下载文档原格式
常用统计技术第一章1、学习掌握统计技术的意义和作用主要有：1）已有越来越多的组织开始应用统计技术2）顾客对于组织运用统计技术的要求趋于严格3）越开越多的组织不再满足于一般性的认证审核，而是希望认证审核成为一种增值的活动4）GB/Z19027标准有认证的要求A、仅1）和2）B、1）2）3）√C、仅1）和2）D、仅3）和4）2、下列关于GB/Z19027技术报告的目的描述，错误的是：（B）A、1）指导和帮助一个组织考虑和选择适合该组织需求的统计技术B、2）对一个组织进行认证审核的依据√C、3）组织应用统计技术的线路图D、4）认证审核人员学习掌握统计技术的基础正确的是：A、1）2）3）B、1）3）4）√C、2）3）4）D、1）2）4）3、GB/Z19027标准对与GB/T19001条款的实施可能有关的定量数据的需求做了识别，则在GB/T19001中的7.5.4顾客财产，有使用定量数据的需求，识别出潜在的统计需求是（A）A、描述统计、抽样√B、描述统计、SPC图C、描述统计、测量分析D、描述统计、过程能力分析4、GB/Z19027标准对与GB/T19001条款的实施可能有关的定量数据的需求做了识别，则在GB/T19001中的8.3不合格品控制“确定已交付的不合格品范围的需求”有使用定量数据的需求，识别出潜在的统计需求是（B）A、描述统计、过程能力分析B、描述统计、抽样√C、描述统计、SPCD、描述统计、试验设计、假设检验、测量分析、过程能力分析等5、以下关于GB/Z19027标准的描述，正确的是（C）A、GB/Z19027标准对与GB/T19001条款的实施都识别了可以使用统计技术B、针对已识别的定性数据的需求所列出的一个或多个统计技术适当应用于这些数据时，将使组织获得潜在利益。
C、如果定性数据能转换为定量数据，则统计技术可用于这些数据D、当GB/T19001的条款对定性数据无明显需求时，则未识别出统计技术。
兰州资源环境职业技术学院成人教育部《统计学原理课程》自学指导书第一章总论一、本章主要掌握的内容统计学的研究对象；统计工作过程和统计研究方法;统计学中的几个基本概念及相互关系。
二、本章重点和难点统计学的几个基本概念三、本章学习中应注意的问题１．统计学的研究对象：明确统计学是一门方法论学科,就是研究社会经济统计方法的学科。
掌握社会经济统计的特点。
2.统计的工作过程:统计设计是计划和安排;统计调查是获取资料;统计整理是对资料进行分组汇总,为统计分析做准备，并进行简单的分析；统计分析是得出结论的过程,也就是对事物的数量特征的认识过程。
3．大量观察法用于统计调查过程；统计分组法用于统计整理阶段;综合指标法用于统计分析过程；统计推断法是在抽样调查后用来得到综合指标的方法。
4.统计总体和总体单位是统计学中最基本的一组概念，是理解其它基本概念的基础，也是认识统计工作过程的基础。
5．标志是与总体单位相联系的概念。
对于标志,难点在于区别标志与标志的表现。
区别数量标志和品质标志。
6．指标是统计工作的核心，它贯穿于统计工作全过程,包括统计设计、统计调查、统计整理和统计分析。
7．注意区别数量指标和质量指标。
一个简易的区别二者的方法是根据单位来区别，一般而言数量指标是有单位的，它的单位一般是单一单位，如米、千克、立方米等,个别情况下有复合单位，但复合单位间是相乘的关系，如反映运输工具工作量的单位吨公里(1吨公里表示某一运输工具运送1吨货物运行了１公里）等。
质量指标一般是复合单位或无单位,但复合单位间是相除的关系,如：表示价格的元/千克等。
倍、番等单位的指标也属于质量指标（其实质是无单位）。
四、本章作业1.试述统计总体的特点。
2．统计研究的基本方法包括哪些？3．什么是标志与指标?它们之间有什么区别与联系。
4.假设某市2005年商业企业有关统计资料见表1-1表1－1 某市20０5年商业企业统计表要求：(1)试指出上表中的总体、总体单位、指标、数量指标、质量指标。
模式识别与数据挖掘期末总结第一章概述1.数据分析是指采用适当的统计分析方法对收集到的数据进行分析、概括和总结，对数据进行恰当地描述，提取出有用的信息的过程。
2.数据挖掘(Data Mining，DM) 是指从海量的数据中通过相关的算法来发现隐藏在数据中的规律和知识的过程。
3.数据挖掘技术的基本任务主要体现在：分类与回归、聚类、关联规则发现、时序模式、异常检测4.数据挖掘的方法：数据泛化、关联与相关分析、分类与回归、聚类分析、异常检测、离群点分析、5.数据挖掘流程：（1）明确问题：数据挖掘的首要工作是研究发现何种知识。
（2）数据准备（数据收集和数据预处理）：数据选取、确定操作对象，即目标数据，一般是从原始数据库中抽取的组数据；数据预处理一般包括：消除噪声、推导计算缺值数据、消除重复记录、完成数据类型转换。
（3）数据挖掘：确定数据挖掘的任务，例如：分类、聚类、关联规则发现或序列模式发现等。
确定了挖掘任务后，就要决定使用什么样的算法。
（4）结果解释和评估：对于数据挖掘出来的模式，要进行评估，删除冗余或无关的模式。
如果模式不满足要求，需要重复先前的过程。
6.分类（Classification）是构造一个分类函数(分类模型)，把具有某些特征的数据项映射到某个给定的类别上。
7.分类过程由两步构成：模型创建和模型使用。
8.分类典型方法：决策树，朴素贝叶斯分类，支持向量机，神经网络，规则分类器，基于模式的分类，逻辑回归9.聚类就是将数据划分或分割成相交或者不相交的群组的过程，通过确定数据之间在预先指定的属性上的相似性就可以完成聚类任务。
划分的原则是保持最大的组内相似性和最小的组间相似性10.机器学习主要包括监督学习、无监督学习、半监督学习等1.（1）标称属性(nominal attribute)：类别，状态或事物的名字（2）：布尔属性（3）序数属性(ordinal attribute)：尺寸={小，中，大}，军衔，职称【前面三种都是定性的】（4）数值属性(numeric attribute）: 定量度量，用整数或实数值表示●区间标度(interval-scaled)属性：温度●比率标度(ratio-scaled)属性：度量重量、高度、速度和货币量●离散属性●连续属性2.数据的基本统计描述三个主要方面：中心趋势度量、数据分散度量、基本统计图●中心趋势度量：均值、加权算数平均数、中位数、众数、中列数（最大和最小值的平均值）●数据分散度量：极差（最大值与最小值之间的差距）、分位数（小于x的数据值最多为k/q，而大于x的数据值最多为(q-k)/q）、说明（特征化，区分，关联，分类，聚类，趋势/跑偏，异常值分析等）、四分位数、五数概括、离群点、盒图、方差、标准差●基本统计图：五数概括、箱图、直方图、饼图、散点图3.数据的相似性与相异性相异性：●标称属性：d(i,j)=1−m【p为涉及属性个数，m:若两个对象匹配为1否则p为0】●二元属性：d(i,j)=p+nm+n+p+q●数值属性：欧几里得距离：曼哈顿距离：闵可夫斯基距离：切比雪夫距离：●序数属性：【r是排名的值，M是排序的最大值】●余弦相似性：第三章数据预处理1.噪声数据：数据中存在着错误或异常（偏离期望值），如：血压和身高为0就是明显的错误。
第一章计量经济学的任务是以经济学、统计学、数学之间的统一为工具，分析经济中的数量关系。
时序数据：同一统计指标按时间顺序记录的数据列，同一数列中的各个数据必须是同口径的，要求具有可比性。
时序数据可以是时期数，也可以是时点数。
横截面数据：同一时间，不同统计单位的相同统计指标组成的数据列。
要求统计的时间相同，但不要求统计对象及范围相同。
也要求数据的统计口紧和计算方法具有可比性。
内生变量：内生变量是具有一定概率分布的随机变量，它的数值是由模型本身决定的。
外生变量：是指非随机变量，它的取值是在模型之外决定的，是求解模型时的已知数。
解释变量：列于模型方程右边的作为影响因素的变量，即自变量。
被解释变量：是指列于模型中方程的左边作为分析对象的变量，即因变量。
滞后变量：是指内生变量和外生变量的时间滞后量（前期量）。
控制变量：是模型中决策者可以控制的变量。
政策变量：是模型中由政府操纵且反映政府政策的变量。
内生参数：是指依据样本观察值，运用统计方法估计得到的参数。
外生参数：一般是依据经济法规人为设定的参数，入资产折旧率、税率、利息率。
经济计量模型：是对现实经济系统的数学抽象，用于经济预测、结构分析、政策评价。
原则：以理论为先导，大小要适度。
行为方程：随机方程式根据经济行为建立的经济函数关系，又被称为“行为方程”。
总体设计是指选择模型中各系统模块以及各模块之间衔接关系的设计。
个体设计是变量的选择及变量间关系的描述。
模型建立步骤：设定模型，估计参数，检验模型，使用模型第二章函数关系：如果给定解释变量X的值，被杰斯变量（或称因变量）Y的值就唯一地确定了，Y与X的关系就是函数关系，即Y=f(X)。
相关关系：如果给定了解释变量X的值，被解释变量Y的值不是唯一的，Y与X的关系就是相关关系。
总体回归模型：是根据总体的全部资料建立的回归模型。
样本回归模型：是指根据样本资料建立的回归模型。
回归分析研:究被解释变量对于一个或多个解释变量的依存关系。
