发布时间：
从统计学的发展趋势谈统计教育的改革 摘要：要培养出新型的21世纪的人才，统计教育必须高瞻远瞩。本文从统计学的发展趋势谈了统计教育急需改革的几个方面。 关键词: 统计学； 发展趋势； 统计教育改革 随着国家创新体系的建立，统计创新工程已经提上议事日程，统计创新包括两个方面，一是统计实践的创新；二是统计教育的创新。创新的基础在于教育，没有统计教育的创新，就谈不上统计实践的创新。准确把握统计学的发展方向与发展形势，培养适应新世纪社会经济发展需要的人才，是统计教育工作者必须面对的问题，本文从统计学的基本发展趋势谈一谈统计教育急需改革的几个方面。 一、统计学的基本发展趋势 纵观统计学的发展状况，与整个科学的发展趋势相似，统计学也在走与其他科学结合交融的发展道路。归纳起来，有两个基本结合趋势。 （一）统计学与实质性学科结合的趋势 统计学是一门通用方法论的科学，是一种定量认识问题的工具。但作为一种工具，它必须有其用武之地。否则，统计方法就成为无源之水，无用之器。统计方法只有与具体的实质性学科相结合，才能够发挥出其强大的数量分析功效。并且，从统计方法的形成历史看，现代统计方法基本上来自于一些实质性学科的研究活动，例如，最小平方法与正态分布理论源于天文观察误差分析，相关与回归源于生物学研究，主成分分析与因子分析源于教育学与心理学的研究。抽样调查方法源于政府统计调查资料的搜集。历史上一些著名的统计学家同时也是生物学家或经济学家等。同时，有不少生物学家、天文学家、经济学家、社会学家、人口学家、教育学家等都在从事统计理论与方法的研究。他们在应用过程中对统计方法进行创新与改进。另外，从学科体系看，统计学与实质性学科之间的关系绝对不是并列的，而是相交的，如果将实质性学科看作是纵向的学科，那么统计学就是一门横向的学科，统计方法与相应的实质性学科相结合，才产生了相应的统计学分支，如统计学与经济学相结合产生了经济统计，与教育学相结合产生了教育统计，与生物学相结合产生了生物统计等，而这些分支学科都具有"双重"属性：一方面是统计学的分支，另一方面也是相应实质性学科的分支，所以经济统计学、经济计量学不仅属于统计学，同时属于经济学，生物统计学不仅是统计学的分支，也是生物学的分支等。这些分支学科的存在主要不是为了发展统计方法，而是为了解决实质性学科研究中的有关定量分析问题，统计方法是在这一应用过程中得以完善与发展的。因此，统计学与各门实质性学科的紧密结合，不仅是历史的传统更是统计学发展的必然模式。实质性学科为统计学的应用提供了基地，为统计学的发展提供了契机。21世纪的统计学依然会采取这种发展模式，且更加注重应用研究。 这个趋势说明：统计方法的学习必须与具体的实质性学科知识学习相结合。必须以实质性学科为依据，因此，财经类统计专业的学生必须学好有关经济类与管理类的课程，只有这样，所学的统计方法才有用武之地。统计的工具属性才能够得以充分体现。 （二）统计学与计算机科学结合的趋势 纵观统计数据处理手段发展历史，经历了手工、机械、机电、电子等数个阶段，数据处理手段的每一次飞跃，都给统计实践带来革命性的发展。上个世纪40年代第一台电子计算机的诞生，给统计学方法的广泛应用创造了条件。20年代发展起来的多元统计方法虽然对于处理多变量的种类数据问题具有很大的优越性，但由于计算工作量大，使得这些有效的统计分析方法一开始并没有能够在实践中很好推广开来。而电子计算机技术的诞生与发展，使得复杂的数据处理工作变得非常容易，那些计算繁杂的统计方法的推广与应用，由于相应统计软件的开发与商品化而变得更加方便与迅速，非统计专业的理论工作者可以直接凭借商品化统计分析软件来处理各类现实问题的多变量数据分析，而无需对有关统计方法的复杂理论背景进行研究。计算机运行能力的提高，使得大规模统计调查数据的处理更加准确、充分与快捷。目前企业经营管理中建立的决策支持系统（DSS）更加离不开统计模型。最近国外兴起的数据挖掘（Datamining,又译"数据掏金"）技术更是计算机专家与统计学家共同关注的领域。随着计算机应用的越来越广泛，每年都要积累大量的数据，大量信息在给人们带来方便的同时也带来了一系列问题：信息过量，难以消化；信息真假，难以辨识；信息安全，难以保证；信息形式不一致，难以统一处理；于是人们开始提出一个新的口号"要学会抛弃信息"。人们考虑"如何才能不被信息淹没，而是从中及时发现有用的知识，提高信息利用率？"面对这一挑战，数据挖掘和知识发现（DMKD）技术应运而生，并显示出强大的生命力。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一门交叉学科，它把人们对数据的应用从低层的简单查询，提升到从数据中挖掘知识，提供决策支持。在这种需求牵引下，汇聚了不同领域的研究者，尤其是数据库技术、人工智能技术、统计、可视化技术、并行计算等方面的学者和工程技术人员，投身到数据挖掘这一新兴的研究领域，形成新的技术热点。虽然统计学家与计算机专家关心Datamining的视角不完全相同，但可以说，Datamining与DSS一样，使得统计方法与计算机技术的结合达到了一个更高的层次。 因此，统计学越来越离不开计算机技术，而计算机技术应用的深入，也同样离不开统计方法的发展与完善。这个趋势说明：充分利用现代计算技术，通过计算机软件将统计方法中复杂难懂的计算过程屏障起来，让用户直接看到统计输出结果与有关解释，从而使统计方法的普及变得非常容易。所以，对于财经类统计专业的学生来说，一方面要学好统计方法，但另一方面更加要学会利用商品化统计软件包解决实践中的统计数量分析问题，学好计算机信息系统开发的基本思想与基本程序设计，能够将具体单位的统计模型通过编程来实现，以建立起统计决策支持系统。 所以统计与实质性学科相结合，与计算机、与信息相结合，这是发展的趋势。了解这一点，再来看我们目前教育中的问题就更加明显了，所以一些课程要改革，教学方式也要改革。以下谈一谈统计教育需要改革的几个方面。采纳哦
说起数学建模，相信大家都不陌生，它的定义是根据计算结果来解释实际问题，建立数学模型的检验和验收全过程，下面是学术堂的数学建模论文格式规范的收集，提供参考。 摘要 一般为200～400 字;其内容主要包括建模思想、模型特点、求解方法、主要结果等,其既要概括全文, 又要反映出本队的特点; 注意: (1) 控制好论文摘要的字数, 一般应在400 字左右。 (2) 摘要应包括: 数学模型的归类( 在数学上属于什么类型) ;所用的数学知识、建模的思想、算法思想、模型及算法特点; 主要结果( 数值结果, 结论, 回答题目所问的全部“问题”) (3) 摘要表述要准确、简明、条理清晰、合乎语法。 (4)摘要中不应引用正文中的结果, 也不应有所引用的参考文献出现, 一般也不应有第一人称的语句出现。 问题的重述和分析 重述是指对原问题的简要回顾, 大多数情况下, 问题的重述可以省略。分析则是通过对问题和所给数据的透彻理解, 理出建模的清晰思路, 明确正确的数学方法。一般情况下, 问题的分析尤为重要, 它可以使评阅者明晰答卷人的建模思想和所用方法, 借以判断答卷人对问题的敏感性和数学建模素质 假设 一要抓住实际问题的主要因素, 忽略次要因素, 为建立模型创造条件;二要假设应当“ 合理”;三要假设确属“ 必要” ;四是原题中已给的假设, 一般不再写入。 注意： (1) 根据题目中条件作出假设; (2) 根据题目中要求作出假设; (3) 关键性假设不能缺; 假设要切合题意、合理。 (4)符号说明要注意整篇文章符号一致。 模型的建立 一要：通过对问题的分析引出建模的思路，要有建模的过程。 二要：建成的模型有完整的数学表述, 最好能在建成后集中写出来,以免评阅者找来找去。 三要：建模是分阶段完成的, 即基础模型→中间模型→最终模型。 四要：有时所建的模型相当好, 只是求解困难, 这样的模型也要写出来。然后设法给出简化的模型以利求解。 五要：注意一个实际问题可以有多个模型, 但不要贪多求全, 抓一个或两个有代表性的或能反映本队特点的, 建好、解好就足够了。 六要：注意不要片面地追求“ 建模的创造性“”模不惊人誓不休”, 要知道评卷依据中的“ 建模的创造性”并非仅指模型要有创造性, 而是整个答卷要有一定的创造性, 因此,对所建模型的要求是: 起码“ 正确”, 进而“ 更好”。 七要：注意模型的建立与求解可以分开来写, 也可以合在一起写。即可以模型: 问题①, 问题②……求解: 问题①, 问题②……也可以问题①: 模型, 求解; 问题②: 模型, 求解…… 建立数学模型应注意以下几点： (1) 分清变量类型, 恰当使用数学工具。 (2) 抓住问题本质, 简化变量之间的关系。 (3) 建立数学模型时要有严密的数学推理。 (4) 用数学方法建模, 模型要明确, 要有数学表达式。 模型的求解和结果 一要：有算法的设计或选择, 给出算法的具体步骤或框图。 二要：注意计算机实现时, 如果是自己编程,程序不一定要打印在附录中, 如果是选用数学软件, 写出名称即可。 三要：注意在模型的建立和求解过程中, 可能有必要的数学命题, 如果是自己给出的命题,应当有证明; 如果是引用他人的命题, 应当注明出处( 并列入参考献) 。 四要：注意中间结果, 除非必不可少的, 一般不必写入答卷。 五要：注意最终结果至少要“ 答为所问”。 六要：注意有的赛题的最终结果可以甚至应当“ 超出”赛题的要求。 七要：注意结果的表述不仅有多样性( 公式、表格、图、文字等), 也可有创造性 结果的分析和检验 (1) 对数值结果或模拟结果要进行必要的检验, 若结果不正确、不合理、或误差大时, 要分析原因, 对算法、计算方法、或模型进行修正、改进; (2) 必要时, 要对模型进行稳定性分析、统计检验、误差分析,要对不同模型进行对比及实际可行性检验。 模型的评价和改进 根据所建模型的特点提出中肯的评价, 并提出切实可行的改进意见。 (1) 优点突出, 缺点不回避。 (2) 推广或改进方向 参考文献 文献尽量是少而精, 不要滥用, 不要罗列无关文献。 参考文献按正文中的引用次序列出，其中书籍的表述方式为： [编号]作者，书名，出版地：出版社，出版年。 参考文献中期刊杂志论文的表述方式为： [编号]作者，论文名，杂志名，卷期号：起止页码，出版年。 参考文献中网上资源的表述方式为： [编号]作者，资源标题，网址，访问时间(年月日)。 附录 视情况而定, 可有可无。 (1) 计算程序、详细的结果, 详细的数据表格, 可在此列出。但不要错, 错的宁可不列 (2) 主要结果数据, 应在正文中列出, 不怕重复。 总之, 评判一篇论文优劣的标准应当是结构完整，条理清楚，文字通顺，打印规范。以上关于数学建模论文格式要求规范的详细介绍，希望大家可以顺利发表论文，取得自己满意的成绩。
1、问题陈述2、模型假设3、模型的建立与求解4、模型验证5、结果分析6、提出新方案7、参考文献
奥运会临时超市网点设计模型（小三黑体,题目直接用竞赛试题题目,不必另起） 摘要 （一级标题，4号黑体，居中）（论文其他内容小4号宋体字，单倍行距，左侧装订）本文根据题目附录中提供的问卷调查数据，利用关系数据库查询语言，从不同侧面进行了准确统计，找出了运动会期间观众在出行方式、餐饮方式以及消费额（非餐饮）三方面所反映的规律：大部分（约72%）的观众坐公交和地铁出行；过半数（约52%）的观众选择西餐作为餐饮方式；绝大部分（约88%）的观众消费额在300以下，其中200到300之间人数约占44%。根据观众在出行方式、餐饮方式以及消费额（非餐饮）三方面所反映的规律，对不同消费档次（非餐饮）的观众进行统计，分别测算出题目（图2）中20个商区的人流量分布：A1：83% A2：09% A3：63% A4：19% A5：72% A6：73% A7：04% A8：49% A9：95% A10：40%B1：81% B2：26% B3：55% B4：95% B5：49% B6：27% C1：69% C2：60% C3：39% C4：84%在解决了问题1、2的基础上，对不同消费档次的观众赋予不同消费档次指数，然后，通过对综合购买力的分析以及对各消费档次观众的消费水平进行全面、综合考查，并以此为依据对问题3建立了线性优化模型，运用数学软件MATLAB编程对模型进行二维搜索，得到了模型最优解，设计出了各商区两种类型迷你超市网MS的分布方案： 商区网类型 A1 A2 A3 A4 A5 A6 A7 A8 A9 A10小MS个数 5 4 4 4 5 8 4 3 3 2大MS个数 5 4 4 5 5 9 4 4 3 3 商区网类型 B1 B2 B3 B4 B5 B6 C1 C2 C3 C4小MS个数 2 3 4 3 4 6 2 2 4 3大MS个数 2 1 3 3 3 5 1 2 4 5最后，通过综合分析，我们建立的模型能够准确描述各商区消费水平，得出两种不同类型MS个数分布基本均衡，既满足了奥运会期间的购物需求，又考虑了商业赢利。关键词（一级标题，四号黑体，居中）人流量；二维搜索；消费档次指数；线性优化模型；综合购买力（3－5个）（第一页只有摘要和关键词,而且论文从这一页开始编页号,页码居中）一． 问题的提出（一级标题，四号黑体，居中）2008年北京奥运会的建设工作已经进入全面设计和实施阶段。奥运会期间，在比赛主场馆的周边地区需要建设由小型商亭构建的临时商业网点，称为迷你超市（Mini Supermarket, 以下记做MS）网，以满足观众、游客、工作人员等在奥运会期间的购物需求，主要经营食品、奥运纪念品、旅游用品、文体用品和小日用品等。在比赛主场馆周边地区设置的这种MS，在地点、大小类型和总量方面有三个基本要求：满足奥运会期间的购物需求、分布基本均衡和商业上赢利。图1给出了比赛主场馆的规划图。作为真实地图的简化，在图2中仅保留了与本问题有关的地区及相关部分：道路（白色为人行道）、公交车站、地铁站、出租车站、私车停车场、餐饮部门等,其中标有A1-A10、B1-B6、C1-C4的黄色区域是规定的设计MS网点的20个商区。为了得到人流量的规律，一个可供选择的方法，是在已经建设好的某运动场（图3）通过对预演的运动会的问卷调查，了解观众（购物主体）的出行和用餐的需求方式和购物欲望。假设我们在某运动场举办了三次运动会，并通过对观众的问卷调查采集了相关数据，参照采集的数据，请你按以下步骤对图2的20个商区设计MS网点：1． 根据附录中给出的问卷调查数据，找出观众在出行、用餐和购物等方面所反映的规律。 2． 假定奥运会期间（指某一天）每位观众平均出行两次，一次为进出场馆，一次为餐饮，并且出行均采取最短路径。依据1的结果，测算图2中20个商区的人流量分布（用百分比表示）。3． 如果有两种大小不同规模的MS类型供选择，给出图2中20个商区内MS网点的设计方案（即每个商区内不同类型MS的个数），以满足上述三个基本要求。4． 阐明你的方法的科学性，并说明你的结果是贴近实际的。（图2，图3请见附录2）。二． 问题假设（一级标题，四号黑体，居中）1．奥运会期间（指某一天）每位观众平均出行两次，一次为进出场馆，一次为餐饮，并且出行均采取最短路径。2．观众在一天内的行程如下： 进场馆——>出场餐饮——>餐饮完回场馆——>出场馆且进场馆和出场馆路径相同，出场餐饮和餐饮完回场路径相同。3．出场餐饮与餐饮完回场馆时不考虑出行方式，只按餐饮方式采取最短路径。4．各场馆内进出口与看台一一对应（即进场时一个进口只能到达唯一确定看台，出场时一个出口对应唯一看台，看台之间不能相互跨越）。5．每位观众通过出行或餐饮路径上所有商区（包括看台出口所对的商区）。6．三个场馆人数固定（A区为10万人，B区为6万人，C区为4万人），每个看台人数固定，均为1万人（即商区A1、A2、A3、A4、A5、A6、A7、A8、A9、A10、B1、B2、B3、B4、B5、B6、C1、C2、C3、C4对应的二十个看台每个均为一万人）。7．观众在奥运期间的出行方式、餐饮方式、消费额档次均不变，且服从问卷调查所得规律。三． 假设合理性分析及说明（一级标题，四号黑体，居中）根据最短路径原则，观众从各车站或停车场到场馆往返路径相同；同理，餐饮往返路径也相同。因此只须考虑观众看完比赛从场馆到车站或停车场的路径（下称第一类路径）以及观众出场馆到达餐饮地点的路径（下称第二类路径）即可。即对各商区人流量只须计算这两类路径的人流量，各商区总人流量为观众走这两类路径人流量的2倍。为方便计算，本模型中人流量仅为第一类和第二类路径人流量之和。从图2可以看出，各场馆到餐饮地点或者无车可乘或者相距很近无须乘车，故在观众出场馆餐饮时只根据餐饮方式采取最短路径，忽略出行方式。四． 符号约定（一级标题，四号黑体，居中）W: 出行方式为公交（东西）；N: 出行方式为公交（南北）；E: 出行方式为地铁东；R: 出行方式为地铁西；P: 出行方式为私车；T: 出行方式为出租；C: 餐饮方式为中餐；F: 餐饮方式为西餐；B: 餐饮方式为商场；五． 模型建立与求解（一级标题，四号黑体，居中） 问题1求解根据附录中给出的问卷调查数据，我们利用数据库编程（Visual Basic ＋SQL关系数据查询语言）首先统计得出了三次问卷调查中按年龄、出行方式、餐饮方式、消费水平分档的各类人数，如表1所示。……………………………………………………………………………………………………………………………………………为了能清楚看出观众在出行、用餐和购物等方面反映的情况，用百分比表示各出行方式、餐饮方式、消费额档次人群的分布情况，如表2所示：(略)…………………………………………………………………………………………………………………………………………………………2．问题2求解商区人流量与平均购物欲望是影响商区选址的主要因素。各商区人流量与观众出行方式、餐饮方式有关。商区人流量的消费档次水平分布，体现了该商区人流的平均购物欲望。因此，以消费档次水平为划分标准，分别按出行方式及餐饮方式对人群进行统计，不同消费档次水平人数及百分比表示如表3所示：………………………………………………………………………………………………………………………………………3．问题3求解……………………………………………………………………………………商区Z的综合购买力（百万元）H ＝商区Z各个消费档次购买力之和。各个消费档次购买力为:该消费档次人流量╳消费档次指数根据以上标准可以建立以总出售能力最小作为目标函数的模型： Min f=m1╳( + + )+m2╳( + + )约束条件为： ╳m1+ ╳m2>= (i=1,2……10) ╳m1+ ╳m2>= (j=1,2……6) ╳m1+ ╳m2>= (k=1,2,3,4) , , , , , >=1且为整数 m1
首先是摘要，这个是全文的概述，里面包括这个模型的主题，以及几个需要解决问题的总体答案，比如对模型结果的阐述，或者对原来的安排评价是否合理等等。另外摘要最好控制在word一页内（小四宋体），不要太多。下面是论文的主体： 问题重述主要是对需要解决的问题用自己的语言进行描述，这个就看你自己的文笔功底了。 模型假设对你将要建立的模型进行理想假设，比如说将一些可能对结果影响不显著，但考虑起来需要很多时间的的问题理想化。 符号说明将你要建立的模型中的一些参量用符号代替表示。 模型建立这个是介绍你模型建立的原理和步骤，以及最终的模型结果，一般是一个评价函数，也可以是另外的形式，不过一定要给出一个能解决问题的大的方法 问题一、二、三（视具体的需要回答问题的个数而定，最好分条回答）利用你上面建立的模型，对题目提出的问题进行求解，这个部分需要你通过程序来实现，最后给出这个问题的结果，如果是满不满意这样的问题，需要给出明确回答满意或不满意，如果是一个量的结果，就需要把通过你的模型以及代码得到的准确结果进行阐述。 模型改进解决完上面题目提出的问题之后，可以对你的模型不足的地方再提出来，并提出改进的方案，以完善整个模型。 参考文献最后将你的参考文献写上，包括你在网上查的的资料，以及别人的论文或者书籍等等。如果最后需要你一并交上程序代码的话，还需要一个附录，里面包括程序代码，或者如果你上面的问题的结果太长的话（比如要给出几百个点的坐标这样的），可以将这些结果也放在这一块。如果楼主需要看论文样式的话，推荐一个网站：这是北京航空航天大学的数学建模网站，里面包括了该学校从92年开始到09年的各届论文，里面不乏一些比较好的论文，楼主如果需要参考样式的话，可以看看这些论文。
从统计学的发展趋势谈统计教育的改革 摘要：要培养出新型的21世纪的人才，统计教育必须高瞻远瞩。本文从统计学的发展趋势谈了统计教育急需改革的几个方面。 关键词: 统计学； 发展趋势； 统计教育改革 随着国家创新体系的建立，统计创新工程已经提上议事日程，统计创新包括两个方面，一是统计实践的创新；二是统计教育的创新。创新的基础在于教育，没有统计教育的创新，就谈不上统计实践的创新。准确把握统计学的发展方向与发展形势，培养适应新世纪社会经济发展需要的人才，是统计教育工作者必须面对的问题，本文从统计学的基本发展趋势谈一谈统计教育急需改革的几个方面。 一、统计学的基本发展趋势 纵观统计学的发展状况，与整个科学的发展趋势相似，统计学也在走与其他科学结合交融的发展道路。归纳起来，有两个基本结合趋势。 （一）统计学与实质性学科结合的趋势 统计学是一门通用方法论的科学，是一种定量认识问题的工具。但作为一种工具，它必须有其用武之地。否则，统计方法就成为无源之水，无用之器。统计方法只有与具体的实质性学科相结合，才能够发挥出其强大的数量分析功效。并且，从统计方法的形成历史看，现代统计方法基本上来自于一些实质性学科的研究活动，例如，最小平方法与正态分布理论源于天文观察误差分析，相关与回归源于生物学研究，主成分分析与因子分析源于教育学与心理学的研究。抽样调查方法源于政府统计调查资料的搜集。历史上一些著名的统计学家同时也是生物学家或经济学家等。同时，有不少生物学家、天文学家、经济学家、社会学家、人口学家、教育学家等都在从事统计理论与方法的研究。他们在应用过程中对统计方法进行创新与改进。另外，从学科体系看，统计学与实质性学科之间的关系绝对不是并列的，而是相交的，如果将实质性学科看作是纵向的学科，那么统计学就是一门横向的学科，统计方法与相应的实质性学科相结合，才产生了相应的统计学分支，如统计学与经济学相结合产生了经济统计，与教育学相结合产生了教育统计，与生物学相结合产生了生物统计等，而这些分支学科都具有"双重"属性：一方面是统计学的分支，另一方面也是相应实质性学科的分支，所以经济统计学、经济计量学不仅属于统计学，同时属于经济学，生物统计学不仅是统计学的分支，也是生物学的分支等。这些分支学科的存在主要不是为了发展统计方法，而是为了解决实质性学科研究中的有关定量分析问题，统计方法是在这一应用过程中得以完善与发展的。因此，统计学与各门实质性学科的紧密结合，不仅是历史的传统更是统计学发展的必然模式。实质性学科为统计学的应用提供了基地，为统计学的发展提供了契机。21世纪的统计学依然会采取这种发展模式，且更加注重应用研究。 这个趋势说明：统计方法的学习必须与具体的实质性学科知识学习相结合。必须以实质性学科为依据，因此，财经类统计专业的学生必须学好有关经济类与管理类的课程，只有这样，所学的统计方法才有用武之地。统计的工具属性才能够得以充分体现。 （二）统计学与计算机科学结合的趋势 纵观统计数据处理手段发展历史，经历了手工、机械、机电、电子等数个阶段，数据处理手段的每一次飞跃，都给统计实践带来革命性的发展。上个世纪40年代第一台电子计算机的诞生，给统计学方法的广泛应用创造了条件。20年代发展起来的多元统计方法虽然对于处理多变量的种类数据问题具有很大的优越性，但由于计算工作量大，使得这些有效的统计分析方法一开始并没有能够在实践中很好推广开来。而电子计算机技术的诞生与发展，使得复杂的数据处理工作变得非常容易，那些计算繁杂的统计方法的推广与应用，由于相应统计软件的开发与商品化而变得更加方便与迅速，非统计专业的理论工作者可以直接凭借商品化统计分析软件来处理各类现实问题的多变量数据分析，而无需对有关统计方法的复杂理论背景进行研究。计算机运行能力的提高，使得大规模统计调查数据的处理更加准确、充分与快捷。目前企业经营管理中建立的决策支持系统（DSS）更加离不开统计模型。最近国外兴起的数据挖掘（Datamining,又译"数据掏金"）技术更是计算机专家与统计学家共同关注的领域。随着计算机应用的越来越广泛，每年都要积累大量的数据，大量信息在给人们带来方便的同时也带来了一系列问题：信息过量，难以消化；信息真假，难以辨识；信息安全，难以保证；信息形式不一致，难以统一处理；于是人们开始提出一个新的口号"要学会抛弃信息"。人们考虑"如何才能不被信息淹没，而是从中及时发现有用的知识，提高信息利用率？"面对这一挑战，数据挖掘和知识发现（DMKD）技术应运而生，并显示出强大的生命力。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一门交叉学科，它把人们对数据的应用从低层的简单查询，提升到从数据中挖掘知识，提供决策支持。在这种需求牵引下，汇聚了不同领域的研究者，尤其是数据库技术、人工智能技术、统计、可视化技术、并行计算等方面的学者和工程技术人员，投身到数据挖掘这一新兴的研究领域，形成新的技术热点。虽然统计学家与计算机专家关心Datamining的视角不完全相同，但可以说，Datamining与DSS一样，使得统计方法与计算机技术的结合达到了一个更高的层次。 因此，统计学越来越离不开计算机技术，而计算机技术应用的深入，也同样离不开统计方法的发展与完善。这个趋势说明：充分利用现代计算技术，通过计算机软件将统计方法中复杂难懂的计算过程屏障起来，让用户直接看到统计输出结果与有关解释，从而使统计方法的普及变得非常容易。所以，对于财经类统计专业的学生来说，一方面要学好统计方法，但另一方面更加要学会利用商品化统计软件包解决实践中的统计数量分析问题，学好计算机信息系统开发的基本思想与基本程序设计，能够将具体单位的统计模型通过编程来实现，以建立起统计决策支持系统。 所以统计与实质性学科相结合，与计算机、与信息相结合，这是发展的趋势。了解这一点，再来看我们目前教育中的问题就更加明显了，所以一些课程要改革，教学方式也要改革。以下谈一谈统计教育需要改革的几个方面。采纳哦
SPSS统计软件在我国经济社会统计中应用的现状和问题2009-2-2 来源: 原创 作者:站长 录入：admin 访问：765 次 被顶：95 次 字号：【大 中 小】核心提示：运用逐步回归法 分析影响上海银行存款的因素在现代商品经济社会中，人们的工作与生活已经离不开货币。在生活中人们所需的各种商品，都需要用货币去购买；人们所需的各种服务，也需要支付货币来获得；人们劳动工作的所获得的报酬——工资，也是用货币本文来自大学生毕业论文网，原文地址：
统计学的论文，如果你想参考的话，可以上一些比较出名的论文网站上去搜索，但只能是参考，不能抄袭，你可以从他的论文上去汲取一些东西，把这种东西转化成自己的东西，再用自己的言语去描述
1、论文题目：要求准确、简练、醒目、新颖。 2、目录：目录是论文中主要段落的简表。（短篇论文不必列目录） 3、提要：是文章主要内容的摘录，要求短、精、完整。字数少可几十字，多不超过三百字为宜。 4、关键词或主题词：关键词是从论文的题名、提要和正文中选取出来的，是对表述论文的中心内容有实质意义的词汇。关键词是用作机系统标引论文内容特征的词语，便于信息系统汇集，以供读者检索。 每篇论文一般选取3-8个词汇作为关键词，另起一行，排在“提要”的左下方。 主题词是经过规范化的词，在确定主题词时，要对论文进行主题，依照标引和组配规则转换成主题词表中的规范词语。 5、论文正文： （1）引言：引言又称前言、序言和导言，用在论文的开头。 引言一般要概括地写出作者意图，说明选题的目的和意义, 并指出论文写作的范围。引言要短小精悍、紧扣主题。 〈2）论文正文：正文是论文的主体，正文应包括论点、论据、 论证过程和结论。主体部分包括以下内容： 提出-论点； 分析问题-论据和论证； 解决问题-论证与步骤； 结论。 6、一篇论文的参考文献是将论文在和写作中可参考或引证的主要文献资料，列于论文的末尾。参考文献应另起一页，标注方式按《GB7714-87文后参考文献著录规则》进行。 中文：标题--作者--出版物信息（版地、版者、版期）：作者--标题--出版物信息 所列参考文献的要求是： （1）所列参考文献应是正式出版物，以便读者考证。 （2）所列举的参考文献要标明序号、著作或文章的标题、作者、出版物信息。
这个写的方面有很多，，来我有写好的 亲
可以多看一些资料，然后去学习一下人家的论文是怎么写的？通过借鉴，然后但是千万不要抄袭，如果抄袭的话，那基本上就没有用了
写统计学的论文首先要读大量的同济学论文文献，在前人的研究基础上践行。
统计学的论文，如果你想参考的话，可以上一些比较出名的论文网站上去搜索，但只能是参考，不能抄袭，你可以从他的论文上去汲取一些东西，把这种东西转化成自己的东西，再用自己的言语去描述
可以多看一些资料，然后去学习一下人家的论文是怎么写的？通过借鉴，然后但是千万不要抄袭，如果抄袭的话，那基本上就没有用了
《统计学与应用》这本期刊上的文献，你可以去看看学习学习的
数据可从网上搜索，统计年鉴及各大数据库都有再通过统计软件作分析，例如相关分析和回归分析，这种论文偏理论型也可以通过设计调查问卷，可针对身边某一热点问题进行调查，如消费观，就业观，来搜集数据，再写一篇调查报告．