spContent=统计学是教育部指定的经济管理类专业的八门核心课程之一，也是财经院校财经类专业指定的11门核心课程之一。在中南财经政法大学统计学是统计专业核心课程和其他经济管理类专业的专业基础课程之一。统计学是我校标杆课程培育项目之一，也是湖北省省级精品课程和湖北省省级精品资源共享课程。统计学还是我校2019年度国家级一流本科专业经济统计专业的重要核心课程之一。
我们团队的优势在于统计学教学团队力量雄厚、结构合理。经过多年的努力，已经形成了完善的教学资源、较为适宜的教学设计方案和基本的教学方式方法。
统计学是教育部指定的经济管理类专业的八门核心课程之一，也是财经院校财经类专业指定的11门核心课程之一。在中南财经政法大学统计学是统计专业核心课程和其他经济管理类专业的专业基础课程之一。统计学是我校标杆课程培育项目之一，也是湖北省省级精品课程和湖北省省级精品资源共享课程。统计学还是我校2019年度国家级一流本科专业经济统计专业的重要核心课程之一。
我们团队的优势在于统计学教学团队力量雄厚、结构合理。经过多年的努力，已经形成了完善的教学资源、较为适宜的教学设计方案和基本的教学方式方法。
—— 课程团队
课程概述
统计学是一门有关数据的科学。随着大数据时代的来临，统计学作为一门应用十分广泛的科学越来越受到人们的重视。
统计学是研究如何搜集、整理和分析统计数据的学问。统计学在社会经济、自然科学领域都有广泛的应用。本次课程的主要内容有：统计学的基本概念、统计数据及其类型、统计数据的搜集与整理、统计数据特征的描述、时间序列分析与预测、统计指数及综合评价、抽样及抽样分布、参数估计、假设检验、相关与回归分析、方差分析与列联分析等。
课程大纲
绪论
课时目标：本章是绪论，绪论主要是对本课程中涉及的基本问题进行阐述。具体包括什么是统计学，统计学的学科性质、学科分类，统计学产生与发展的历程，统计数据及其分类，统计学中的几个基本概念等。
1.1 什么是统计学
1.1.1 统计学的含义及其学科性质
1.1.2 统计学中的几个基本概念
1.2 统计数据及类型
1.2.1 统计数据及其类型
1.2.2 大数据及其含义
统计数据的搜集
课时目标：统计数据的搜集是统计研究的基础环节，统计数据的搜集过程也称为统计调查。根据统计研究的目的，在一定费用与时间条件约束下，如何按照一定的调查方式与方法，搜集统计研究所需要的高质量的统计数据，是数据搜集需要解决的问题。本章主要介绍统计数据搜集概述、直接数据的搜集、间接数据的搜集。
2.1 统计数据搜集概述
2.2 直接数据的搜集
2.2.1 调查方案的设计
2.2.2 调查方式与方法
2.2.3 试验数据的获得
2.3 间接数据的搜集
统计数据的整理与展示
课时目标：通过对调查数据的分类（组）整理来探索数据的结构与分布，以便认识到隐藏在数据背后事物的本质与变化规律。
3.1 统计数据整理的基本步骤
3.2 定性数据的整理与展示
3.3 定量数据整理与展示
3.3.1 定量数据的统计分组与频数分布
3.3.2 定量数据的图形展示
数据的分布特征
课时目标：用统计指标的形式对数据的分布特征作概括性描述。数据分布的主要特征体现在三个方面：即分布上的集中趋势、离散程度、以及与正态分布相比的偏斜程度和峰度。
4.1 数据分布的集中趋势
4.1.1 集中趋势中的位置均值
4.1.2 集中趋势中的数值均值
4.1.3 众数、中位数和算术平均数的关系
4.2 数据分布的离中趋势
4.2.1 绝对数变异指标
4.2.2 平均数变异指标
4.2.3 相对数变异指标
4.3 数据分布性状
4.3.1 数据分布形态概述
4.3.2 数据分布的峰态测度(矩法测度)
时间序列描述与预测
课时目标：时间序列描述与预测主要介绍了时间序列的基本含义，时间序列的分类，时间序列水平特征和变动特征的基本描述。本节还分析了时间序列的影响因素及分解方法，在乘法模型下主要包括长期趋势的测定、季节变动的测定和循环变动的测定等。在分解时间序列影响因素的基础上，我们又进一步介绍了时间序列的合成原理，并给出了不同情况下，如何利用合成的基本序列进行预测。
5.1 时间序列概述
5.2 数据分布的离中趋势
5.2.1 时间序列的水平特征描述（一）
5.2.2 时间序列的水平特征描述（二）
5.2.3 时间序列的变动特征描述与分析
5.3 时间序列构成及分解
5.3.1 时间序列的变动构成及其假定模型
5.3.2 时间序列变动构成分解原理
5.3.3 平稳时间序列长期趋势测定
5.3.4 非平稳时间序列长期趋势测定
5.3.5 季节变动测定
5.4 时间序列预测
5.4.1 时间序列合成原理及预测基本假定
5.4.2 平稳及趋势非平稳时间序列预测
5.4.3 季节和趋势—季节非平稳时间序列预测
统计指数
课时目标：统计指数是统计学中十分重要和实用的不分类容，它主要讨论了统计指数的概念及其分类，个体指数及历史上曾经使用过的总指数编制方法，目前总指数编制的基本方法包括加权平均法和加权综合法等，常用的价格指数的编制，指数体系与因素分析方法等。
6.1 统计指数的基本理论
6.2 统计指数编制方法
6.2.1 个体指数编制及总指数的历史编制方法
6.2.2 总指数编制方法(一)加权平均法
6.2.3 总指数编制方法(二)加权综合法
6.3 几种常用价格指数
6.4 指数体系与因素分析
6.4.1 指数体系与因素分析的概念以及因素分析种类
6.4.2 价值总量的两因素和多因素分析
6.4.3 平均指标的两因素和多因素分析
抽样分布
课时目标：现代统计学的基本特征是利用样本信息对总体特征进行统计推断，而样本信息往往是由样本统计量来概括的。由于抽样的随机性，通常所说的统计推断是一种概率推断。统计推断的结论究竟有多大的可靠程度或者说其发生概率有多大，这是统计推断中必须回答的问题。本章主要介绍简单随机抽样、抽样分布的理论基础即大数定律与中心极限定理、常用统计量的抽样分布，为后续介绍推断统计的方法奠定理论基础。
7.1 概率抽样及简单随机样本
7.1.1 概率抽样方法
7.1.2 简单随机样本与非简单随机样本
7.2 大数定律与中心极限定理
7.2.1 大数定律
7.2.2 中心极限定理
7.3 统计量及其抽样分布
7.3.1 统计量及各种分布概述
7.3.2 几个常用的抽样分布形式
7.3.3 常用统计量的抽样分布
参数估计
课时目标： 参数估计是统计推断的重要内容，分为点估计和区间估计两种形式。点估计方法中本章介绍了矩估计和极大似然估计，并给出了优良估计量的三个准则，即无偏性、有效性和一致性。其次，区间估计中重点介绍了一般原理、一个总体参数的区间估计以及两个总体参数的区间估计。最后，介绍了在一定的置信水平和精度要求下，最佳样本容量的确定方法。
8.1 点估计
8.1.1 点估计的含义及矩估计
8.1.2 极大似然估计和估计的优良标准
8.2 区间估计的一般原理
8.2.1 区间估计的含义与基本思想
8.2.2 区间估计的基本步骤
8.3 总体均值的区间估计
8.3.1 单个总体均值的区间估计
8.3.2 两个总体均值之差的区间估计（一）
8.3.3 两个总体均值之差的区间估计（二）
8.3.4 单个总体比率区间估计和两个总体比率之差的区间估计
8.4 总体方差区间估计
8.4.1 单个总体方差的区间估计
8.4.2 两个总体方差之比的区间估计
8.5 样本容量的确定
假设检验
课时目标：假设检验是推断统计中的一项重要内容，也是数理统计学的一个重要分支。本章重点是理解假设检验的含义和特点，了解假设检验的基本原理，了解假设检验与区间估计的联系及区别；掌握假设检验的基本概念和分类；掌握在各种情况下对总体参数的检验方法。本章难点在于正确构造假设的形式及检验统计量的选择。
9.1 假设检验的基本问题
9.1.1 假设检验的基本思想和相关概念
9.1.2 假设检验方法的分类
9.1.3 假设检验中的两类错误
9.2 一个总体参数的假设检验
9.2.1 大数定律
9.2.2 中心极限定理
9.3 两个总体参数的假设检验
9.3.1 单个总体方差的假设检验
9.3.2 两个总体比例差的检验
9.3.3 两个正态总体方差比的检验
方差分析
课时目标：方差分析是通过检验多个总体均值是否相等来分析分类型自变量与数值型因变量之间是否存在关系的一种统计方法。该方法的思想是从对样本观测数据的误差来源进行分析入手，来判断多个总体均值是否相等。主要介绍方差分析的基本问题与基本概念，方差分析的基本思想与基本假定，单因素方差分析及其多重比较、双因素方差分析的步骤与方法。
10.1 方差分析的基本问题
10.1.1 什么是方差分析
10.1.2 方差分析的基本思想与基本思想
10.2 单因素方差分析
10.2.1 单因素方差分析的数学模型及其特点
10.2.2 总误差的度量与分解
10.2.3 误差均方与检验统计量
10.2.4 假设检验
线性回归分析
课时目标：回归分析是研究变量之间关系的一种统计方法与技术，在自然科学、社会经济领域应用非常广泛。按研究所涉及的变量多少，有只涉及两个变量之间关系的一元回归分析与处理三个及以上变量关系的多元回归分析；从变量之间的关系所呈现的形态来看，有线性关系与非线性关系，其分析方法有线性回归分析与非线性回归分析。本章从分析两变量的关系入手，介绍经典的一元线性回归及多元线性回归模型设定、参数估计及模型检验等基本理论与方法。
11.1 线性相关关系及其测度
11.1.1 相关关系及其种类
11.1.2 线性相关关系的测度
11.2 一元线性回归分析
11.2.1 一元线性回归模型及其基本假定
11.2.2 一元线性回归模型参数的最小二乘估计及相关性质
11.2.3 总体方差的估计和一元线性回归函数的拟合优度
11.2.4 一元线性回归模型参数的区间估计
11.2.5 一元线性回归模型中的显著性检验
11.2.6 一元线性回归方程的预测
11.3 多元线性回归分析
11.3.1 多元线性回归模型及其基本假定
11.3.2 多元线性回归模型参数的最小二乘估计及相关性质
11.3.3 总体方差的估计和多元线性回归函数的拟合优度
11.3.4 多元线性回归中的显著性检验
11.3.5 多元线性回归中的参数区间估计
展开全部
预备知识
参考资料
认证成绩和证书
智能问答和解析
视频学习辅助
浙公网安备 33010802012594号
