统计学读书笔记

管理统计学读后感最近闲暇之余，有幸得到一本清华大学出版社李金林老师的《管理统计学》，十分喜爱，这是一本十分实用的书籍，既具有系统的统计学知识，又具有超强的实践指导训练，因而能够很好地满足我们从业人员在统计学数量 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 方面的需求。一、内容简介《管理统计学》通过以经济管理应用案例为基础的方式，将理论知识框架蕴于实际生活中的经济领域之中，将统计学理论与管理统计实践进行有机结合，围绕统计学分析的方法在生产生活中的运用所产生的各种问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 展开，通过引入真实具体的案例来阐释管理统计学理论。同时书中精选了作者数年来积累的mba教学案例以及实际工作案例，便于读者最大程度上的学以致用。此外，书中还结合实际的应用，详细阐述了通过相关应用软件解决实际问题的方法及技巧，借此来指导读者动手操作。总之，这本书读罢，顿觉是对自己在管理统计上的知识的一次全面升华。二、知识总结酣畅淋漓的将此书读完之后，不禁将书中内容与一个从业人员日常生活所用联系起来，回顾性的分析了并总结了一下内心感悟。从以下三个方面进行阐述。（1）管理统计学在实际生活中的应用管理统计学是研究如何收集、整理、分析反映社会经济管理问题的有关数据，并对研究对象进行统计分析、推断以期认识事物的规律性的一门科学。它要求管理人员要学会运用统计方法进行决策，改进工作，提高效率。没有统计分析的管理是不完善的管理。在天气预报、证券行业分析、产品寿命估计、产品抽样检验、产品库存量估计、金融保险、市场分析、市场识别、企业风险管理等方面都有着积极的应用。审计员检查一个大公司的帐目，可以通过统计方法抽取帐目样本，根据样本结果确定该公司是否有帐目不清的问题。企业经理需要考虑可能的原材料需求水平和原材料存储费用来确定原材料的进货量，因此他要做相应的调查。经济学家要 评价 LEC评价法下载LEC评价法下载评价量规免费下载学院评价表文档下载学院评价表文档下载 改变销售税对社会的影响，也需要根据消费者的购买模式来进行统计学计算。营销经理通过对样本顾客进行试销来决定是否销售一种新产品。生产经理根据检验产品样本的质量情况，决定是否对生产过程作出必要的调整……这些都是管理统计学在生产生活中的应用。（2）管理统计学中统计数据的相关分析（3）数学知识在管理统计学中的作用从小学开始，我们就开始接触数学知识，由此可见，数学知识在我们日常生活中的重要性。在现代经济社会，每个人都是一个独立的个体，每个人最在意的就是自己的潜在价值，因为每个人能够创造的价值的多少直接与自己的潜在价值有着正相关的关系，而这又与经济生活中的种种现实问题直接相关。比如作为管理者，如何通过正确辨识员工的潜在价值以给其以合适的薪金。数学知识是一切学科的基础，因此在薪金的计算过程中，通过数学知识和统计学知识的结合，利用统计学及其相关手段来解决薪酬问题才是最佳选择。此外，在现在经济条件下，信息量大大增加，各级政府部门、各大公司都需要通过大量的数据处理来获取自己需要的信息，从而对自己所管辖的范围进行合理的管理和调控，这些都建立在数学知识的运用之上。因此，充分结合统计学的专业性、数学知识的严密性，才能更好的为经济管理提供论证，才能更好的指导生活。三、内心感悟（1）内心思想启发随着我国社会的快速发展，社会主义市场经济发展也越来越快，各大中小型企业也如雨后春笋般多了起来。企业的发展、市场的投资、公司的扩建等各种经济活动必然离不开各种数据的统计和分析，良好地数据管理和分析将对一个企业的发展起着至关重要的作用。如何很好的在社会主义市场经济的大环境下做好企业数据的管理和统计，在公司的发展和创新中中加大管理统计方法的运用，将会对未来我们工作的效率、发展的速度、改革的深度等产生重大的影响。（2）创新指导方向作为一名烟草公司统计岗位管理者，我充分意识到管理统计学的知识在我们的工作中的广泛的应用。对于我们每一个管理者而言，积极学习管理统计学知识，对于我们加强通过统计学的方法来进行科学的管理，通过统计学的结果来充分调动人的积极性、主动性和创造性有极大的帮助；与此同时，良好的管理统计学知识的运用，也能帮助我们识别良才，并做到知人善任，提高管理者领导水平，改善领导者和被领导者的关系增强企业的凝聚力。未来工作中，我们要多多运用管理统计学等相关专业知识，来帮助自己做出决策，这样也才能真正做到无论是对企业还是对社会，都能做出自己的贡献。篇二：统计学原理读书笔记统计学原理读书笔记1、统计工作是指对社会经济现象数量方面进行搜集、整理和分析工作的总称，它是一种社会调查研究活动。统计资料也即统计信息，是统计部门或单位进行工作所搜集、整理、编制的各种统计数据资料的总称，它是进行国民经济宏观调控的决策依据，是社会公众了解国情、国力和社会经济发展状况的信息主题。统计学是关于统计过程的理论和方法的科学。2、统计学在研究社会经济现象时，首先从定性研究开始，即在搜集原始统计资料（统计调查）之前，就要根据所要研究对象的性质和研究任务、目的，确定调查对象的范围，规定分析这个对象的统计指标、指标体系和分组方法。——定性工作，为定量分析做准备。在定量分析基础上再达到认识社会经济现象的本质、特征或规律。3、质——量——质4、统计学特点：①数量性（用大量数字资料说明事物的规模、水平、结构、比例关系、差别程度、普遍程度、发展速度、平均规模和水平、平均发展速度等）②总体性（针对总体，研究过程是从个体到总体，即必须对足够大量的个体进行登记、整理和综合，是它过度到总体的数量方面，从而把握社会经济现象的总规模、总水平及其变化与发展的总趋势。③具体性（一定的质规定一定的量，一定的量表现一定的质。）④社会性5、统计工作的基本任务①全面、准确、及时地提供有关社会经济发展情况的资料为决策管理服务。会议 记录 混凝土 养护记录下载土方回填监理旁站记录免费下载集备记录下载集备记录下载集备记录下载 买单率x客单价‖‖商圈人流x20%=进店客流x（买单人数/进店客流数）x（营收/买单人数）=营收进店客流少——行销品牌问题买单率低——产品组合问题客单价高——商圈和选址问题选址在远离市区，开大商场，要求开车来，这样买单率和客单价会高，件单价会低，一买一车。选址在市内，开便利店，要求件单价高，客单价低，客流大。人口变项——目的是做市调人口结构——消费结构。人口品项纵轴要相互独立，细化要全无遗漏。冷藏，只是手段不是分类。分类要求互无交叉，一层一层推敲下去，最终形成详细分类及编码分类要考虑：商圈等级店等级+=+顾客结构品类结构信息和现场管理区域经理散到各个区域的旗舰店去。有三成的时间在透过旗舰店管理。招人等1、员工能更深入地工作2、监督3、kpi等的达成。分公司之下区经理10家店。ax60%bx40%cd评价薪+绩效薪+年节奖金+分红=30万月月次年不要用形容词，要有明确的岗位原因。比如不能用辛苦，而要用加班费。公平起见。要就“维度”来谈。责任度高、工作时间是评价工资的 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 。必须承认每个岗都有技术。环境加给，的概念是很高的。1000(1000x120%=1200)2000(1800)出勤低薪高就、高薪低就的解决办法：岗位薪+调整加给=工资3000+1000=40003150+850=40003300+700=4000高薪低就的工资调整：冻结其工资，别人涨工资不给他涨，靠时间来解决。岗位评价为先重要的岗位先挑人。——招聘、培训。设立虚位以待的模式，虚下来的位置的工作，由其主管担任。规章、制度——薪酬、绩效——发展、培训——等职等对应每个岗位都有其资格职还有一个管理职。薪等和职等相对应。所以职位名称就不再重要，职等才重要。把钱和抬头分开。职位分配表营收货架周转率/毛利率/畅销品销售数量陈列数量进店客流，衡量店内店外的问题的唯一标准。篇三：赤裸裸的统计学读书笔记《赤裸裸的统计学》读书笔记1、数学不能代替判断。用数据说谎容易，但是用数据说出真相却很难。所以，需要时刻问自己，“这是所有情况吗？”任何一种简化都会面临被滥用的危险。2、平均数、中位数、百分率、百分差、正态分布、标准差、方差中位数不等于真信息。要关注数据分布里异常值对事实真相是起到扭曲作用，还是其重要的组成部分。3、所有指数均取决于其构成的描述性数据以及它们的权重，任何一丁点儿微小的变化都有可能引起结果的改变，因此，即使是最终得到的那个指数，可能是一种情况不完美但有现实意义的，也可能是完全不合理的。（这个道理很简单，但是却常见很多模型就是这样建立起来的。所以，要持有怀疑的态度。）4、只要是对一段时间内的数字变化进行比较，就肯定离不开一个起点和一个终点，但我们有时候能通过操纵这些点来影响信息的表达。（政治家的阴谋或者说手段，哈哈，很多时候，面对完全相同的数据，可以有不同的分析结果，这就是原因所在。）“数据本身并没有撒谎，只不过有些数据没有发出声音罢了”。5、相关关系并不等于因果关系。（我们常常犯的错误。）6、风险价值var模型的启示：“精确”的计算给出的不一定就是“准确”的结果；对基础概率估算的方式很重要；貌似不可能发生的事件，也有发生的可能。我们常犯的错误：想当然地认为事件之间不存联系；（麦都定律）对两个事件的统计独立一无所知；（赌徒谬论）成群病例的发生；检方谬误；趋均数回归；统计性歧视；发表性偏见；记忆性偏见；幸存者偏见；健康用户偏见。7、中心极限定理的核心要义就是，一个大型样本的正确抽样与其所代表的群体存在相似关系。在一个分部中，绝大部分数据都会落在平均值的两个标准差范围内。样本数量增大，标准误差会缩小。8、几个涉及方法论的关键问题：这个样本能正确地反映目标群体的真实观点吗？采访过程中的问题设置能得出对研究课题有用的信息吗？受访者说的就一定是真的吗？（这几个问题也是我之前曾经上过的《问卷调查》课老师所强调的问题，问卷设计的排版、问题的提法、数量、受访者的心理因素都是会导致调查失真的重要问题。很多时候样本抽样时是随机的，但是因为各种原因就变得不随机了，比如打电话的民意调查方式，因为受访者没接电话或者不接受采访，完全可能会造成信息的遗漏。但是我们的gov很多时候就是这样处理的：这个不接那我再换一个好了。）9、当某个回答占所有受访者人数的比例接近50%时，标准误差会达到最大。10、要时刻关注解释变量与我们所关心的结果之间相关关系的大小。当回归系数至少是标准误差的两倍或以上的时候，该系数极有可能具有统计学意义。设计一个好的回归方程式，想清楚应该考虑哪些变量、应该从哪里收集数据，一个好的方程式要比统计计算本身更加重要。回归分析始终以观察样本为立足点。篇四：统计学读书笔记及练习题汇总【期末考试必备】《爱上统计学》读书笔记说明：表格中的“？”表示读者现在还有疑问、还需进一步了解的问题。篇五：统计学学习笔记统计学学习笔记（一）——学统计学需要理由吗？我承认，我学统计学是出于很实际的目的的。其实在本科的时候已经学习了《概率论与统计学》，可惜以应试为目标的学习成果，最后统统都还给老师了。这次正儿八经地从头开始学习，鞭策我的根本动力就是要在项目中运用到。本系列说白了就是一统计学学习笔记，主要的学习书目为：《爱上统计学》，《漫画统计学》，《医用统计方法》。其他的等用到了再补充。预期的学习方向：医学统计学。总目标：记录医学相关的统计学知识要点以及学习心得。尽量做到有理有据，有图有真相。“真相”主要是以数据集stroke_clean.sav（脑中风数据）为例，图来自spss的操作截图。统计学：一门关于数据的学科统计学：描述一系列可用于描述、整理和解释资料或数据的统计工具和技术。[爱上统计学，p6]可以看出，数据是统计学的根本。要是没有数据，或者没有针对数据的需求，那么统计学也就不需要了。但不是所有的数据都可以作为统计学方法的输入的。确认数据种类数据有无数多。各种各样的，千奇百怪的。那么统计学对什么样的数据感兴趣呢？总不能所有都要涉及吧？主要是以下几类数据[spss，漫画统计学，医用统计方法]（图1）：数值型（度量型，scale）：数据是连续的；数据之间间隔相等，可测量；可区分大小。如年龄age。也称为连续型、数值数据、定量数据。序列型（序号型，ordinal）：数据不是连续的；数据之间不可测量；但可区分大小。如治疗结果result。字符型（名义型，nominal）：数据不是连续的；数据之间不可测量；不可区分大小。如消凝药物clotsolv。布尔型（boolean）：数据只有两个取值；数据之间不可测量；不可区分大小。如性别gender。1后面三种可以被称为分类数据。图1：数据类型示例统计学学习笔记（二）——掌握数据的整体状态数据的集中趋势掌握数据的整体状态如果只是看到一堆数据，杂乱无章地排在一起，人很难看出它们到底反应了什么信息。而各种数据分析技术的发展，却要求我们在分析之前就能对数据从整体上尽可能把握特性，从而为后面的分析方法的选择及分析结果的理解提供可靠的依据。统计学中对于一组数据的整体状态，提供了多方位多角度的衡量指标。从数值的角度，可以从两个方面进行描述：数据的集中趋势（centraltendency），数据的变异性（variability）。2从图示的角度，可以通过数据组的频数分布（frequencydistribution）及直方图来形象地描绘数据组内数值的分布状态。数据的集中趋势数据的集中趋势很好理解，通俗地说，就是看看这组数据大概讲什么的。比如对于图2中的age数据，一眼看去，都在50以上，大概能够猜到这组数据主要讲的是老年人。但具体如何，在数据量大的情况下，就需要有一些确切的指标来表明其整体状态。这些指标最常见的就是均值（算术均值）、中值和众数；另外在医学统计学中，也经常会用到几何均值。图2：年龄数据示例均值（算术均值，mean，arithmeticmean）：数据组中所有数值的总和除以该组数值的个数。指的就是数值的中间点。3?将数据组中每个数值减去均值后的结果相加，和等于0。可以把某个数值减去均值的结果看作是这个数值到均值的距离。?均值是最能反映数据的集中趋势的单一指标，如果考虑到均值可以使每个数值减去均值后的平方和最小这个情况。?对于正态分布来说，其均值与中值和众数相等。?均值对极值很敏感。当极值比较大的时候，会使得均值对数据组集中趋势量数的代表性减弱。图3：中值示意众数（mode）：出现次数最多的数值。见图4[mode,4图4：众数示意几何均值（几何均数，geometricmean）：将所有数值相乘后取数值数目的开方。这个计算方法当数值数目>3后会很难计算，因此将它转换为对数形式，也就是先将所有数值进行（自然）对数转换，然后计算这些转换后的对数值的算术均值，然后再取反对数。从这个计算方法可以看出，几何均值和均值最大的不同就是对数值取了对数。增加了计算量，又有什么好处呢？前面我们说到，均值对极值很敏感。但取对数却可以很好地平衡这种极值，因此几何均值就会对一些有极值的、偏态的数据组能很好地反映其集中趋势。比如在衡量某种传染病的潜伏期或血中某种抗体的滴度时就常用几何均值表示它们的平均水平[医用统计方法，3.1]。指标很多，各有各的用处。下面就总结一下它们各自擅长的地方：?如果数据是序列型、字符型或布尔型，无法计算其均值和中值，则使用众数作为集中趋势的量数。?如果数据是数值型且没有极值，则可以使用均值反映集中趋势。?如果数据是数值型，但包含极值，或分布比较偏态，则可以使用中值或几何均值。??