導語：如何才能寫好一篇統(tǒng)計學變量的定義，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

[關(guān)鍵詞]教師職業(yè)倦怠 人口統(tǒng)計學變量 個性因素 組織因素

[中圖分類號] G451 [文獻標識碼] A [文章編號] 2095-3437（2013）15-0027-03

教師職業(yè)倦怠是教育研究中值得關(guān)注的一個問題?！敖處熓且粋€高壓力的職業(yè)，社會賦予教師的高度期望、繁重的工作量、學生行為問題、學生考試成績和課程與教學改革等都是教師壓力的主要來源?！盵1]“過高的工作壓力和職業(yè)倦怠會導致教師工作績效下降、缺勤、離職，對教師的身心健康造成不利影響，并對學生產(chǎn)生直接、消極的影響，甚至波及整個社會。”[2]教師職業(yè)倦怠也因此成為教師專業(yè)發(fā)展的阻力和教師職業(yè)生涯中的危機。

一、職業(yè)倦怠的概念界定

對于職業(yè)倦怠的概念，不同學者從不同的角度提出了不同的看法，概括起來，不外乎兩大類，即側(cè)重揭示職業(yè)倦怠最終狀態(tài)的靜態(tài)定義和側(cè)重描述職業(yè)倦怠動態(tài)發(fā)展過程的動態(tài)定義。

（一）職業(yè)倦怠的靜態(tài)定義

Maslach認為，“職業(yè)倦怠是指那些需要連續(xù)不斷地與他人互動的人際服務業(yè)者在經(jīng)歷長期壓力下的一種行為反應，它由情感衰竭（emotional exhaustion）、非人性化（depersonalization）和低個人成就感（reduced personal accomplishment）三個成分組成”。[3]

在眾多職業(yè)倦怠靜態(tài)定義中，得到學術(shù)界廣泛認同的當屬Maslach對職業(yè)倦怠的界定。由于Maslach及其同事所編制的職業(yè)倦怠量表――MBI的普遍使用，使這一定義成為目前最常用的職業(yè)倦怠標準化操作性定義。

（二）職業(yè)倦怠的動態(tài)定義

與Maslach不同，Cherniss則從職業(yè)倦怠動態(tài)發(fā)展過程的角度界定職業(yè)倦怠，并給出了職業(yè)倦怠的定義，這一定義屬于職業(yè)倦怠的動態(tài)定義。Cherniss認為，“職業(yè)倦怠是個體面對工作疲勞（strain）在態(tài)度和行為上消極變化的過程，可分為三個階段：第一階段為資源和需求的不平衡，即壓力階段；第二階段為即刻、短時的情緒緊張、疲勞和耗盡，即疲勞階段；第三階段包括一系列態(tài)度和行為的改變（如以疏離、機械的方式對待工作對象），即防御性應對（defensive coping）階段”。[4]

職業(yè)倦怠的靜態(tài)定義和動態(tài)定義并不是相互排斥的，相反，在一定意義上，兩類定義是互補關(guān)系，動態(tài)定義所描述的是靜態(tài)定義的前一個階段，靜態(tài)定義所描述的是動態(tài)定義的最后階段。

Schaufeli和Enzmann在研究了職業(yè)倦怠的諸多定義之后，最為全面地概括了職業(yè)倦怠現(xiàn)象的本質(zhì)：“職業(yè)倦怠是一般個體所經(jīng)驗的、一種與工作有關(guān)的持續(xù)、消極的心理狀態(tài)，它主要以精疲力竭為基本特征。職業(yè)倦怠表現(xiàn)為負性壓力（distress）、低效能感、動機下降以及態(tài)度和行為的消極改變。這一心理狀況是逐漸形成的，但卻在很長一段時間內(nèi)不被個體所覺知。它起因于工作中目的與現(xiàn)實的互不協(xié)調(diào)。職業(yè)倦怠因其實質(zhì)上是一種不適當?shù)膽獙Σ呗?，往往會持續(xù)存在”。[5]這一定義首先將職業(yè)倦怠的諸多癥狀概括為一個核心特征――精疲力竭和四種一般表現(xiàn)，即負性壓力、低效能感、動機下降以及態(tài)度和行為的消極改變。其次，它強調(diào)未能實現(xiàn)的目標和不適當?shù)膽獙Σ呗允锹殬I(yè)倦怠產(chǎn)生的前提條件。最后，它指出職業(yè)倦怠是一個逐步發(fā)展的過程。顯然，這一概念和其他諸多概念相比，明顯的優(yōu)勢在于不僅描述了職業(yè)倦怠的一般癥狀表現(xiàn)、產(chǎn)生原因及發(fā)生范圍，而且具體指出了職業(yè)倦怠的核心特征和四個常見的伴隨特征。此外，該定義還強調(diào)了職業(yè)倦怠是一個逐漸發(fā)展的過程，并指出應對策略，在職業(yè)倦怠形成過程中具有重要的作用。

二、教師職業(yè)倦怠的影響因素

影響教師職業(yè)倦怠的因素眾多，概括起來主要分為人口統(tǒng)計學變量、個性變量和組織變量三大類。

（一）人口統(tǒng)計學變量

已有研究考察的人口統(tǒng)計學變量主要包括年齡與工作經(jīng)驗、性別、學生級別、教育程度和婚姻狀況等。這些變量也與職業(yè)倦怠或多或少存在一定的相關(guān)。例如，多數(shù)研究表明，教師的年齡和工作經(jīng)驗與職業(yè)倦怠呈負相關(guān)，所以，在教師職業(yè)生涯初期，容易出現(xiàn)職業(yè)倦怠；就性別而言，較為一致的結(jié)論是男教師的非人性化程度明顯高于女教師；從學生級別來看，多數(shù)研究顯示中學教師的職業(yè)倦怠程度要高于小學教師；有關(guān)婚姻狀況與職業(yè)倦怠關(guān)系的研究出現(xiàn)兩種結(jié)果：一種結(jié)果表明，已婚教師的職業(yè)倦怠水平低于未婚教師，而另一種結(jié)果則顯示，結(jié)婚與否和職業(yè)倦怠的相關(guān)性并不顯著。其他一些人口統(tǒng)計學變量，如教師職稱、任教科目、學校級別等與教師職業(yè)倦怠的關(guān)系，較難取得一致結(jié)論。

總之，人口統(tǒng)計學變量與教師職業(yè)倦怠的相關(guān)性較低，研究結(jié)果也不十分一致，有些研究并未發(fā)現(xiàn)顯著的相關(guān)關(guān)系，甚至還得出與多數(shù)研究相反的結(jié)論。由此可以看出，人口統(tǒng)計學變量雖然是影響教師職業(yè)倦怠的因素，但并不是主要的因素。

（二）個性因素

影響教師職業(yè)倦怠的個性因素主要有心理控制源、A型人格、大五人格、工作期望、應對策略、自我概念、自尊和自信、自我效能、人生意義等。通過對這些因素的研究，可以解釋為什么在相同或相似的工作環(huán)境和壓力下，個體經(jīng)驗的職業(yè)倦怠程度會有所不同。

研究表明，心理控制源是職業(yè)倦怠的有效預測變量，外控教師因其將事件和成就歸因于他人或機遇，因而其職業(yè)倦怠程度要高于內(nèi)控教師；A型人格的人由于個性爭強好勝，具有時間緊迫感和充滿成功的理想等特點，通常認為更容易產(chǎn)生職業(yè)倦怠；研究表明，大五人格中的神經(jīng)質(zhì)與職業(yè)倦怠的關(guān)系最為顯著；個體對組織、工作以及自身過高的期望也會影響其職業(yè)倦怠程度，過高的期望會增加職業(yè)倦怠的程度；研究表明，個體的自我概念、自尊和自信都與職業(yè)倦怠呈顯著的負相關(guān)；Leiter認為，職業(yè)倦怠是由于自我效能感出現(xiàn)危機所致，實證研究也證明了這一點；職業(yè)倦怠的存在主義理論認為，職業(yè)倦怠是由于個體在生活和工作中尋求存在意義的需要未能實現(xiàn)所致，有關(guān)人生意義與職業(yè)倦怠關(guān)系的量化研究也充分支持了這一觀點。

三、組織因素

組織因素成為影響教師職業(yè)倦怠的原因是職業(yè)倦怠是一個與工作有關(guān)的概念。工作壓力源以及其他組織水平上的變量是產(chǎn)生職業(yè)倦怠的可能原因，因此，這應該是我們重點關(guān)注的因素。

（一）學生問題行為

學生是教師工作的對象，學生的行為表現(xiàn)是影響教師壓力和職業(yè)倦怠的重要因素。很多實證研究均表明，學生在課堂的問題行為、不遵守紀律、態(tài)度冷漠是教師主要的壓力源，學生問題行為與教師職業(yè)倦怠呈正相關(guān)。Hoerr和West將學生問題行為分為兩類：一類是一般問題行為，即較常見的、可以被教師預知的、經(jīng)常出現(xiàn)的行為；另一類是危機問題行為。他們發(fā)現(xiàn)，學生一般問題行為與情感衰竭、非人性化存在高相關(guān)，而學生的危機問題行為則只與非人性化維度相關(guān)。Friedman的研究結(jié)果表明，學生的不尊重（指學生不尊重老師和其他同學）和不用心（指學生學習考試不及格）等學生問題行為會增加教師的職業(yè)倦怠感。

（二）學校文化

教師的主要工作場所是學校，所以學校文化也是影響教師職業(yè)倦怠的因素之一。Leithwood、Menzies、Jantzi等人認為，如果學校的目標明確，學校給予教師一個不斷學習的環(huán)境，學校文化是合作、團結(jié)的，教師的職業(yè)倦怠水平就低；相反，在組織僵硬的學校里，教師的職業(yè)倦怠水平就高。因此，學校應形成一個團結(jié)、合作、不斷學習和相互支持的良好氛圍，學校管理應該人性化。

（三）工作負擔

大量研究表明，合理的工作量有利于降低教師的職業(yè)倦怠水平，相反，工作超負荷則會提高教師的職業(yè)倦怠水平。工作超負荷有質(zhì)和量兩方面的含義。從量的方面來看，工作超負荷是指有過多的工作要求，而用太少的時間去完成任務。如繁重的備課、批改任務，過多的學生數(shù)量等。從質(zhì)的方面來看，工作超負荷是指工作的復雜和困難程度大，例如學校要求教師的教學成績要在本地區(qū)排名第一。

（四）教師的自

以往的實證研究顯示，教師參與的自也是影響教師職業(yè)倦怠的一個重要因素。當教師在教學和學校管理等事務中擁有更大的參與自，教師的職業(yè)倦怠水平就低，而缺乏參與自會使教師的士氣、自尊和工作滿意度下降，進而提高職業(yè)倦怠水平。

（五）角色沖突和角色模糊

角色沖突和角色模糊也是影響教師職業(yè)倦怠的重要組織變量。當個體面對兩種沖突情境而又被期望做出角色行為時，角色沖突就會出現(xiàn)。當個體對其職業(yè)的權(quán)利、義務和責任缺乏明晰、一致的認識而感到無法勝任工作，或者面對不斷增加的復雜工作和較大的組織變革時，角色模糊就會產(chǎn)生。

大量的實證研究表明，角色沖突與情感衰竭、非人性化呈正相關(guān)，與個人成就感呈負相關(guān)，其中，角色模糊與個人成就感的關(guān)系最為密切?？傊?，角色沖突和角色模糊與教師職業(yè)倦怠都有較高的相關(guān)，但比較而言，角色沖突對教師職業(yè)倦怠的解釋能力相對較強。

（六）社會支持

社會支持通常從來源和類型兩個方面進行劃分。依據(jù)來源，社會支持可分為校內(nèi)支持（包括同事支持、校長支持等）和校外支持（包括學生支持、朋友支持、配偶支持等）。依據(jù)類型，社會支持可分為信息支持、實際支持和情感支持三類。

一般而言，社會支持作為個體的一種應對方式，良好的社會支持能有效降低教師職業(yè)倦怠的程度，但因社會支持的結(jié)構(gòu)較為復雜，不同類型的社會支持對教師職業(yè)倦怠的影響有所不同。例如，多數(shù)實證研究結(jié)果顯示，校內(nèi)支持與教師職業(yè)倦怠的關(guān)系比較密切，其對教師職業(yè)倦怠各成分均有負向預測作用，而校外支持與教師職業(yè)倦怠的相關(guān)性并不顯著；情感支持能有效降低情感衰竭、非人性化；實際支持可以增強教師的個人成就感；教師的時間支持高，則情感衰竭和非人性化程度低。

個別學者的研究甚至得出相反的結(jié)論。例如Burke和Greenglass的一項研究結(jié)果顯示，社會支持對教師職業(yè)倦怠的影響并不顯著。Byrne認為，這可能是由社會支持理論結(jié)構(gòu)的多維性和統(tǒng)計方法的多樣性造成的。

除以上因素之外，工作需求、工作資源、工作控制以及付出與回報不成比例等也是影響教師職業(yè)倦怠的因素。而在以上各組織因素中，學生的行為問題、角色沖突與角色模糊、教師的自主性、工作負擔是教師壓力的主要來源。

綜上所述，與教師職業(yè)倦怠有關(guān)的因素主要有人口統(tǒng)計學變量、個性變量和組織變量三類。其中，人口統(tǒng)計學變量相對比較穩(wěn)定，它們與教師職業(yè)倦怠雖有相關(guān)關(guān)系，但不與教師職業(yè)倦怠有因果聯(lián)系。個性變量則比較主觀、多變，它們對教師職業(yè)倦怠的影響也比人口統(tǒng)計學變量要大。組織因素是屬于微系統(tǒng)或中系統(tǒng)層面，其與教師職業(yè)倦怠的相關(guān)程度也最高。

[ 參 考 文 獻 ]

[1] 周曉曄，秦巍.中學教師職業(yè)壓力調(diào)查分析[J].遼寧師范大學學報（社會科學版），2004，（3）：69-71.

[2] Farber，B.A.Stress and burnout in the American teacher[M].San Francisco，CA：Jossey？鄄Bass，1991.

[3] Maslach，C.Burnout： A social psychological analysis.In J.W.Jone（Ed.），The burnout syndrome：Current research，theory，investigations[M].Park Ridge，IL：London House Press，1982.

[4] Cherniss，C..Professional bournout in human service organiz？鄄

ations[M].New York：Praeger，1980.

[5] Schaufeli，W.B.&Enamann，D..The burnout companion to stu？鄄

篇2

學生考試成績，作為一項衡量學生學習情況和教師授課效果的重要指標，在教學評價中起著舉足輕重的作用。隨著新課程改革的不斷推進和教育教學改革的不斷深入，對教學評價提出了更為客觀的要求，這就要求教師在對學生學習成績進行統(tǒng)計和評價的過程中必須借助于相關(guān)的統(tǒng)計學知識，從考試成績中充分挖掘出有意義的教學資源，達到事半功倍的效果。文章以我校2010屆高三理科兩個班級學生省質(zhì)檢理綜成績?yōu)槔?，介紹如何應用SPSS統(tǒng)計軟件對考試成績進行分析和評價，以期為教學活動提供一定的幫助。

二、SPSS簡介

SPSS（Statistical Package for Social Sciences）即社會科學統(tǒng)計程序，是一款享有“世界優(yōu)秀統(tǒng)計工具”之美譽的專業(yè)統(tǒng)計軟件，它和統(tǒng)計分析系統(tǒng)SAS（Statistical Analysis System）以及生物醫(yī)學程序BMDP(Biomedical Programs)并稱為國際上最具影響力的三大統(tǒng)計學軟件。SPSS可以用對話框的形式實現(xiàn)各種管理和分析數(shù)據(jù)的功能，擁有數(shù)據(jù)管理、統(tǒng)計分析、圖表分析和輸出管理等功能，從而實現(xiàn)描述性統(tǒng)計分析、均值比較和相關(guān)分析等分析功能。它具有操作簡便，統(tǒng)計分析方法全面，圖形繪制快捷等優(yōu)點，作為一種有效的統(tǒng)計工具，SPSS已經(jīng)廣泛應用于生物學、心理學和醫(yī)學等各個領(lǐng)域，近年來，SPSS在教育教學統(tǒng)計中也得到了越來越廣泛的應用。

三、應用SPSS統(tǒng)計軟件進行試卷分析

（一）數(shù)據(jù)收集和分析內(nèi)容

1.調(diào)查對象

三明二中2010屆高三（8）、（9）班學生省質(zhì)檢理綜成績。

2.成績分析內(nèi)容

（1）試卷成績分析

主要包括，學生人數(shù)、參加考試人數(shù)、平均分、最高分、最低分、及格率、標準差和成績分布是否呈正態(tài)分布等。

（2）學生成績分析

比較高三（8）和（9）班，兩個不同班級的學生成績是否有差異，以及兩個班級男生和女生成績是否有差異。

（二）應用SPSS統(tǒng)計軟件進行試卷分析

首先可以將學生成績輸入Excel中，然后導入SPSS中，主要設(shè)置的變量包括編號、姓名、班級、性別、理綜成績等。數(shù)據(jù)處理操作步驟如下：

1.定義分數(shù)段

在成績分析時，為了更直觀地看出不同分數(shù)段學生人數(shù)及其所占比例，這里可以將分數(shù)轉(zhuǎn)換成分數(shù)段，SPSS中具體操作如下：點擊TransformRecode Into Different Variables（轉(zhuǎn)換重新定義不同變量），彈出Recode Into Different Variables（重新定義不同變量）對話框，把“理綜”成績這個變量輸入Output Variable（輸出變量）對話框中，在Name（名字）欄目中輸入“分數(shù)段”，單擊Change（改變）；然后單擊Old and New value（舊的和新的值）按鈕，選擇Range（范圍），在其下欄目中輸入相對應的分數(shù)范圍，由于理綜總分為300分，180分代表及格，所以用0179.9，Value（值）中輸入50用來代表不及格的分數(shù)，單擊Add（添加）；同理，我們可以定義60、70、80、90分段的分數(shù)段，如圖1所示。

圖1 定義分數(shù)段對話框示意圖

2.成績分析

以班級為單位進行試卷分析，繪制成績分布直方圖和Q-Q概率圖對本次理綜考試情況進行正態(tài)分布分析，具體操作步驟如下：單擊AnalyzeDescriptive StatisticsFrequencies（分析統(tǒng)計學描述頻數(shù)分析），在彈出的Frequencies（頻數(shù)分析）對話框中，把“理綜”和“分數(shù)段”兩個變量導入Variable（變量）中；點擊Statistics（統(tǒng)計）按鈕，在彈出的Frequencies：Statistics（頻數(shù)分析：統(tǒng)計）對話框中，選中Mean（平均分）、Std deviation（標準偏差）、Minimum（最低分）、Maximum（最高分）和Range（范圍）這五個常用指標，單擊Continue（繼續(xù)），返回主對話框，點擊Charts（繪圖）按鈕，在彈出的Frequencies：Charts（頻數(shù)分析：繪圖）對話框中，選中Histograms（柱狀圖）和其下的With normal curve（正態(tài)分布曲線），再點擊Continue（繼續(xù)），返回主對話框，點擊OK按鈕，就可以獲得學生總數(shù)、缺考人數(shù)、最高分、最低分、平均分、優(yōu)、良、中、差和不及格人數(shù)分布及其百分百直方圖，統(tǒng)計結(jié)果如表1、表2和圖2所示。

表1 學生理綜成績基本統(tǒng)計情況

表2 學生理綜成績分布情況

教育學與統(tǒng)計學理論認為，一次難度適中信度可靠的考試，其成績分布應該接近正態(tài)分布（陳捷，2008），文章為了驗證本次理綜考試是否符合正態(tài)分布，采用Q-Q概率圖對考試成績進行正態(tài)分布分析，具體操作如下：執(zhí)行Graphs（圖表）Q-Q，打開“Q-Q Polts”（ “Q-Q 圖”）對話框，將“理綜”作為變量輸入Variabls（變量）中，其他采用系統(tǒng)默認選項，點擊OK按鈕，就可以得到學生理綜成績正態(tài)分布Q-Q概率圖，如圖3所示。

3、考試成績差異性比較

（1）不同班級之間學生理綜成績比較

執(zhí)行AnalyzeCompare MeansIndependent-Samples T Test（分析比較方法獨立性T檢驗），在彈出的Independent-Samples T Test（獨立性T檢驗）對話框中，把“理綜”選入Test Variable（檢驗變量）對話框中，將“班級”選入Grouping Variable（分組變量）對話框中，單擊“Difine Groups”（分組）按鈕，在彈出的Difine Groups（分組）對話框中，在Groups1（第1組）中輸入8班；在Groups2（第2組）中輸入9班，點擊Continues（繼續(xù)）返回主對話框，單擊OK，完成比較，統(tǒng)計結(jié)果如表3、表4所示。

表3 不同班級學生理綜成績情況表

表4 不同班級學生理綜成績獨立樣本T檢驗

表5 男女學生理綜成績情況

（2）男女學生理綜成績比較

操作步驟同（1），得到統(tǒng)計結(jié)果如表5和表6所示。

表6 男女學生理綜成績獨立樣本T檢驗

四、結(jié)果分析

1．從表1可以得到，參加理綜考試的學生人數(shù)為107人，沒有缺考學生，平均分為211.55分，標準差為41.63，最高分為273分，最低分為85分，全距為188分。說明本次考試整體難度較高；標準差為41.63，最高分與最低分的差距為188分，說明這兩個班學生理綜水平兩極分化較大，這可能與學生對該學科的學習興趣有關(guān)。

2．從表2和圖2可知，大部分的學生集中在良、中和及格分數(shù)段，不及格的人數(shù)占到約20%，而優(yōu)等分數(shù)段的學生僅有一人，主要是由于這兩個班級都是平行班，尖子生較少；此外，本次理綜考試的難度偏大導致及格率較低。而從圖3學生成績正態(tài)Q-Q概率圖看，盡管有一定數(shù)量的學生成績在趨勢線附近有波段，但從總體來看，基本還是呈直線分布，因此，本次理綜省質(zhì)檢考試成績還是可以近似認為呈正態(tài)分布。

3．表3和表4顯示，高三（8）班和（9）班兩個班級學生理綜成績的平均分分別為213.91分和209.15分，雖然（8）班的平均分高于（9）班，但是兩個班級學生的成績沒有顯著差異（P=0.557>0.05）；表5和表6結(jié)果顯示，兩個班級男女生的理綜成績平均值分別為211.36分和211.89分，男女生理綜成績沒有顯著差異（P=0.95>0.05）。

五、總結(jié)

篇3

關(guān)鍵詞：力量；影響；體育舞蹈

一、前言

體育舞蹈可以被描述為體育和藝術(shù)的特殊結(jié)合，是一種使舞蹈雙方，以原始的方式，通過不同的音樂類型和塑造協(xié)調(diào)復雜的優(yōu)美舞姿來表達真實的情感。舞者的技術(shù)和藝術(shù)的質(zhì)量性能取決于廣泛的機動能。一名舞者的技術(shù)和藝術(shù)表演水平取決于運動的寬譜能力.到目前為止在體育舞蹈方面的研究者已經(jīng)向在一定舞蹈學科的技術(shù)表演領(lǐng)域的個人運動能力的增值上向一些有趣的消息屈服。同樣，許多研究也證實了舞蹈的基本運動能力對一支成功的舞蹈表達影響很大。鑒于舞蹈技術(shù)，即運動結(jié)構(gòu)，在一般的舞蹈活動中，可以說最活躍的是身體的尾椎，它是移動的“基礎(chǔ)”。對于一個成功的舞蹈技巧主要負責執(zhí)行任務的是舞者的下肢，肌肉和腹部。這種能力縮小他們的速度使他們得到放松，并決定著舞蹈表演中必要的力度，及時與特定的肌肉群發(fā)生相互的反應，影響舞者能量的合理利用，以及肌肉的顯現(xiàn)，很大程度上有助于移動性能的審美表達。力量這種運動能力在舞蹈活動中起著重要的作用。它出現(xiàn)在不同的表現(xiàn)形式中，舞蹈的活動類型決定著其潛力的效用水平。

本文的假設(shè)是：

假設(shè)一：基于被期望的肌肉運動力量能力對標準舞的表演和技術(shù)的效能進行統(tǒng)計上的重要預測。

假設(shè)二：基于被期望的肌肉運動力量能力對拉丁舞的表演和技術(shù)的效能進行統(tǒng)計上的重要預測。

二、研究方法

（一）樣品的參與者

使用了一個具有代表性和目的性的由49個包括25名女性和24名男性組成的體育舞蹈受訪者的分層抽樣。這個樣品包含初中1和初中2的從12歲到15歲年齡群的舞蹈者。他們作為舞蹈分派D3、D4的一部分，競爭的項目涵蓋了基本的編排組合和更復雜的舞蹈技術(shù)的元素。他們都積極參與了2年的訓練過程，每周訓練三次。

（二）樣本的變量

本研究的目的，一個預測變量（通過三個力量測試定義）和兩個標準變量（通過三支拉丁舞和三支標準舞定義）被選中。預測變量用于測試在拉丁舞和標準舞表演中的相關(guān)性和預測成功的可能性。它是由：1.上肢提升――MPGDT2.從躺的位置扔實心藥球――MBMLE；3.從現(xiàn)場跳――SKOKUDAL。預測變量是由標準化測試對運動強度的能力評價和他們具備必要的度量特性所組成。拉丁舞、和標準舞的標準變量都將被用于評估舞蹈結(jié)構(gòu)習得的質(zhì)量和速度。標準變量是分別由五支舞中的三支組成的。為了在動力學中將二者進行比較，在拉丁舞表演中，我們選擇了桑巴，恰恰恰和牛仔，從標準舞中我們選擇了華爾茲，探戈和快步來進行比較。這些變量當中的每支舞都被基礎(chǔ)技術(shù)元素所定義。綜上所述，這些變量包含一個標準的拉丁舞變量和一個標準的標準舞變量。所有的技術(shù)元素都已經(jīng)被國際體育舞蹈聯(lián)合會――IDSF規(guī)定采用。拉丁舞和標準舞的基礎(chǔ)技術(shù)元素評估通過評審委員會使用打分制完成，打分范圍從0到10。評審委員會是由波斯尼亞和黑塞哥維那體育舞蹈聯(lián)合會得到許可的裁判組成。

（三）實驗描述

預測變量的標準化考試系統(tǒng)是由強度運動能力的評估：MPGDT，MBMLE SKOKUDAL組成的。這些測試具有一定的指標特性。測試標準變量是由驗證評審委員會來完成的，同時也負責評估舞蹈結(jié)構(gòu)表演水平的0到10分的測量任務。所有分數(shù)的算術(shù)平均結(jié)果將把每個試驗者所得的分數(shù)放到拉丁舞和標準舞的水平評估量表里。

（四）統(tǒng)計數(shù)據(jù)處理研究的結(jié)果

從研究得到的結(jié)果以描述性對比統(tǒng)計分析程序處理。比較數(shù)據(jù)，我們采用參數(shù)統(tǒng)計，其中：相關(guān)性和回歸性分析。作為統(tǒng)計重要性水平，我們設(shè)置P

三、結(jié)果與討論

篇4

求相關(guān)系數(shù)r：相關(guān)系數(shù)介于區(qū)間[-1，1]內(nèi)，相關(guān)系數(shù)是最早由統(tǒng)計學家卡爾·皮爾遜設(shè)計的統(tǒng)計指標，是研究變量之間線性相關(guān)程度的量，一般用字母r表示。由于研究對象的不同，相關(guān)系數(shù)有多種定義方式，較為常用的是皮爾遜相關(guān)系數(shù)。

相關(guān)表和相關(guān)圖可反映兩個變量之間的相互關(guān)系及其相關(guān)方向，但無法確切地表明兩個變量之間相關(guān)的程度。相關(guān)系數(shù)是用以反映變量之間相關(guān)關(guān)系密切程度的統(tǒng)計指標。相關(guān)系數(shù)是按積差方法計算，同樣以兩變量與各自平均值的離差為基礎(chǔ)，通過兩個離差相乘來反映兩變量之間相關(guān)程度；著重研究線性的單相關(guān)系數(shù)。

（來源：文章屋網(wǎng) ）

篇5

相關(guān)熱搜：統(tǒng)計學  統(tǒng)計學原理

一、數(shù)據(jù)統(tǒng)計分析的內(nèi)涵

數(shù)據(jù)分析是指運用一定的分析方法對數(shù)據(jù)進行處理，從而獲得解決管理決策或營銷研究問題所需信息的過程。所謂的數(shù)據(jù)統(tǒng)計分析就是運用統(tǒng)計學的方法對數(shù)據(jù)進行處理。在實際的市場調(diào)研工作中，數(shù)據(jù)統(tǒng)計分析能使我們挖掘出數(shù)據(jù)中隱藏的信息，并以恰當?shù)男问奖憩F(xiàn)出來，并最終指導決策的制定。

二、數(shù)據(jù)統(tǒng)計分析的原則

（1）科學性。科學方法的顯著特征是數(shù)據(jù)的收集、分析和解釋的客觀性，數(shù)據(jù)統(tǒng)計分析作為市場調(diào)研的重要組成部分也要具有同其他科學方法一樣的客觀標準。（2）系統(tǒng)性。市場調(diào)研是一個周密策劃、精心組織、科學實施，并由一系列工作環(huán)節(jié)、步驟、活動和成果組成的過程，而不是單個資料的記錄、整理或分析活動。（3）針對性。就不同的數(shù)據(jù)統(tǒng)計分析方法而言，無論是基礎(chǔ)的分析方法還是高級的分析方法，都會有它的適用領(lǐng)域和局限性。（4）趨勢性。市場所處的環(huán)境是在不斷的變化過程中的，我們要以一種發(fā)展的眼光看待問題。（5）實用性。市場調(diào)研說到底是為企業(yè)決策服務的，而數(shù)據(jù)統(tǒng)計分析也同樣服務于此，在保證其專業(yè)性和科學性的同時也不能忽略其現(xiàn)實意義。

三、推論性統(tǒng)計分析方法

（1）方差分析。方差分析是檢驗多個總體均值是否相等的一種統(tǒng)計方法，它可以看作是t檢驗的一種擴展。它所研究的是分類型自變量對數(shù)值型因變量的影響，比如它們之間有沒有關(guān)聯(lián)性、關(guān)聯(lián)性的程度等，所采用的方法就是通過檢驗各個總體的均值是否相等來判斷分類型自變量對數(shù)值型因變量是否有顯著影響。（2）回歸分析。在數(shù)據(jù)統(tǒng)計分析中，存在著大量的一種變量隨著另一種變量的變化而變化的情況，這種對應的因果變化往往無法用精確的數(shù)學公式來描述，只有通過大量觀察數(shù)據(jù)的統(tǒng)計工作才能找到他們之間的關(guān)系和規(guī)律，解決這一問題的常用方法是回歸分析?；貧w分析是從定量的角度對觀察數(shù)據(jù)進行分析、計算和歸納。

四、多元統(tǒng)計分析方法

篇6

1一般資料

1．1研究對象

選擇2007年11月到2009年4月在我院神經(jīng)內(nèi)科住院急性腦梗死患者共67名，平均年齡(55～84)歲，70歲以上16名，占23．9%，其中男41名(占61．2%)，女性26名(占38．8%)。診斷均符合全國第四屆腦血管病學術(shù)會議修訂的診斷標準，并經(jīng)頭部CT或MRI檢查證實，排除顱內(nèi)出血或任何出血性神經(jīng)系統(tǒng)病。所有病例除外改良RANKIN評分＞4分(即排除嚴重失能的患者，臥床不起者，大小便失禁者和需要長期維持護理者)，大腦靜脈血栓，外傷或手術(shù)史，急慢性炎癥，發(fā)熱、感染性疾病、肝腎功能不全(AST或ALT＞3倍正常值上限，根據(jù)cockcroft公式計算出肌酐清除率＜30ml/min)，合并腫瘤、自身免疫性疾病、外傷、近期手術(shù)及服用糖皮質(zhì)激素或免疫抑制劑者。其中51名(76．1%)患者合并高血壓病史，是主要的血管危險因素。

1．2主要實驗儀器

GEsignalLX1．5T磁共振成像設(shè)備、德國HERMLE離心機、美國GE8層CT機、韓國BIONET12導心電圖機、美國貝克曼庫爾德(BECKMANCOLTER)公司的IMMAGE型全自動生化分析儀、全自動血細胞分析儀、美國HELENA公司的快速電泳儀、貝林濁度分析儀，EDTA試管。

2研究方法

所有患者均經(jīng)進行詳細的病史(高血壓病、冠心病、糖尿病、高脂血癥、腦血管病、吸煙史、教育水平)采集及神經(jīng)系統(tǒng)檢查體格檢查，血壓、血常規(guī)、血糖、血脂、肝腎功能，尿酸，12導聯(lián)-心電圖，頭部CT或MRI等檢查。所有腦梗死患者于發(fā)病72h內(nèi)測定HS-CRP，每3個月進行一次訪視，收集所有終點事件，隨訪1年。

2．1血管性危險因素和臨床變量

高血壓(收縮壓≥140mmhg或舒張壓≥90mmhg或正在服用降壓藥)，糖尿病(治療過或已知空腹血糖≥7mmol/l)，高膽固醇血癥(總膽固醇≥220mg/dl或正在服用降血脂藥)，高甘油三脂血癥(甘油三酯≥190mg/dl或正在服用降脂藥)，吸煙史(當前吸煙或過去6個月停止吸煙)，冠心病史，腦血管病史。血清HS-CRP正常值為0～5mg/l，大于5mg/l定義為異常值(我院正常值范圍0～5mg/l)。

2．2腦梗死和終點事件的定義

腦梗死的定義為:有局灶性缺血性神經(jīng)功能缺損;癥狀≥24h，或無論癥狀持續(xù)的時間，CT/MRI有相應的腦梗死證據(jù)。終點事件的定義為:任何原因的死亡(血管性和非血管性);任何新發(fā)的非致死性血管事件(包括復發(fā)的腦卒中、短暫性腦缺血發(fā)作、急性心肌梗死、不穩(wěn)定型心絞痛)。

2．3改良RANKIN量表評分與病情程度

采用改良RANKIN量表評分評價患者的病情嚴重程度。所有入選患者都進行改良RANKIN量表評分(ModifiedRankinScale，mRS)，本研究所有患者的評分在0～4分之間，評分0～2分被定義為輕度殘疾，3～4分被定義為中重度殘疾。

2．4采集血樣和超敏C反應蛋白的測定

入選的患者在合格事件發(fā)生后72h晨起空腹完成靜脈血樣采集，全血在3000rpm條件下離心15min后，分離出血清保存于－80℃等待分析。超敏C反應蛋白使用貝林濁度分析儀檢測，單位:mg/l。所有結(jié)果均進行復查。

3統(tǒng)計學處理

計量資料用均數(shù)±標準差(x±s)兩組計量資料的比較應用t檢驗，計數(shù)資料應用χ2檢驗。各自變量與終點事件的相關(guān)性應用單因素分析和多元線性逐步回歸分析。進入方程的變量包括:年齡、男性、高血壓、糖尿病、冠心病、腦血管病、高甘油三脂血癥、高膽固醇血癥、吸煙史、HS-CRP＞5mg/l，終點事件(復發(fā)的卒中、其他血管事件和任何原因?qū)е碌乃劳?作為應變量。Log-rank檢驗用于評價HS-CRP增高組(HS-CRP＞5mg/l)和HS-CRP正常組(HS-CRP≤5mg/l)之間的關(guān)系，P＜0．05為差異有統(tǒng)計學意義。數(shù)據(jù)采用SPSS13．0軟件進行統(tǒng)計學處理。

4結(jié)果

4．1患者的一般情況及HS-CRP測定結(jié)果的分析

兩組在性別、年齡、文化水平、及血管危險因素或既往史(高血壓病史、糖尿病史、高膽固醇血癥、高甘油三脂血癥、吸煙史、冠心病史、腦血管病史)之間沒有統(tǒng)計學差異(P＞0．05)(見表1)。HS-CRP的水平與患者的年齡、性別、受教育水平、血管常見危險因素及既往史沒有明確的關(guān)系。

4．2終點事件相關(guān)危險因素分析

4．2．1單因素分析隨訪1年的時間中，所有患者都服用抗血小板類藥物進行預防，每3個月隨訪一次收集和記錄所有不良事件。共發(fā)生20例(29．9%)終點事件，其中包括腦梗死10例，短暫性腦缺血發(fā)作3例;冠心病5例;死亡2例(分別死于腦出血和胰腺癌)。各變量與發(fā)生終點事件的單因素分析(見表2)。其中HS-CRP＞5mg/l是發(fā)生終點事件的危險因素，差異有統(tǒng)計學意義(P＜0．05)。

4．2．2多因素分析根據(jù)單因素分析結(jié)果，采用逐步引入法將所有自變量引入logistic回歸方程，運算結(jié)果(見表3)，最終HS-CRP進入方程中。HS-CRP增高組終點事件發(fā)生率明顯高于HS-CRP正常組，差異具有統(tǒng)計學意義(P＜0．05)4．3HS-CRP與改良RANKIN量表評分(mRS)的關(guān)系所有患者入選時都進行改良RANKIN量表評分，mRS分為6個等級(0～6分)用于評價神經(jīng)功能喪失程度。本研究67例患者中47例患者評分≤2分，12例患者評分3分，8例患者評分4分。mRs評分3～4分的患者的HS-CRP中位數(shù)水平明顯高于0～2分的患者，差異有統(tǒng)計學意義(P＜05)(見圖2)。

5討論

盡管腦梗死的治療在過去的十幾年時間有了很大的提高，但是，1年內(nèi)發(fā)生死亡和血管事件的風險仍很高。因此，探討預測腦梗死預后的指標，有很大的臨床應用價值。近年來，心腦血管缺血性疾病與血漿炎癥指標的相關(guān)性成為研究的熱點。近年研究發(fā)現(xiàn)，CRP直接參與了動脈粥樣硬化的過程［2］。CRP是一種炎癥急性時相反應物，主要在肝臟內(nèi)合成分泌，受細胞介素-6(IL-6)刺激產(chǎn)生。動脈粥樣硬化是一種周身性的慢性炎癥，這種炎癥與血管內(nèi)皮細胞破壞、血管功能的異常、脂質(zhì)代謝異常有關(guān)。流行病學研究顯示血漿HS-CRP水平升高人群的心血管疾病的危險顯著增加，且心血管疾病患者HS-CRP水平與其預后密切相關(guān)。然而有研究中發(fā)現(xiàn)腦卒中患者HS-CRP水平升高與腦卒中的嚴重程度相關(guān)而非與再發(fā)心腦血管事件相關(guān)［3］。超敏CRP可檢測出0．2～10mg/l的CRP濃度，在這個水平上測定的CRP目前已代替其他炎癥因子(如IL-6和TNF-α)。呂雅麗等［4］搜集CRP水平對急性腦梗死預后影響非隨機對照研究，進行Mate分析，結(jié)果提示發(fā)病時CRP的水平可以初步評價腦梗死患者的預后。

本研究為前瞻性隊列研究，目的是了解腦梗死風險指標與腦梗死后一段時間內(nèi)預后的關(guān)系。國內(nèi)的報道多針對缺血性腦血管病后1個月內(nèi)的短期預后，而我們的研究針對腦梗死后1年內(nèi)的遠期預后。因為腦梗死各風險指標的作用是預測再發(fā)缺血性血管病變，所以我們關(guān)心的問題是該指標及危險因素與再發(fā)缺血性血管病變的關(guān)系，故將其定義為終點事件。另外，我們參照目前國際上此類文章的方法將死亡也定義為終點事件。為了排除其他因素度終點事件的影響，本研究還應用了多因素邏輯回歸分析，該方法不但除外了非研究因素的影響，而且除外了各風險指標之間的疊加作用。風險指標中僅有HS-CRP增高(即HS-CRP＞5mg/l)與終點事件的發(fā)生密切相關(guān)，而與其他危險因素和既往史無關(guān)。

本研究表明，HS-CRP可能是腦梗死后1年內(nèi)死亡及再發(fā)缺血性血管病的獨立預測指標，可以用來預測不良的預后。國外資料報道，CRP水平與缺血性腦血管病的預后密切相關(guān)，CRP水平升高，特別是持續(xù)升高者預后不良，不僅病死率高，而且功能恢復也很差［5］。本研究結(jié)果同時顯示，終點事件的發(fā)生與HS-CRP的水平呈正相關(guān)性，在血清HS-CRP＞5mg/l的患者中，終點事件的發(fā)生比HS-CRP≤5mg/l的患者多，提示血清HS-CRP＞5mg/l的患者炎癥反應較強，動脈硬化更嚴重，這與國外報道相似［6］?？赡苡捎贑RP水平增高，導致血小板的凝集和釋放功能異常，從而影響止血和凝血過程。有研究表明，凝血因子的啟動可增加腦卒中患者的患病率和死亡率。另外，本研究結(jié)果顯示，mRS評分(3～4分)的患者HS-CRP中位數(shù)水平比mRS評分(0～2分)的患者更高，表明HS-CRP水平可以反映腦梗死患者神經(jīng)損傷的嚴重程度。這可能是CRP水平增高使與缺血性腦血管病病理相關(guān)的炎性反應程度較強，加速了梗死區(qū)半暗帶的惡化，進而加重了腦損傷?；谝陨系慕Y(jié)論可以對于HS-CRP增高的患者進行更加積極的預防，包括非藥物干預和藥物治療兩種方法。非藥物干預包括:減肥、飲食、運動和戒煙［7，8］。藥物治療可選藥物有:阿司匹林［9，10］、他汀類［11-13］和ACEI類［14］，他們都能降低CRP的水平?？筛鶕?jù)患者的具體情況選擇合理的治療措施。

篇7

2002年1月，隆冬的戶外，寒風凜冽。北京延慶的賓館內(nèi)，來自某工廠的全體BB（六西格瑪黑帶）和包括總經(jīng)理在內(nèi)的各級干部正在分組討論年度六西格瑪課題戰(zhàn)略。第二天，一行人頭戴印有六西格瑪標志的帽子，頂著寒風，高舉代表各個課題隊的鮮艷旗幟攀登上了雄偉壯麗的八達嶺長城，揭開了2002年六西格瑪活動的序幕。

【背景】這是一家顯像管制造企業(yè)，也是最早在業(yè)內(nèi)推行六西格瑪?shù)钠髽I(yè)之一，每年有兩次這樣的六西格瑪選題活動。在選題會上，依據(jù)公司確定的年度經(jīng)營目標層層分解，擬定出為實現(xiàn)該目標而必須進行的課題，然后將眾多的課題按照重要程度分類，并分配給合適的人員。

作為2002年的重點工作之一，就是攻克顯像管異物發(fā)生的難題。眾所周知，異物是顯像管生產(chǎn)的天敵，管內(nèi)異物是導致退貨的最根本原因。在以前，為了降低不良品率，工廠特別設(shè)置了一個三檢班，即實施出廠前第三次全檢，然而仍然有大量的不良品流出到客戶手中。

單純依賴檢驗僅僅能夠做到事后補救，但不解決根本問題，最根本的解決之道就是消除缺陷的發(fā)生源。因此，在年度選題會上，減少管內(nèi)異物的發(fā)生率被作為一個六西格瑪黑帶課題進行討論。解決了這一問題，不僅可以大幅度節(jié)約修理成本，對于維護公司的品質(zhì)形象和提高市場占有率也有顯著的作用。

一、定義階段

定義階段是以客戶的需求為依據(jù)，尋找問題點或改善機會的一個階段。如同公安機關(guān)的立案活動，這個案件的重要性如何，是普通的民事糾紛，還是刑事案件？案情復雜嗎？是需要成立專案組重點偵查，還是普通的業(yè)務處理？這就是六西格瑪課題的定義過程。

2002年1月13日，課題正式進入定義階段。在明確了品質(zhì)要害點（CTQ）后，成立了項目組，確定項目的目標和范圍,以及為改善活動確立時間計劃表。

1.課題選擇

異物的不良發(fā)生率在企業(yè)里一直居高不下，每月因異物堵孔導致的修理費用近50萬元之多。在2002年1月5日的干部會議上，總經(jīng)理指出2002年是向異物宣戰(zhàn)的一年，要建立起完善的異物管理系統(tǒng)，徹底減少管內(nèi)異物，確保世界模范工廠的地位并贏得顧客的信任。

陳述課題選擇的理由，說明為什么該課題被認為是重要的，以及是否獲得了領(lǐng)導的支持，還可以從該課題同公司或部門戰(zhàn)略的關(guān)聯(lián)程度上表達。應用圖表的方式能夠更為直接地傳遞信息，有利于課題團隊成員的彼此交流和向上級報告。

2.把握顧客需求

站在外部顧客和內(nèi)部顧客的角度上看待問題，分析外部顧客的意見和內(nèi)部顧客的意見，正確地把握顧客最關(guān)心的問題，即。

3.把握問題的水準

經(jīng)統(tǒng)計從2001年11月至2002年1月間的三個月內(nèi)的堵孔平均發(fā)生率為1.57%，修理后品質(zhì)信賴度差，工程處于一種極不穩(wěn)定的狀態(tài)，經(jīng)常出現(xiàn)品質(zhì)事故，造成批量不良。應用排列圖方法對堵孔解剖后的數(shù)據(jù)進行分析后表明，金屬異物、銹、焊接異物、熒光粉、石墨是產(chǎn)生堵孔的最主要因素，尤其是金屬毛刺，因此應強化金屬部件入庫品質(zhì)和脫脂管理。

把握問題的水準時要觀察一段期間內(nèi)的歷史數(shù)據(jù)，最好是最近的3~6個月的數(shù)據(jù)。應用控制圖來代替?zhèn)鹘y(tǒng)的趨勢圖，既可以看出隨時間的發(fā)展趨勢，也可以看出該過程的受控狀態(tài)。本例中應用的是單值控制圖。

4.設(shè)定課題目標及范圍

參照以往的歷史數(shù)據(jù)，對比同行業(yè)內(nèi)的其他工廠水平，團隊成員們?yōu)楸菊n題設(shè)定了一個挑戰(zhàn)性的目標，即堵孔發(fā)生率減半，到2002年6月份計劃達到0.8%，目前的基準水平為1.57%。研究范圍界定為機工部品的加工工程、電子槍制造工程和封接除塵工程。

5.形成課題隊

以本課題的擔當黑帶為首組成了一個跨職能的工作團隊，界定了團隊中每位成員在課題中的作用和任務。

做課題最忌諱的就是單打獨斗和不能有效地集中團體的智慧，因此，對黑帶來說，其項目領(lǐng)導能力和個人溝通技巧極為關(guān)鍵。團隊成員一般在6～7人，業(yè)務和技能方面互補。

6.預估課題效果和制定課題計劃

一個課題的解決會帶來很多綜合性的效果，包括有形的和無形的效果，然而可以計算出來的有形財務效果更具有說服力，也更容易獲得領(lǐng)導的支持。顯像管發(fā)生異物性堵孔后必須經(jīng)過修理，修理單價為A，年產(chǎn)量為B，達到預期改善目標后的發(fā)生率下降為0.77%（1.57%－0.8%），按照年計算的預估效果金額為A×B×0.77%=320萬元。

最后就是利用甘特圖法，為課題的各個階段制訂較為詳盡的工作計劃。

二、測量階段

這個階段是查找嫌疑犯的過程，立案后的第一件事情就是查找所有可能的線索，不放過任何蛛絲馬跡。專案組的組長也就是六西格瑪黑帶（BB），召集了全體成員分析案情，大家把所有和這個案子相關(guān)聯(lián)的事物一一羅列。

六西格瑪相信的是有因即有果，這樣的一個因果關(guān)系我們可以用數(shù)學上的函數(shù)模型來表達，即Y=F（X），每一個課題總能歸結(jié)為一個的簡單方程：Y=f（X1，X2，…，Xk），測量階段所要尋找的就是這一個個的X，我們也把它稱為原因變量或輸入變量，而Y則稱為結(jié)果變量或輸出變量。大家運用頭腦風暴法暢所欲言，如果可能性低或關(guān)聯(lián)性不大會在后續(xù)的過程中利用經(jīng)驗和證據(jù)將它排除掉，但前提是你必須先把它列入你的排查和搜索范圍。

課題進入到測量階段，主要進行三件事情，第一是明確關(guān)鍵的輸入和輸出變量，第二是進行基礎(chǔ)測量系統(tǒng)的研究，也就是驗證一下你所得到的數(shù)據(jù)可靠性如何，第三是對短期工程能力的分析研究，其中最重要的工作就是篩選出對結(jié)果Y起決定作用的X’s，為后續(xù)在分析階段進一步分析X和Y之間的關(guān)系并建立數(shù)學模型F提供輸入。

1.測量Y及其工程能力

六西格瑪課題的Y就是我們要研究和解決的問題，也就是顧客最關(guān)心的事情。在這個課題里所定義的Y就是綜檢Mask堵孔不良，計算公式是：

Y（綜檢Mask堵孔不良）=（綜檢堵孔不良數(shù)/綜檢作業(yè)數(shù)）×100%

然后根據(jù)公式定義小y（y1、y2……），它是構(gòu)成大Y的缺陷分類，不是產(chǎn)生結(jié)果Y的原因X。對缺陷的分類定義，甚至在必要的時候還要用圖示說明，以統(tǒng)一對缺陷定義的一致性。在此課題里Y=y1+y2+y3+y4+y5+y6+y7+y8，其中分類是這樣的：

y1：金屬異物堵孔；y2：黑化皮膜堵孔；y3：焊接異物堵孔；y4：燃燒類異物堵孔；y5：AL膜堵孔；y6：GLASS碎片堵孔；y7：熒光粉堵孔；y8：電子槍異物堵孔。

初學者最難以區(qū)分的就是X和Y。據(jù)統(tǒng)計，40%以上的課題失敗是因為一開始就沒有選擇好課題以及清楚明確地對Y進行定義。

按照設(shè)定的管理規(guī)格計算出Y的工程能力Cpk=-0.51，表明現(xiàn)在的工程能力遠不能滿足客戶需求。

2.測量系統(tǒng)分析

但是，我們對于問題現(xiàn)狀的把握數(shù)據(jù)可靠嗎？萬一出現(xiàn)錯誤，如同將自殺被判斷成他殺，這將直接導致我們的行動失誤，因此必須經(jīng)過檢驗。

4月14日課題組準備了10個測試樣本，這10個樣本中既有良品也有不良品，然后安排4個檢驗員進行判斷，每人測量3次。根據(jù)判斷結(jié)果的一致性來確定測量系統(tǒng)的可靠性，分析結(jié)論是，該測量系統(tǒng)穩(wěn)定可靠，誤差水平可以接受。

在進行測量系統(tǒng)分析的時候，一定要注意隨機化和盲測，即10個樣本不能讓被測試者注意到明顯的識別方式以確保隨機，每一次測試前都要打亂順序，隨機抽取；第二不要讓被測試者在一次測試內(nèi)重復檢測同一樣本，而是在一次測完10個樣本后換另外一個被測試者。

3.發(fā)掘并篩選潛在的原因變量

從哪些方面尋找破案線索或原因變量呢？工程繪圖是個好方法。按照課題選定的流程范圍，從人機料法環(huán)測（即5M1E）等幾個方面，羅列出所有可能的影響因子，然后進行篩選。

案情迷茫，線索重重，從哪兒開始調(diào)查？哪一條線索更有價值呢？六西格瑪提供了幾個簡單有效的篩選和評價工具，可以幫助我們把有限的資源和精力集中在最容易產(chǎn)生突破效果的線索上。在這個課題中首先應用了因果矩陣法，緊接著應用了失敗模式影響法對所有潛在的原因變量進行篩選，從而縮小包圍圈，快速聚焦于核心因子（犯罪嫌疑人）。

篩選出比較重要的輸入變量為脫脂液污染度、脫脂時間、B/P除塵噴嘴污染度、脫脂U/S強度、B/P除塵AIR壓力、B/P除塵U/S強度等共計18個因子。

因果矩陣的左邊兩列輸入的是來自于工程繪圖選定的工藝流程及其輸入變量（流程的關(guān)鍵工藝），橫排的關(guān)鍵輸出列出的是顧客最關(guān)心的小Y，最頂端的一行是評價小y對顧客的重要度（從1～10評分），其重要度的評價不能隨意，要參考定義階段的排列圖表現(xiàn)并經(jīng)過團隊的綜合評價后給出。交叉格內(nèi)的數(shù)字表達的是工程輸入變量對于關(guān)鍵輸出變量的影響度，判分標準為（0，1，3，9），影響度很大，給9分，影響度低則給1分，沒有影響給0分。比如脫脂黑化流程中脫脂液污染與金屬異物堵孔的影響程度為9。最右列的合計數(shù)字是每個輸入變量的影響度乘以對應關(guān)鍵輸出變量的重要度之和。經(jīng)過電腦EXCEL表格運算后，按照合計分值的大小重新排序。通常選擇排在前10～15位的因子為第一次的篩選結(jié)果。這些因子隨后被作為了失敗模式影響分析的輸入而進行第二次篩選。

2002年2月20日，課題組的成員對前期的工作進行回顧，聽完課題黑帶的項目進展報告后，由黑帶主持進行第一次的潛在失敗模式影響分析。經(jīng)過分析研究，對于一些能夠立即改善的事項擬定出對策和改善期限后各自分頭實施。

經(jīng)過一段時間的改善和鞏固后，課題組成員再次聚集在一起進行失敗模式影響分析，根據(jù)風險優(yōu)先數(shù)的排序結(jié)果，篩選出如下5個最重要的原因變量。這就好比破案根據(jù)線索找出具體的目標嫌疑人：

X1=黑化爐溫度

X2=B/P除塵噴嘴轉(zhuǎn)速RPM

X3=MASK焊接壓力

X4=B/P除塵U/S強度

X5=脫脂U/S強度

三、分析階段

課題進展到現(xiàn)在，已經(jīng)篩選出來5個關(guān)鍵的輸入變量，它們是如何對結(jié)果產(chǎn)生影響的呢？首先需要分析嫌疑犯的犯罪經(jīng)過。進入到分析階段，主要是搜集數(shù)據(jù)，了解潛在的原因變量對結(jié)果是如何發(fā)生作用的。在這一階段應用了不少的統(tǒng)計工具，如假設(shè)檢驗等工具盡管復雜，但是Minitab軟件可以幫助我們很輕松地實現(xiàn)。

1.多變量的主效果分析

法律尊重事實，六西格瑪用數(shù)據(jù)說話。為了有效地收集數(shù)據(jù)，課題組成員重新設(shè)計了數(shù)據(jù)收集表格，按照日期、機種、黑化爐溫度、焊接壓力、B/P除塵U/S強度、B/P除塵噴嘴轉(zhuǎn)速RPM等因素進行層別和記錄，將收集來數(shù)據(jù)輸入Minitab的分析工具表中，應用主效果分析圖表明：黑化爐溫度、蔭罩焊接壓力、B/P除塵U/S強度、B/P噴嘴轉(zhuǎn)速RPM對堵孔率似乎有比較明顯的影響，但仍需應用統(tǒng)計分析方法確認數(shù)據(jù)的信賴性。

2.統(tǒng)計分析中的假設(shè)檢驗

統(tǒng)計分析方法可以最大限度地減少主觀判斷的不確定性，或者說將主觀判斷的風險降到最低限度。例如嫌疑犯是否真的有罪？假設(shè)檢驗就是在沒有確定的證據(jù)之前假設(shè)罪犯是無辜的，這叫做疑罪從無，建立假設(shè)后尋找證據(jù)支持或假設(shè)。如果不是這樣，則將會產(chǎn)生個人的主觀臆斷，或者說你相信他有罪，你的主觀意識中就會去尋找一切支持他有罪的證據(jù)，這叫做有罪推定。

本課題針對在測量階段確定的5個關(guān)鍵輸入變量逐一進行分析，從統(tǒng)計信賴性上驗證其對結(jié)果的影響，并實施改善。

例如，課題組安排了3名倒班員工記錄在自然狀態(tài)下的黑化爐溫度和蔭罩堵孔發(fā)生率狀況，然后建立假設(shè)和分析。應用工程能力分析法，可以看出黑化爐的溫度對結(jié)果的影響較大，Cpk只有0.07，經(jīng)研究后采取了如下三條主要措施：

1)預熱區(qū)間加熱器增加，增大加熱功率，保證加熱能力。

2)脫脂干燥區(qū)間延長，改善干燥狀態(tài)，同時提高部件入爐前溫度。

3)黑化爐保溫系統(tǒng)保全，減少爐內(nèi)熱量散失。

改善后工程能力提高到了0.57。同樣的分析方法被應用于關(guān)鍵因子X2、X3和X4的分析及改善上。經(jīng)過多次改善后，工程的穩(wěn)定性良好，自5月份中期蔭罩堵孔發(fā)生率接近1%。

四、改善階段

找出了犯罪嫌疑人，但是對于團伙作案他們之間是什么樣的關(guān)系我們必須明確，這樣才能找出主犯和從犯。在這個課題中，有影響的關(guān)鍵因子X已經(jīng)確定了，那么如方程式Y(jié)=F（X）中的X取什么值才能使得Y有最佳的表現(xiàn)？多個因子X之間又往往互相影響，應用實驗計劃法就是為了在復雜的交互作用條件下尋求關(guān)鍵因子的最佳取值。本課題中，應用響應表面法（RSM）分析B/P除塵強度、B/P噴嘴轉(zhuǎn)速得出保證效果的最佳條件為，B/P除塵強度：26±4G；B/P噴嘴轉(zhuǎn)速：34±3RPM。

五、控制階段

這一階段是維持管理的階段，擬定控制計劃（Control Plan），實施日常管理，將課程全階段的研究成果納入公司的標準管理體系，應用標準來穩(wěn)定和固化前期的改善成果，并檢驗課題的效果。

自實施改善以來，堵孔發(fā)生率逐月下降，6月份以后的平均值為0.79%，達到了課題開始之前設(shè)定的目標。Y的工程能力也提高到了1.0。

【實施效果】該課題完成后，經(jīng)過六西格瑪推進委員的財務效果分析師（FEA）進行驗證，達到了課題目標，按年間效果金額進行計算，可為公司節(jié)約費用310萬元，同時，本課題被集團公司評為二等獎，其他工廠也紛紛前來取經(jīng)。

六西格瑪雖然應用了大量的統(tǒng)計學原理，但是學習六西格瑪完全不同于學習統(tǒng)計學，更多的時候，你只要知道如何按照規(guī)定的格式要求把相應的數(shù)據(jù)輸入電腦，能夠讀懂結(jié)果和進行判斷就足矣，一旦陷入統(tǒng)計學的迷宮往往就會偏離你解決問題的方向。當然，擁有深厚的統(tǒng)計理論基礎(chǔ)，對于知其所以然并判斷數(shù)據(jù)的信賴性有很大的幫助。

篇8

關(guān)鍵詞：多點地質(zhì)統(tǒng)計學 訓練圖像 儲層建模

一、多點地質(zhì)統(tǒng)計學與訓練圖像

基于變差函數(shù)的傳統(tǒng)地質(zhì)統(tǒng)計學隨機模擬是目前儲層非均質(zhì)性模擬的常用方法。然而，變差函數(shù)只能建立空間兩點之間的相關(guān)性，難于描述具有復雜空間結(jié)構(gòu)和幾何形態(tài)的地質(zhì)體的連續(xù)性和變異性。

針對這一問題，多點地質(zhì)統(tǒng)計學方法應運而生。該方法著重表達空間中多點之間的相關(guān)性，能夠有效克服傳統(tǒng)地質(zhì)統(tǒng)計學在描述空間形態(tài)較復雜的地質(zhì)體方面的不足。多點地質(zhì)統(tǒng)計學的基本工具是訓練圖像，其地位相當于傳統(tǒng)地質(zhì)統(tǒng)計學中的變差函數(shù)。對于沉積相建模而言，訓練圖像相當于定量的相模式，實質(zhì)上就是一個包含有相接觸關(guān)系的數(shù)字化先驗地質(zhì)模型，其中包含的相接觸關(guān)系是建模者認為一定存在于實際儲層中的。

二、地質(zhì)概念模型轉(zhuǎn)換成圖像訓練

地質(zhì)工作人員擅于根據(jù)自己的先驗認識、專業(yè)知識或現(xiàn)有的類比數(shù)據(jù)庫來建立儲層的概念模型。當?shù)刭|(zhì)工作人員認為某些特定的概念模型可以反映實際儲層的沉積微相接觸關(guān)系時，這些概念模型就可以轉(zhuǎn)換或直接作為訓練圖像來使用。利用訓練圖像整合先驗地質(zhì)認識，并在儲層建模過程中引導井間相的預測，是多點地質(zhì)統(tǒng)計學模擬的一個突破性貢獻。

可以將訓練圖像看作是一個顯示空間中相分布模式的定量且直觀的先驗模型。地質(zhì)解釋成果圖、遙感數(shù)據(jù)或手繪草圖都可以作為訓練圖像或建立訓練圖像的要素來使用。理想狀態(tài)下，應當建立一個訓練圖像庫，這樣一來建模人員就可以直接選取和使用那些包含目標儲層典型沉積模式的訓練圖像，而不需要每次都重新制作訓練圖像。

三、多點模擬原理

進行多點模擬，需要使用地質(zhì)統(tǒng)計學中的序貫模擬。但是，多點模擬與傳統(tǒng)的基于變差函數(shù)的兩點模擬是不同的。在傳統(tǒng)地質(zhì)統(tǒng)計學中，我們假設(shè)空間變量服從多元高斯分布，這樣，確定每一個網(wǎng)格單元條件分布的均值和方差，就相當于求解一個克里金方程組。而在多點模擬中，條件分布是直接通過掃描訓練圖像得到的。假設(shè)現(xiàn)在有一個儲層已被離散成N=Nx*Ny個單元格，其屬性用隨機函數(shù){Z（x）|x儲層}來表示。那么，顯然變量Z的分布完全由N個變量的聯(lián)合分布所控制：

利用序貫分解，可以將這個N維的聯(lián)合分布分解為一系列條件分布：

序貫模擬算法的具體步驟如下：

1.定義一個用于訪問所有節(jié)點隨機路徑；

2.對每一個節(jié)點i=1，2，…，N 執(zhí)行

2.1利用前期得到的i-1個抽樣，對條件分布進行模擬；

2.2從上面的條件分布模擬結(jié)果中抽取一個結(jié)果。

持續(xù)這一進程直到所有節(jié)點都被訪問到，這時就生成了一個模擬實現(xiàn)。通過定義另一個隨機路徑，可以得到新的模擬實現(xiàn)。這一序貫多點模擬算法被命名為SNESIM（Single Normal Equation SIMulation）算法。

四、多點與兩點地質(zhì)統(tǒng)計學之間的理論聯(lián)系

可以通過一個簡單的例子了解多點與兩點地質(zhì)統(tǒng)計學之間的關(guān)系：

給定3個已知數(shù)據(jù)I1、I2、I3，估計位置處的砂巖概率（圖1）。

在兩點統(tǒng)計學中，這相當于利用三個已知量的線性組合來估計未知量的條件期望：

上式可以近似的寫作：

通過求解、、、四個系數(shù)，可以確定未知量的條件期望。但是在確定未知量條件期望的過程中，無論是使用變差函數(shù)求取兩點的相關(guān)性，還是使用協(xié)方差來求取二階矩，每次只能使用三個已知數(shù)據(jù)中的兩個，而無法同時使用三個已知量。

全面、準確的條件期望的表達式應當是：

這個含有非線性項的表達式中將三個已知量都包括在內(nèi)，同時也有更多的系數(shù)需要求解。與求解四個系數(shù)的方程組類似，這里需要求解一個包含八個方程的方程組，這些方程被稱為標準方程。引入非線性項的一個顯著后果是標準方程中出現(xiàn)了高階統(tǒng)計量。由于通過稀疏數(shù)據(jù)難以推斷高階統(tǒng)計量，因此不可能解出所有的標準方程。但是，我們可以引入一個給定的數(shù)據(jù)事件，并應用貝葉斯法則來計算條件期望：

其中A代表處為砂巖的數(shù)據(jù)事件，即；B代表數(shù)據(jù)事件?？梢酝ㄟ^掃描訓練圖像，統(tǒng)計數(shù)據(jù)事件B重復出現(xiàn)的次數(shù)以及這些重復中為砂巖的概率來計算條件期望：

這一公式是SNESIM算法的核心?？梢钥闯龆帱c地質(zhì)統(tǒng)計學在再現(xiàn)高度非線性空間結(jié)構(gòu)方面明顯優(yōu)于基于變差函數(shù)理論的傳統(tǒng)兩點地質(zhì)統(tǒng)計學。

五、結(jié)論

將更多的地質(zhì)資料整合到儲層建模過程中以確保最終數(shù)值模型更加符合地質(zhì)認識，這在預測儲層流體特征時是十分必要的。多點地質(zhì)統(tǒng)計學為地質(zhì)工作者提供了一個強大的工具，使得他們可以通過訓練圖像將概念模型和先驗地質(zhì)認識整合到建模過程中。

目前研究的重點是提高多點模擬算法的性能，包括：提高運行速度，降低內(nèi)存開銷，提高沉積模式再現(xiàn)效果以及更靈活的整合不同來源的信息等。有理由相信，隨著多點建模方法不斷趨于主流，以及越來越多的地質(zhì)工作者對這一方法變得熟悉，多點地質(zhì)統(tǒng)計學將成為下一代地質(zhì)建模工具。

參考文獻

[1] 王家華等. 克里金地質(zhì)繪圖技術(shù)——計算機的模型和算法[M]. 1. 北京：石油工業(yè)出版社， 1999 ：1-3.

[2] 王家華， 陳濤. 儲層沉積相多點地質(zhì)統(tǒng)計學建模方法[J]. 石油化工應用， 2013， 32（8）：57-59.

[3] 張團峰. 在儲層建模中利用多點地質(zhì)統(tǒng)計學整合地質(zhì)概念模型及其解釋 [J]. 地學前沿， 2008， 15（1）：26-34.

[4] André G. Journel. Geostatistics： Roadblocks and Challenges[J]. Quantitative Geology and Geostatistics， 1993（5）：213-224.

篇9

[關(guān)鍵詞] 市場營銷 統(tǒng)計分析 市場細分 市場定價

一、統(tǒng)計分析的特點

1.以統(tǒng)計數(shù)據(jù)為依據(jù),利用統(tǒng)計數(shù)據(jù)說話

2.定量分析定性分析相結(jié)合

3.統(tǒng)計分析方法具有特殊性

4.統(tǒng)計分析的對象具有綜合性

5.統(tǒng)計分析的范圍具有廣泛性

二、市場細分與統(tǒng)計方法

面對市場競爭環(huán)境的日趨激烈,產(chǎn)品或品牌的日益復雜化,許多企業(yè)都意識到不可能依靠單一產(chǎn)品滿足所有的消費者需求。因此,如何審視市場特征、判別消費者需求,是企業(yè)的產(chǎn)品或品牌能否取得成功的關(guān)鍵因素。

1.市場細分的概念

市場細分是按照消費者欲望與需求把一個總體市場劃分為若干具有共同特征的子市場的過程。分屬于同一細分市場的消費者,他們的需要和欲望極為相似,分屬于不同細分市場的消費者對同一產(chǎn)品的需要和欲望存在著明顯的差別因此,企業(yè)必須知道哪些客戶對自己是最有價值的,他們的具體需求是什么,如何才能接近他們――市場細分的目的就是把需求大體相似的消費者劃歸為同一群體,從而以相應的商品和服務去滿足該群體消費者的需求。

2.統(tǒng)計方法在市場細分中的應用

從市場細分的程序來看,市場細分的基本觀念是,通過統(tǒng)計方法,在基礎(chǔ)變量(如消費者的性別、年齡等)和行為變量(如對產(chǎn)品的購買率)之間建立某種聯(lián)系。因此,對基礎(chǔ)變量的選擇、建立變量間聯(lián)系的方法成為細分研究成敗的關(guān)鍵,在選擇細分變量時可以采用統(tǒng)計學的因子分析模型。其基本目的就是用少數(shù)幾個因子去描述許多指標或因素之間的聯(lián)系,即將相關(guān)比較密切的幾個變量歸在同一類中,每一類變量就成為一個因子,以較少的幾個因子反映原材料的大部分信息。使用因子分析檢驗數(shù)據(jù),可以剔除相關(guān)性很大的變量。這就可以為市場細分中產(chǎn)生綜合變數(shù)提供可能性,根據(jù)每個因子的方差貢獻率大小排序,只選擇方差貢獻率大的前幾位因子,作為細分的重要綜合變數(shù),這樣就實現(xiàn)了只提取少數(shù)市場細分有重要影響的變數(shù)作為細分變數(shù)的目的,使得市場細分具有可操作性。

三、客戶滿意度與統(tǒng)計方法

1.客戶滿意度的含義

客戶滿意是一種心理活動,是顧客的需求被滿足后的愉悅感。客戶滿意度可以簡要地定義為:顧客接受產(chǎn)品和服務的實際感受與其期望值比較的程度。即顧客的可感知的效果與期望匹配,就會滿意,超過了就會高度滿意。這個定義既體現(xiàn)了顧客滿意的程度,也反映出企業(yè)提供的產(chǎn)品或服務滿足顧客需求的成效。

2.統(tǒng)計方法在客戶滿意度測評中的應用

弄清楚了顧客滿意產(chǎn)生的機理,我們就可以借助統(tǒng)計學的工具對顧客滿意度進行測量,為企業(yè)決策服務。而要測量顧客滿意,就必須有一套衡量、評價、提高顧客滿意度的科學指標體系。一般地在進行顧客滿意指標體系建立時,主要可以分為四個步驟:

(1)提出問題。進行顧客滿意指標體系建設(shè)的第一步,就是要明確影響顧客滿意的因素有哪些,同時還必須考慮如何將這些因素獲得與量化,即包括對下面幾個問題的回答:影響購買和使用的顧客滿意因素有哪些?在這些滿意因素中,哪些因素能為成為滿意指標?每一個滿意指標對購買和使用的影響程度如何?上述數(shù)據(jù)可以從哪些渠道獲得?應該采用何種方式采集數(shù)據(jù)?采集數(shù)據(jù)時應注意哪些問題?

(2)采集數(shù)據(jù)。采集數(shù)據(jù)的方法有很多種,建立不同的顧客滿意指標體系所側(cè)重的采集方法不同。在顧客滿意指標體系建立過程中采用的方法主要包括:二手資料收集、內(nèi)部訪談、問卷調(diào)查、深度訪談和焦點訪談。

(3)建立行業(yè)顧客滿意因素體系。通過分析、整理收集到的二手資料和內(nèi)部(外部)訪談所獲得信息,建立顧客滿意因素體系表。對各類指標的屬性進行充分分解,則初步建立起顧客滿意因素集合,為下一步展開數(shù)據(jù)收集工作提供調(diào)研目標。建立起來的行業(yè)顧客滿意因素體系包含了幾乎所有可能影響顧客滿意指數(shù)的指標,多數(shù)都以三級或四級指標的形式表現(xiàn)出來。

四、市場定價與統(tǒng)計方法

1.市場定價的方法

定價方法有成本導向、競爭導向、需求導向三種。成本導向定價指按開發(fā)成本和人為訂立的利潤比率確定價格。競爭導向定價法是指企業(yè)通過研究競爭對手的生產(chǎn)條件、服務狀況、價格水平等因素,依據(jù)自身的競爭實力,參考成本和供求狀況來確定同類產(chǎn)品的價格。需求導向定價是以消費者的認知價值、需求強度及對價格的承受能力為依據(jù),以市場占有率、品牌形象和最終利潤為目標,真正按照有效需求來策劃房地產(chǎn)價格。

2.統(tǒng)計方法在市場定價中的應用

篇10

關(guān)鍵詞：數(shù)據(jù)挖掘；統(tǒng)計學；涵義

統(tǒng)計學如何為數(shù)據(jù)挖掘服務，這是在“數(shù)據(jù)挖掘”飛速發(fā)展的今天，統(tǒng)計工作者必須回答的一個問題，我國廈門大學的朱建平教授提出：“統(tǒng)計學應該隨時關(guān)注數(shù)據(jù)分析，哪里有數(shù)據(jù)，哪里就應該有統(tǒng)計分析?！苯y(tǒng)計學是搜集、展示、分析和解釋數(shù)據(jù)的學科，它擁有非常深厚的理論基礎(chǔ)，并在社會生活的各個領(lǐng)域發(fā)揮著巨大的作用。近代統(tǒng)計學方法與信息處理的關(guān)系日益密切，作為信息處理的一個基本工具，統(tǒng)計學方法將發(fā)揮越來越重要的作用。

數(shù)據(jù)挖掘是近十幾年里發(fā)展起來的一門嶄新的學科，由于它與統(tǒng)計學都關(guān)心從數(shù)據(jù)中發(fā)現(xiàn)某種結(jié)構(gòu)，因而從數(shù)據(jù)挖掘誕生之日起，就與統(tǒng)計學有了千絲萬縷的聯(lián)系。

一、統(tǒng)計學與數(shù)據(jù)挖掘的涵義

統(tǒng)計學是應用數(shù)學的一個分支，主要通過利用概率論建立數(shù)學模型，收集所觀察的系統(tǒng)數(shù)據(jù)，進行量化的分析、總結(jié)，進行推斷和預測，為相關(guān)決策提供依據(jù)和參考；它分為描述統(tǒng)計和推斷統(tǒng)計。描述統(tǒng)計包括對客觀現(xiàn)象的度量、調(diào)查方案的設(shè)計，對所收集的數(shù)據(jù)資料進行加工整理、綜合概括，通過圖示、列表等方式進行分析和描述。推斷統(tǒng)計是在搜集、整理監(jiān)測樣本數(shù)據(jù)的基礎(chǔ)上，對有關(guān)總體做出推斷，其特點是根據(jù)隨機性的觀測樣本數(shù)據(jù)以及問題的條件和假定，對未知事務做出以概率形式表述的推斷。

數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的，人們事先不知道的，但又具有潛在價值的信息和知識（模型或規(guī)則）的過程。這個定義包括以下含義：數(shù)據(jù)源必然是真實的、大量的、含噪聲的；發(fā)現(xiàn)的知識可接受、可理解、可運用，并不要求發(fā)現(xiàn)放之四海皆準的知識，僅支持特定的發(fā)現(xiàn)問題。它能高度自動化的分析原有數(shù)據(jù)，做出目的性推理，從中挖掘出潛在的模式，從而幫助決策者調(diào)整策略，做出正確的決策。它融數(shù)據(jù)庫技術(shù)、人工智能技術(shù)、數(shù)理統(tǒng)計技術(shù)和可視化技術(shù)為一體，是一個多學科相互交叉又融合所形成的一個新興的具有廣泛應用前景的研究領(lǐng)域。

二、統(tǒng)計學與數(shù)據(jù)挖掘的聯(lián)系

（一）數(shù)據(jù)挖掘雖不同于統(tǒng)計分析，但許多挖掘技術(shù)又來源于統(tǒng)計分析，數(shù)據(jù)挖掘中有許多工作可以由統(tǒng)計方法來完成。比如預言算法（回歸）、抽樣、基于經(jīng)驗的設(shè)計等。

（二）數(shù)據(jù)挖掘不是為了替代傳統(tǒng)的統(tǒng)計分析技術(shù)，相反，數(shù)據(jù)挖掘是統(tǒng)計分析方法的擴展和延伸。大多數(shù)的統(tǒng)計分析技術(shù)都基于完善的數(shù)學理論和高超的技巧，其預測的準確程度還是令人滿意的，但對于使用者的知識要求比較高。而隨著計算機能力的不斷發(fā)展，數(shù)據(jù)挖掘可以利用相對簡單和固定程序完成同樣的功能。

（三）數(shù)據(jù)挖掘技術(shù)的出現(xiàn)為統(tǒng)計學提供了一個嶄新的應用領(lǐng)域，也對統(tǒng)計學的理論研究提出了挑戰(zhàn)。數(shù)據(jù)挖掘技術(shù)有相當大的比重是由高等統(tǒng)計學中的多變量分析所支撐。

（四）統(tǒng)計學與數(shù)據(jù)挖掘的結(jié)合日益緊密。數(shù)學是傳統(tǒng)意義上統(tǒng)計學方法的首要工具，而計算機和網(wǎng)絡(luò)為代表的信息技術(shù)，正逐漸成為統(tǒng)計學應用的首要工具。隨著數(shù)據(jù)源的不斷膨脹和數(shù)據(jù)結(jié)構(gòu)的日益復雜，單純依靠數(shù)據(jù)挖掘技術(shù)，已漸露力不從心之態(tài)，而統(tǒng)計學的同步發(fā)展，正不斷充實、完善著數(shù)據(jù)挖掘技術(shù)。因此，隨著信息化水平的提高，統(tǒng)計學與數(shù)據(jù)挖掘的應用平臺漸趨統(tǒng)一。

三、預測性挖掘中常用的統(tǒng)計學方法

數(shù)據(jù)挖掘中應用的統(tǒng)計學預測性方法主要有判別分析和回歸分析。其中，判別分析用于對離散型目標變量的預測，而回歸分析則主要用于對連續(xù)性目標變量的預測。

（一）判別分析是在已知研究對象分成若干類型（或組別）并已取得各種類型的一批已知樣品的觀測數(shù)據(jù)，在此基礎(chǔ)上根據(jù)某些準則建立判別式，然后對未知類型的樣品進行判別分類。判別分析是統(tǒng)計學的基本分析方法之一。