境有了很大变化[45],而大部分传统的统计方法只适合分析单个计算机存储的数据,这些问题无疑增加了数据处理和整合的困难.数据分析是大数据处理的核心过程,同时它也给传统统计学带来了巨大的挑战[6].产生大数据的数据源通常情况下具有高速度性和实时性,所以要求数据处理和分析系统也要有快速度和实时性特点,而传统统计分析方法通常不具备快速和实时等特点.基于大数据的特点,传统的数据统计理论已经不能适应大数据分析与研究的范畴,传统统计学面临着巨大的机遇与挑战,然而为了适应大数据这一新的研究对象,传统统计学必须进行改进,以继续和更好的服务于人类.目前国内外将大数据和统计学相结合的研究文献并不多.本文对大数据时代这一特定环境背景,统计学的抽样理论和总体理论的存在价值、统计方法的重构及统计结果的评价标准的重建等问题进行分析与研究.

1传统意义下的统计学

广泛的统计学包括三个类型的统计方法:①处理大量随机现象的统计方法,比如概率论与数理统计方法.②处理非随机非概率的描述统计方法,如指数编制、社会调查等方法.③处理和特定学科相关联的特殊方法,如经济统计方法、环境科学统计方法等[7].受收集、处理数据的工具和能力的限制,人们几乎不可能收集到全部的数据信息,因此传统的统计学理论和方法基本上都是在样本上进行的.或者即使能够得到所有数据,但从实际角度出发,因所需成本过大,也会放弃搜集全部数据.然而,选择最佳的抽样方法和统计分析方法,也只能最大程度还原总体一个特定方面或某些方面的特征.事实上我们所察觉到的数据特征也只是总体大量特征中的一小部分,更多的其他特征尚待发掘.总之,传统统计学是建立在抽样理论基础上,以点带面的统计分析方法,强调因果关系的统计分析结果,推断所测对象的总体本质的一门科学,是通过搜集、整理和分析研究数据从而探索数据内部存在规律的一门科学.

2统计学是大数据分析的核心

数的产生基于三个要素,分别是数、量和计量单位.在用数来表示事物的特征并采用了科学的计量单位后,就产生了真正意义上的数据,即有根据的数.科学数据是基于科学设计,通过使用观察和测量获得的数据,认知自然现象和社会现象的变化规律,或者用来检验已经存在的理论假设,由此得到了具有实际意义和理论意义的数据.从数据中获得科学数据的理论,即统计学理论.科学数据是通过统计学理论获得的,而统计学理论是为获得科学数据而产生的一门科学.若说数据是传达事物特征的精确语言,进行科学研究的必备条件,认知世界的重要工具,那么大数据分析就是让数据最大限度地发挥功能,充分表达并有效满足不同需求的基本要求.基于统计学的发展史及在数据分析中的作用,完成将数据转化为知识、挖掘数据内在规律、通过数据发现并解决实际问题、预测可能发生的结果等是研究大数据的任务,而这必然离不开统计学.以大数据为研究对象,通过数据挖掘、提取、分析等手段探索现象内在本质的数据科学必须在继承或改进统计学理论的基础上产生.

统计数据的发展变化经历了一系列过程,从只能收集到少量的数据到尽量多地收集数据,到科学利用样本数据,再到综合利用各类数据,以至于发展到今天的选择使用大数据的过程.而统计分析为了适应数据可观察集的不断增大,也经历了相应的各个不同阶段,产生了统计分组法、大量观察法、归纳推断法、综合指标法、模型方程法和数据挖掘法等分析方法,并且借助计算机以及其他软件的程度也越来越深.300多年来,随着数据量以指数速度的不断增长,统计学围绕如何搜集、整理和分析数据而展开,合理构建了应用方法体系,帮助各个学科解决了许多复杂问题.现在进入了大数据时代,统计学依旧是数据分析的灵魂,大数据分析是数据科学赋予统计学的新任务.对于统计学而言,来自新时代的数据科学挑战有可能促使新思想、新方法和新技术产生,这一挑战也意味着对于统计学理论将面临巨大的机遇.

3统计学在大数据时代下必须改革

传统统计学是通过对总体进行抽样来搜索数据,对样本数据进行整理、分析、描述等,从而推断所测对象的总体本质,甚至预测总体未来的一门综合性学科.从研究对象到统计结果的评判标准都是离不开样本的抽取,完全不能适应大数据的4V特点,所以统计学为适应大数据技术的发展,必须进行改革.从学科发展角度出发,大数据对海量数据进行存储、整合、处理和分析,可以看成是一种新的数据分析方法.数据关系的内在本质决定了大数据和统计学之间必然存在联系,大数据对统计学的发展提出了挑战,体现在大样本标准的调整、样本选取标准和形式的重新确定、统计软件有待升级和开发及实质性统计方法的大数据化.但是也提供了一个机遇,体现在统计质量的提高、统计成本的下降、统计学作用领域的扩大、统计学科体系的延伸以及统计学家地位的提升[7].

3.1大数据时代抽样和总体理论存在价值

传统统计学中的样本数据来自总体,而总体是客观存在的全体,可以通过观测到的或经过抽样而得到的数据来认知总体.但是在大数据时代,不再是随机样本,而是全部的数据,还需要假定一个看不见摸不着的总体吗?如果将大数据看成一个高维度的大样本集合,针对样本大的问题,按照传统统计学的方法,可以采用抽样的方法来减少样本容量,并且可以达到需要的精度;对于维度高的问题,可以采取对变量进行选择、降维、压缩、分解等方法来降低数据的复杂程度.但实际上很难做得到,大数据涵盖多学科领域、多源、混合的数据,各学科之间的数据融合,学科边界模糊,各范畴的数据集互相重叠,合成一体,而且大数据涉及到各种数据类型.因此想要通过抽样而使数据量达到传统统计学的统计分析能力范围是一件相当困难或是一件不可能的事.大量的结构数据和非结构数据交织在一起,系统首先要认清哪个是有价值的信息,哪个是噪声,以及哪些不同类型的数据信息来自于同一个地址的数据源,等等,传统的统计学是无法做到的.在大数据时代下,是否需要打破传统意义的抽样理论、总体及样本等概念和关系,是假设“样本=总体”,还是“样本趋近于总体”,还是不再使用总体和样本这两个概念,而重新定义一个更合适的概念,等等.人们该怎样“安排”抽样、总体及样本等理论,或人们该怎样修正抽样、总体、样本的“公理化”定义,这个问题是大数据时代下,传统统计学面临改进的首要问题.

3.2统计方法在大数据时代下的重构问题

在大数据时代下,传统的高维度表达、结构描述和群体行为分析方法已经不能精确表达大数据在异构性、交互性、时效性、突发性等方面的特点,传统的“假设-模型-检验”的统计方法受到了质疑,而且从“数据”到“数据”的统计模式还没有真正建立,急切需要一个新的理论体系来指引,从而建立新的分析模型.去除数据噪声、筛选有价值的数据、整合不同类型的数据、快速对数据做出分析并得出分析结果等一系列问题都有待于研究.大数据分析涉及到三个维度,即时间维度、空间维度和数据本身的维度,怎样才能全面、深入地分析大数据的复杂性与特性,掌握大数据的不确定性,构建高效的大数据计算模型,变成了大数据分析的突破口.科学数据的演变是一个从简单到复杂的各种形式不断丰富、相互包容的过程,是一个循序渐进的过程,而不是简单的由一种形式取代另一种形式.研究科学数据的统计学理论也是一样,也是由简单到复杂的各种形式相互包容、不断丰富的发展过程,而绝不是完全否定一种理论、由另一种理论形式所代替.大数据时代的到来统计学理论必须要进行不断的完善和发展,以适应呈指数增长的数据量的大数据分析的需要.

3.3如何构建大数据时代下统计结果的评价标准框架

大数据时代下,统计分析评价的标准又该如何变化?传统统计分析的评价标准有两个方面,一是可靠性评价,二是有效性评价,然而这两种评价标准都因抽样而生.可靠性评价是指用样本去推断总体有多大的把握程度,一般用概率来衡量.可靠性评价有时表现为置信水平,有时表现为显著性水平[8].怎么确定显著性水平一直是个存在争议的问题,特别是在模型拟合度评价和假设检验中,因为各自参照的分布类型不一样,其统计量就不一样,显著性评价的临界值也就不一样,可是临界值又与显著性水平的高低直接相关.而大数据在一定程度上是全体数据,因此不存在以样本推断总体的问题,那么在这种情况下,置信水平、可靠性问题怎么确定?依据是什么?有效性评价指的是真实性,即为误差的大小,它与准确性、精确性有关.通常准确性是指观察值与真实值的吻合程度,一般是无法衡量的,而精确性用抽样分布的标准差来衡量.显然,精确性是针对样本数据而言的,也就是说样本数据有精确性问题,同时也有准确性问题.抽样误差和非抽样误差都可能存在于样本数据中,抽样误差可以计算和控制,但是非抽样误差只能通过各种方式加以识别或判断[910].大多数情况下,对于样本量不是太大的样本,非抽样误差可以得到较好的防范,然而对于大数据的全体数据而言,没有抽样误差问题,只有非抽样误差问题,也就是说大数据的真实性只表现为准确性.但是由于大数据特有的种种特性,使得大数据的非抽样误差很难进行防范、控制,也很难对其进行准确性评价.总之,对于大数据分析来说,有些统计分析理论是否还有意义,确切说有哪些统计学中的理论可以适用于大数据分析,而哪些统计学中的理论需要改进,哪些统计学中的理论已不再适用于大数据统计研究,等等,都有待于研究.所以大数据时代的统计学必是在继承中求改进,改进中求发展,重构适应大数据时代的新统计学理论.

4结论

来自于社会各种数据源的数据量呈指数增长,大数据对社会发展的推动力呈指数效应,大数据已是生命活动的主要承载者.一个新事物的出现,必然导致传统观念和传统技术的变革.对传统统计学来说,大数据时代的到来无疑是一个挑战,虽然传统统计学必须做出改变,但是占据主导地位的依然会是统计学,它会引领人类合理分析利用大数据资源.大数据给统计学带来了机遇和挑战,统计学家们应该积极学习新事物,适应新环境,努力为大数据时代创造出新的统计方法,扩大统计学的应用范围.

参考文献:

[1]陈冬玲,曾文.频繁模式挖掘中基于CFP的应用模型[J]沈阳大学学报(自然科学版),2015,27(4):296300.

[3]卞友江.“大数据”概念考辨[J].新闻研究导刊,2013,35(5):2528.

[5]靳小龙,王元卓,程学旗.大数据的研究体系与现状[J].信息通信技术,2013(6):3543.

[6]覃雄派,王会举,杜小勇,等.大数据分析:Rdbms与Mapreduce的竞争与共生[J].软件学报,2012,23(1):32-45.

[7]游士兵,张佩,姚雪梅.大数据对统计学的挑战和机遇[J].珞珈管理评论,2013(2):165171.

[8]李金昌.大数据与统计新思维[J].统计研究,2014,31(1):1017.

统计学分析数据范文第3篇

随着数字媒体技术研究的不断深入和新媒体艺术的兴起，科技与艺术的结合越来越紧密，新媒体艺术渗入了艺术的各个领域，新媒体舞蹈是最后被开发的田地，也是集成最多媒体元素的新媒体艺术。在数字媒体技术的发展支持下，新媒体舞蹈的作品和软件层出不穷，如“Life Forms”等，为新媒体舞蹈的演出和编创提供了全新的机遇与挑战。

舞蹈剧目课是一门艺术表现性课程，是通向舞台的艺术性训练课程，在舞蹈教育中占有极其重要的地位，对学生舞蹈艺术能力的培养至关重要。在传统的教学中，由于场地、课时、教师精力等局限性，浪费时间、精力，事倍功半。如今，我们看到了新媒体舞蹈对剧目课教学的影响作用以及新媒体技术在剧目课中应用的可能性。但现有的研究成果主要集中在如何利用计算机对舞蹈进行记录和编创，很少涉猎舞蹈的课堂基础教学，或者所采用的技术过于依赖硬件的配置，增加了应用的难度，不适用于舞蹈教师或演员的独立操作。本文立足于舞蹈剧目课教学，设计一套基于数字媒体技术理念的适用于剧目课教学的交互式系统。

1 舞蹈剧目课与新媒体舞蹈简析

舞蹈是在一定的空间和时间内，通过连续的舞蹈动作过程，凝练的姿态表情和不断流动的地位图形（不断变化的图画），结合音乐、舞台艺术（服装、布景、灯光、道具）等艺术手段来塑造舞蹈的艺术形象[1]。舞蹈剧目课属于艺术表现性的训练课程，每个剧目都是一个完整的艺术作品，它是包含有特定的历史文化背景、鲜明的创意、具体的角色、丰富的情感意志以及舞美、灯光、服装、道具等众多姊妹艺术的结合体现，加强舞蹈剧目课教学，对当前提高学生的舞蹈水平、艺术水平和文化修养，有着极为重要的现实意义。从某种意义上甚至可以说，舞蹈剧目课是舞蹈教学的本质与核心[2]，传统的剧目课教学采用“口传身教”的教学方式，即教师口头讲解、亲自示范动作、通过语言的描述让学生想象营造出一个原生态传承的特定环境，这种教学方式虽然具有现场感，教师能够有针对性地临场指导，学生有针对性地当堂提问，但由于场地的面积、人员的数量、教师的精力、个体和群体之间的关系、舞蹈艺术的身体体验等原因，使得学生形成了单调和孤立的学习方式，而束缚了学生的自学能力和创造性思维，不利于发挥学生的主动性和积极性，不利于提高学生的全面素质 [3-4]。近年来，随着新媒体艺术的兴起，数字媒体技术被广泛应用到了艺术的各个门类当中，正如马晓翔在《新媒体艺术透视》一书中提到的：“新媒体艺术不仅是计算机合作与兼容数码技术创作作品的方式，也是用计算机的计算力量和技术来创作新符号、新定义、新的交流与形式的方式。”舞蹈艺术作为一门多种艺术共同融成的综合性艺术，其与新媒体技术更能擦出不可估量的火花，美国著名编舞家兼数字艺术家阿尼达?程如是说：“新媒体技术不仅是舞蹈记录和传播的物质媒介，更是激发灵感的技术型缪斯。”可见新媒体技术对舞蹈艺术数字化革命的真正含义[5]。如前所述，剧目课作为舞蹈学习通向舞台的表演性课程，可以从新媒体舞蹈的本体特性中找到新的教学理念，即在全新环境中发展起来的立足于创意理念，并且融合了高新技术手段和互动设计理念。也就是说，更新传统剧目课的教学理念，结合计算机技术的数字化支持，搭建具有完整资料库、训练实时采录比对功能、远程/在线反馈功能、舞台模拟再现功能等允许学生自主学习和远程/在线学习的剧目课教学平台，以期做到教学中的事半功倍，对舞蹈剧目课教学改革以及创新能力的培养有着重要的现实意义。

当然，该平台的搭建需要多学科的跨界合作，本文仅对平台中所需的计算机技术进行分析与实现。

2 基于新媒体舞蹈理念的剧目课教学系统模型规划

本系统是一套适用于舞蹈剧目课教学的计算机辅助教学系统，以数据库形式管理课程参考资料和用户个人资料，通过数字图像处理手段对用户的个人练习进行原型比对，给出意见建议，在此基础上，通过可视化设计允许用户选拼动作进行新剧目的自由开发。

本系统吸纳了新媒体舞蹈的理念，将剧目课与虚拟的数字化舞台直接相连，并允许用户自由创作，激发创作的灵感和表演的热情，为实际的舞台演出提供全新的数字化剧目经验。

本系统模型的具体规划如下图所示：

其中，二维图像特征点提取与对比是技术中的重点，接下来，本文对此进行详细说明。

3 二维图像特征点提取与对比

3.1 芭蕾舞的算法定义

芭蕾舞在动作上有着固定的手位、脚位和精准的评价标准，因此逐帧对视频进行二维特征点的.提取与对比，即可很准确地得出动作的分析结果，为用户提供相应的反馈和建议。当然，结合专业教师的教学经验和作品特点给出视频中关键动作或重难点动作的时间，可以进一步减少计算时间和重复动作计算的冗余。

统计学分析数据范文第4篇

[关键词] 经济运行；数据；统计；分析

由于经济运行缺乏一整套制度化的计划测算、跟踪测量、监管分析、反馈改进工作模式，企业作为经营管理主体的作用没有得到有效体现。主要体现在：

经营计划指标分解测算的过程不透明，缺乏基层单位参与。有时计划目标测算下达不及时，基层单位无法及时作出工作安排，在一定程度上甚至影响到了基层单位主观能动性的发挥。员工工作没有计划，只是被动的服从上级工作安排，盲目性、随机性比较严重，不能调动和发挥全员的主观能动性，创新意识差。

市场一线的真实需求与实际工作脱节。经营计划下达后的督促落实不深入，缺乏自下而上的、全面的对阶段性经济运行数据的分析对比，无法发现数据后深层次的问题；对市场的真实需求缺乏分析研究，甚至出现购进卷烟的牌号长期压库，形成了滞销占用资金等现象。

重复劳动、数据失真影响工作质量和效率。缺乏系统、规范、明确的岗位职责、工作流程说明资料，当员工岗位调整变动或新进人员时，需要很长的时间来适应工作要求，严重影响了工作质量和效率。同时，不同部门整理汇集相同项目的数据时，往往存在数据差异和失真，无法保证正确的的数据分析和领导决策。

因此，建立完善一整套涉及事前、事中、事后的经济数据分析统计管理机制已势在必行，新机制围绕进一步提升统计工作对企业经济运行的参与，涵盖科学测算下达经营管理计划目标、及时整理汇总专销数据、定期开展经济运行分析查找问题、以三级考核促进问题改进提升的PDCA模式循环，管理重点由注重结果向注重过程逐步转变。具体来讲，我们主要采取了以下三点做法：

一、健全机制，规范经营管理计划测算下达流程

滨州市烟草专卖局（公司）编制印发了《经营管理计划编制下发管理办法》，对全市系统经营管理计划目标的测算、编制、下达等工作流程进行规范。在每个经营周期（年度、月度）前完成经营管理目标的测算、编制和下发工作，明确项目部门职责和计划目标的测算方法，采取自下而上的计划提报方式，由主管部门汇总整理，经分管领导审核批准后下发。

二、建立“综合数据资料库”，实现系统内信息资源共享

建立全市系统“综合数据资料库”。市局（公司）各部门根据职责编制“综合数据资料库”对应内容，需要进行社会调查的，向有关政府职能部门等进行广泛的社会调查活动。各单位和部门所负责的数据资料编纂完成后，要报市局（公司）牵头部门汇总、整理和审核。完成审核后统一上传市局（公司）内部网站，内部网站设立专门栏目，专门存放综合数据资料，作为综合数据资料的载体。内容涵盖地方经济发展、人口数据、企业概况、财务管理、卷烟经营、网络建设、专卖管理、客户商圈、信息化建设、安全管理、人力资源、制度建设、检查考核、岗位职责、工作标准及流程等具体内容。为了使综合数据资料的准确性、有效性，规定每季度对数据资料进行更新和调整。

三、丰富统计手段，定期开展经济运行分析

首先，建立健全经济数据统计分析制度，要求各单位、部门定期编报统计分析材料，综合信息科对全市系统的统计分析情况进行汇总整理，定期编印“全市系统经济运行分析报告”。其次，将经济运行统计分析工作纳入对各单位、部门的工作质量考核，对统计数据的准确性、报告报送的及时性等情况进行定期检查考核，并与薪酬分配挂钩。第三，定期召开全市系统经济运行分析会议，对经济运行数据统计分析进行阶段性通报讲评，以及时反馈统计分析中发现的问题，实现各项工作的持续改进。

四、加强分析深度广度、服务企业发展大局

在市局（公司）的经济运行分析会议上，统计部门采取了以幻灯片为影像载体、辅助现场讲解的崭新形式，对企业经营管理工作进行全面、深入、细致的数据分析，通过不断改进经营统计分析的方式和方法，注重在分析的深度和广度上下工夫，不断提高经济运行分析质量，努力做到给企业发展当好参谋，为领导决策提供依据。一是从打造一支企业经营分析人才队伍入手，统计部门注重对各级统计人员的业务技能培训，为做好经济运行分析工作提供人力资源保障。二是积极探索，采用新的数学模型实现统计工作的不断深入，例如我们对各单位的销量、单箱销售收入的测算采用了线性回归分析方法，将各单位卷烟经营指标与当地社会经济发展数据如人均GDP、人均可支配收入挂钩对比，进行认真细致的测算和对比分析，最终得出客观准确的结论。三是扩宽分析思路。不仅与自己对比分析，同时做到跳出滨州看滨州，与全省平均发展水平和先进地市进行对比分析，做到取长补短，对及时调整经营工作思路、指导经营工作发挥了积极作用。

通过采取以上措施，企业工作效率与质量稳步提升，全员执行力大大提高。数据资料库包含近年来的历史经营数据和客户资料。在编制测算经营管理计划目标时，可以直接借鉴和使用相关历史数据，根据一年来实际运行情况看，实际经营结果与测算的计划指标基本相符，实现了计划指标的可行性、合理性、科学性，对基层单位较好地发挥了指导、规范、激励的作用。综合数据资料库建成后，新进员工、岗位调整的员工可以迅速进入工作状态，同时降低了员工培训成本。全面开展经济数据统计分析工作不仅提高了全员特别是一线客户经理的工作能力，而且企业能在最短的时间内针对市场形势变化调整经营策略，提高了企业经济运行质量和水平。

总之，滨州市局（公司）实施的经济运行数据统计分析机制，为滨州烟草经营管理水平、企业效益的持续提升提供了有力支撑，是适合企业发展实际的创新之举，为促进滨州烟草既好又快发展起到了积极的推动作用。

统计学分析数据范文第5篇

关键词：微课程；移动终端；自主学习；数据结构；系统框架

中图分类号：G642 文献标识码：A

1 引言（Introduction）

随着便携式移动终端的发展，“碎片化”时间的利用率越来越高，人们进入了“微时代”。“微课程”成了时代的产物。所谓“微课”是指按照新课程标准及教学实践要求，以教学视频为主要载体，反映教师在课堂教学过程中针对某个知识点或教学环节而开展教与学活动的各种教学资源的有机组合[1]。现如今各高校大力推动微课程，组织各种微课程比赛，调动教师的积极性，“微课”对于教师来说已不是一个陌生的名词。然而，目前的微课程只是针对一门课程当中的一个组成部分，仅是单独讲解某个知识点，没有形成一门完整的课，还没有完全发挥微课程的优势，并没有应用于真正的教学当中。

《数据结构》课程是计算机课程体系中的专业基础课程[2]，作为程序设计的基础，数据结构课程不仅成为高校硕士研究生入取的必考科目，还是各企业招聘员工入职笔试中青睐的学科。如何让学生在课堂教学中对课程有更深刻的理解，并在复习考研和准备找工作中进行更好的自主学习，成为数据结构课程教学的研究重点，本文在分析数据结构教学现状的基础上通过对数据结构知识点的分析，构建合理的数据结构微课程框架，并将其应用于教学中，使得学生能更好的应用“微课程”进行学习。

2 数据结构课程的现状分析（Current situation

analysis of data structure）

数据结构课程是一门比较抽象的课程，而且学生本身知识储备不足[2]，所以仅靠课堂上的讲解，不能使学生达到很好的消化吸收的效果。目前，很多高校也开发了网络教学平台，积极倡导教师和学生通过网络平台实现在线探讨交流，通过对网络教学平台的建设，如将大纲日历、教案、教学课件，教学视频上传到教学平台，使学生增加课下自主学习的意识，同时，老师在上课的时候也会给学生提供一些教学视频的网站，如清华教育在线等，然而，虽然教学平台的建设很完整，教师提供的教学视频也很不错，学生却很少好好利用网络教学平台或教师提供的网络视频进行自主学习。主要原因有三点：

（1）教师的课堂教学主要以集中讲授为主，并没有引导学生利用网络教学平台的资源进行自主学习，学生把网络教学平台当成了一个简单的提交作业、下载课件的平台。

（2）教学平台的内容过于繁多，视频基本上为课堂讲授的视频，即使有学生想课下自主学习，在看到45分钟甚至90分钟的教学视频也会打退堂鼓。

（3）教师提供的教学视频，如清华教育在线虽是名校老师讲解，但对于一般高校的学生来说讲解内容过深，没有针对性，很多学生觉得听不懂，打消了自主学习的积极性。

通过“微课程”的概念，专家学者认为“微课程”就是针对一个具体的知识点在短时间内（一般为10分钟左右）做简单明确的讲解，这种讲解不是泛泛的介绍，而是通过精心的设计，最终完成容量小，内容精的视频制作[3]。可以说，“微课程”的出现为我们解决数据结构自主学习难的状况提供了很好的解决方案。如何做到容量小，内容精成了“微课程”视频制作的关键，也是本文的研究重点。

3 基于微课程的数据结构模块化设计与实现

（Modular design and implementation of data

structure based on micro-lecture）

本文依据清华大学出版社出版的严蔚编的数据结构教材[4]进行知识点的划分，构建知识点的模块化，并将其应用在教学中。

3.1 数据结构相关知识点的分析与研究

数据结构课程研究的是数据和数据之间的关系，其基本分为四大类：集合、线性结构、树形结构和图形结构。在数据结构课程中，主要讲解的是后三种结构的逻辑结构、物理结构，以及相关算法的实现。在课程的最后讲解了利用已学过的数据结构解决基本的查找和排序的问题。

上述这些知识点中都具有一定的顺序性、关联性，但又相互独立。如果只是把课程讲解的内容分解成10分钟之内的小视频，除了时间上看着短了以外，没有改变课堂讲解的实质，没有做到真正意义上的微课程。在多年教学经验的指导下，本文要研究的是什么样的知识点适合做成微课程，让学生课下自主学习，课上共同讨论，培养学生自主学习的能力，并且在考试复习时通过温习微课程的视频可以更快的掌握主要题型的解决方法，节约复习时间。

微课程知识点的设定原则为5―20分钟可以被清晰地讲解，且尽量不涉及程序性的内容。栈和队列可以说是操作受限的线性表，其抽象数据类型和现实生活中的很多例子都有相似性，可以将其作为微课程的一个知识点，让学生自主学习。在树形结构中，如何在连续的存储空间中把非线性的东西表示出来可以在短时间内很经典的讲解出来，其链表的表示所以也非常适合做成微课程。二叉树的结构和树非常像，对二叉树的遍历，以及树和森林的转化都是比较独立的知识点，其方法不涉及难理解的程序，将这些放入微课程中。赫夫曼树是二叉树的重要应用，其构造方法可以放入微课程的知识点框架中。在图形结构中图的邻接矩阵表示法和邻接表表示法都可以作为微课程的一部分，深度优先遍历和广度优先遍历的算法虽然不易理解，但其求解方法的思想却可以通过微课程表达出来。最小生成树，关键路径，单源最短路径都是图里的应用，仅把问题的解决方法放入微课程中是比较好的选择。在查找中的折半查找和二叉排序树的构造都是独立的知识点，可以很好的用于微课程的制作。在排序中，会选择相对复杂一些的快速排序和堆排序，仅仅介绍排序的思想。微课程的知识点设定如图1所示。

3.2 翻转课堂辅助数据结构微课程的实现

学生在刚接触数据结构时会觉得特别的抽象，其基本概念和相关的术语并不适合让学生自主学习，线性表是学生接触的第一种线性结构，其逻辑结构，顺序存储和链式存储，以及插入删除等操作都非常的重要，但多数都是枯燥的程序，想让学生在短时间内掌握其精髓并不是一件容易的事，如果这个部分让学生自主学习很可能会打消学生的积极性，所以前几节课程并不适合做翻转课程。在学生已经对线性表有所掌握的情况下，可以将栈和队列的逻辑结构微课程要求学生自己学习，在课堂上进行讨论，在讨论的基础上讲解实现通过自主学习了解的各种操作的程序。树形结构是学生接触的第一种非线性结构，所以其逻辑结构需要在课堂上进行讲解，虽然树形结构的存储结构已经安排在微课程中，但由于是学生第一次接触，所以本微课程部分并不作为翻转课堂的一部分，学生在复习时可以通过微课程进行复习，以更好的掌握知识点。而二叉树的相关微课程可以要求学生自行学习，在课堂上根据学生学习的结果共同研究算法的实现。图形结构和树形结构都属于非线性结构，所以二者具有很多相似的地方，可以由学生自主学习课堂讨论，通过讨论的情况分析学生的掌握情况，因为微课程的内容简单，重要的算法实现还需要在课堂上详细讲解。经过前面的学习，插入和排序的内容无论是应用方面还是程序实现方面都由学生自主完成，通过讨论和测试考察学生的掌握情况。

经过和微课程相结合的翻转课程的设计，使学生习惯通过微课程进行学习，掌握自主学习的能力。

4 结论（Conclusion）

微课程的系统框架对微课程的制作起到了指挥棒的作用，在总体框架下进行各个微课程的制作，在制作过程中绝不仅仅是录制简单的视频，虽然仅仅是10分钟左右，但工作量绝不亚于一节课的准备，不仅要对微课程设计方案，制作电子课件，还要精心准备习题，并配合易理解的答案。只有一个完整系统的微课程，再加上与课堂的相辅相成，才能使得学生在课下自主学习时更有针对性，学生学的更明白，课上讨论也会更丰富，形成良性循环，真正实现了教师学生共同授课，共同讨论的多样化教学体系。

参考文献（References）

[1] 梁乐明，曹俏俏，张宝辉.微课程设计模式研究――基于国内

外微课程的对比分析[J].开放教育研究，2013，19（1）：65-73.

[2] 董丽薇.“数据结构”课程教学方法的改进[J].沈阳师范大学

学报：自然科学版，2012，30（2）：307-309.

[3] 刘名卓，祝智庭.微课程的设计分析与模型构建[J].中国电化

教育，2013，（12）：127-131.

[4] 严蔚敏，吴伟民.数据结构（C语言版）[M].北京：清华大学出版

社，2012.

作者简介：

董丽薇（1981-），女，博士生，讲师.研究领域：供应链管理.