范文为教学中作为模范的文章，也常常用来指写作的模板。常常用于文秘写作的参考，也可以作为演讲材料编写前的参考。写范文的时候需要注意什么呢？有哪些格式需要注意呢？下面是小编帮大家整理的优质范文，仅供参考，大家一起来看看吧。
学统计学的心得篇一
统计学（statistics）一门收集，整理，显示和分析统计数据的科学，目的是探索数据内在的数量规律性。从定义中不难看出，统计学是一门针对数据而展开探求的科学。在实验中，对数据的筛选和处理就成为了比较重要的内容和要求了。同时对数据的分析也离不开相关软件的支持。因此，eexcel软件的安装与运行则变成了首要任务。
实验过程中，对excel软件的安装因要求具体而变的相对简单。虽然大多数计算机都已内存此软件，但在实验中通过具体的操作亦可以提高自己的计算机操作水平。接下来的重头戏就是对统计数据的输入与分析了。按excel对输入数据的要求将数据正确输入的过程并不轻松，既要细心又要用心。不仅仅是仔细的输入一组数据就可以，还要考虑到整个数据模型的要求，合理而正确的分配和输入数据。因此，输入正确的数据也就成为了整个统计实验的基矗
数据的输入固然重要，但如果没有分析的数据则是一点意义都没有。因此，统计数据的描述与分析也就成了关键的关键。对统计数据的众数，中位数，均值的描述可以让我们对其有一个初步的印象和大体的了解，在此基础上的概率分析，抽样分析，方差分析，回归问题以及时间序列分析等则更具体和深刻的向我们揭示了统计数据的内在规律性。在对数据进行描述和分析的过程中，excel软件的数据处理功能得到了极大的发挥，工具栏中的工具和数据功能对数据的处理是问题解决起来是事半功倍。
通过实验过程的进行，对统计学的有关知识点的复习也与之同步。在将课本知识与实验过程相结合的过程中，实验步骤的操作也变的得心应手。也给了我们一个启发，在实验前应该先将所涉内容梳理一遍，带着问题和知识点去做实验可以让我们的实验过程不在那么枯燥无谓。同时在实验的同步中亦可以反馈自己的知识薄弱环节，实现自己的全面提高。
本次实验是我大学生活中不可或缺的重要经历，其收获和意义可见一斑。首先，我可以将自己所学的知识应用于实践中，理论和实际是不可分的，在实践中我的知识得到了巩固，解决问题的能力也受到了锻炼；其次，本次实验开阔了我的视野，使我对统计在现实中的运作有所了解，也对统计也有了进一步的掌握。
在实验过程中还有些其它方面也让我学到了很多东西，知道统计工作是一项具有创造性的活动，要出一流成果，就必须要有专业的统计人才和认真严肃的工作态度。在实践的校对工作中，知道一丝不苟的真正内涵。
通过本次实验，不仅仅是掌握操作步骤完成实验任务而已，更重要的是在实验中验证自己的所学知识的掌握和运用。统计学的学习就是对数据的学习，而通过实验可以加强我们对统计数据的认知和运用，更好的学习统计学的知识。虽然实验时间很短暂，但对统计知识掌握的要求并没有因时间的短暂而减少，相反我们更得努力掌握和运用统计学的新知识，提高自己的数据分析和处理能力，促进统计学的新发展。
学统计学的心得篇二
短短三天的国家精品课程培训虽已结束，但却留给我长长的思考。杨孝平、陈萍教授精彩的讲授、生动的例子，随和的语气，严谨的治学态度给我留下了深刻的印象，着实令我震撼和折服。确有一种余音绕粱，不绝于耳的神奇魅力，让我受益匪浅，对我的《概率统计》课程的讲授方法又有了新的体会和感想。原来晦涩抽象的知识可以讲得如此生动直观。感慨之余，更多的是他们作为国家级的教学名师所给予青年教师的深深启迪和思索。
1、教学内容要加强背景材料及实际联系，化抽象为具体
传统的《概率统计》教材过于强调理论化，知识的背景材料缺乏、应用性不强，致使学生不了解知识的发明过程，导致死记硬背。内容的抽象成了学习《概率统计》这门课程的拦路虎。所以选择教材内容时，应当贯彻加强背景材料及实际联系，化抽象为具体的原则，突出重点、难点和疑点，多增加既便于自学又有适于开展课堂教学的体系，不是从定义出发而是从问题出发展开课程内容然后在适当的时候自然的引出重要的核心的概念、定义与定理。围绕《概率统计》的主要内容，选一些有重大意义而有浅显易懂的问题作为组织课程内容的主要线素。引导学生来分析这些问题并使用学习的方法来解决提出来问题。最根本的是，为了加强教学内容与背景材料及实际的联系，使定义概念过度自然，不显的空洞突然，既让学生接受从事科研工作的训练，又要培养学生的创新意识与素质。
2、概率统计需要扎实的专业知识和宽广的知识面
教好数学的前提是先学好数学，这就是专业问题。两位教授能把《概率统计》讲活，把抽象问题用简单语言来表达，每个问题都辅以生动的例子。说到底，这源于他们渊博的知识底蕴以及深厚的专业知识。要成为一个深受学生欢迎的老师，必须给学生讲清楚学科的来龙去脉，这门课到底讲什么，又为了什么，有什么用处，对他们的专业有什么帮助。否则学生问到这门课有什么用，都解释不了。还怎么企求学生能够愿意进而学好这门课程呢？
3、努力形成自己的教学风格
针对个人的实际情况，不断努力形成自己独特的教学风格。幽默风趣是一种教学风格，西服领带学者风范是一种风格，挥洒自如风流倜傥又一种风格，中规中矩娓娓道来也是一种风格，等等。不论哪种教学风格只要能够适合自己，能够达到很好的教学效果，你的课学生爱听，你的学生爱学，你教出来的学生能力强，你就是一位好教师。陈萍老师多次强调：别人的东西讲得再好，也是别人的，你只能借鉴，而不能照搬。一个受学生欢迎的老师一定是有自己教学风格和特点的老师。作为一名教师，应以形成自己的教学风格作为长期努力追求的目标。
学统计学的心得篇三
首先非常感谢教育部给我们提供此次机会，感谢杨孝平教授和陈萍教授的精彩讲解。这次培训时间虽短，但收获颇丰。
我已从教10年，如何提高学生的兴趣，一直困扰着我。概率统计是公共基础课，授课面积较大，由于是考查课，学生往往不重视，只是到考试时才临时抱佛脚，另一个主要原因是学生对此门课没有兴趣，没有兴趣就不会主动学习，只是到考试时才临时抱佛脚。听了杨老师的讲座，对我有很大启发，总结一点就是要努力提高自己的业务水平，知识面，这样才能做到“无招胜有招”。讲课时，不能只限于课本上的系统知识，要有来龙去脉。要讲清楚”来龙”，就需要学点数学史，对此事物的发展有一个清晰的脉络。如上第一节课时，就直接讲随机事件，学生会觉得很枯燥，立刻就有点逆反心理;若从概率的发展讲，其起源于赌徒的赌金分配问题，会立刻引起学生的好奇心，从而对这门课兴趣大增。
学生经常问，我学这门课有什么用?我的回答总是不能让学生信服。作为数学教师，当然认为这门课有用，但在学生的专业课中，什么地方用到，怎么用，说不清。学生对此回答显然不满意，当然也就没有说服力。一个好的办法，就像杨老师讲的那样，补充相关专业的知识，给我们的系统知识一个“去脉”。但注意到概率统计是一门公共课，要想对每一个专业知识都有所了解，似乎是不可能的，只能是公共的或大家都感兴趣的问题(例如金融问题)，作为“去脉”。陈萍老师提供了另一个解决的方法。比如在抽球问题中，可以提到，这是种子抽取、病理检测模型的简化。这样学生学习时，目的性很强，学习不盲目，也就有了兴趣。否则，学习概率就是抽球，一点价值也没有，总觉得很假，不真实。
陈萍老师老师讲的对学生的激励制度对我也很有启发。我校概率统计有48课时，讲到假设检验，总是觉得时间很紧张。上课的人数比较多，怕占用时间，所以一般不点名，平时成绩只是作业的体现。若能设计一些题目，让学生抢答，既能考查学生的接受能力，又增加了互动，活跃了课堂气氛，是个一举三得的好事情，值得尝试。
杨老师讲到，内容不能讲得过细，过复杂，过神秘。年轻教师上课，大多不能把复杂问题简单化，这样一个直接的结果就是拖堂，概率的内容不能在32课时内完成，挤占统计的时间，使得讲统计时，时间不够，只讲公式，不讲思想。学生学完后，只是觉得那有一堆公式，没什么用。其实归根到底，还是教师对教材的掌握不够。提升自己的教学水平，是至关重要的。
我认为精品课程建设不能理解为一个课件、一本教材、几个老师等组成的，精品课程建设是一个系统工程。最主要的是做好对教师的培养。精品课程建设是一个动态的、长期的工程。好的精品课程建设需要前期进行大量的准备工作。在精品课程建设中，不能为做精品课而做精品课，精品课要实实在在地运用到教学中，不能让精品课成为一种摆设，一个门面。在建设过程中需要负责人的精心，需要组织各个部门以及相关组织的配合，在主要内容建立起来后还要有今后长期的补充和维护。为此我建议有关教育主管部门应建立资源共享平台，使资源共享的同时，能够互相取长补短，共同提高，共同搞好精品课程建设。通过概率统计精品课程的建设，通过其本身的辐射示范作用，将有效地带动各个院校的课程建设和发展，并将最终为培养创新性的建设人才发挥重要的作用。
总之，此次培训使我受益匪浅，即从杨老师、陈老师的讲解中获取了一些知识，又从各高校教师的'一些讨论中获取了一些共识，这些宝贵的经验，我将带回学校，将它逐步用于自身的教学过程中，为学校的建设做一些自己力所能及的工作。
学统计学的心得篇四
统计，从我的理解来看，就是为了探究某件事情，查询某种关系而去进行的数据收集，数据处理和数据分析。不同于以往的数学类课程，统计并不执着于数据的因果关系，更侧重于数据之间的相关关系，最近在读维克托的《大数据时代》，作者也在强调大数据时代是相关关系的时代。所以在这个信息爆炸的年代，统计在大数据中占有很重要的地位，尤其是在计算机的辅助下，我们可以对大样本甚至全体样本进行分析和处理，这就需要我们理解统计，可能不知道原理，但一定要知道在什么地方去运用何种方法。
先抛开以上观念不谈，这学期统计课最喜欢的还是老师在讲课的时候能够时刻把知识连贯起来，从来没有零零散散的讲过某个知识点。为什么会有中位数？它是用来干什么的？中位数和平均数的缺陷是什么？为什么会出现四分位点和箱图？为什么会这么做是我在课上感受最深也是受益最多的地方。
如今学完统计，我自认为能够很清楚的为了某项目的去做调查问卷，基于数据做出合理的处理和分析，然后多样化的表达出来，从而验证我的目的。因为我知道该在什么条件下去做什么分析，有什么缺陷需要做什么去补全。所以，感谢老师给了我一个完整的统计体系，即使以后觉得知识不够用时，我仍能够在当前体系继续完善它。
另外，我养成了看课件，看书先看目录和重点的习惯，以前在这方面做得不是很到位，总是觉得自己足够聪明，什么东西都是直接拿来看，看到好的便觉得不错，也不管整个体系是什么样子的。如今深刻觉得先把知识体系建好的好处，站在全局的角度看问题非常全面，好像在飞机上观察一个城市一般。这也是以前上课所欠缺的，我感觉以前的课程老师也很少注重这方面，总是说今天讲什么，没有前文，也没有后果。
以上两点我觉得比我收获整个统计体系的知识更重要，这是对我学习方法的进一步完善。之后将总结一下我在统计课上学到的知识。
首先是收集数据：其主要的方法就是调查问卷和从网上的数据库中去获得。这两种方式在前两次大作业中我们都尝试过了。现在网络很发达，调查问卷也可以直接发放到网上，也可以很方便的做分层和整群抽样调查。当时做调查问卷感悟最大的是怎样去让问题更有吸引力，我们对有个小组由于做了关于我是歌手这个非常火的题目，所以收到300多份问卷，而我们做的是有关考研班的调查问卷，所以收到的问卷才40多份。当数据收集到之后，一般来讲是做描述性统计，这是一种简单而又直白的，但却富有表现力的展现方式。可以直接观察到各组之间的优劣和占总体的大小。当时我们组做得大作业是有关全世界各国gdp的。条形图能够反应各国之间的差异，我们很明显能够看到美国的gdp大概是中国的两倍。而通过饼图，最直观的感受是美国gdp占全世界的四分之一，这是个体与总体的比较。
描述性统计下分为定性和定量，所用方法不是很一致，在定量的学习中，我们依次理解了平均数，中位数，四分位数，箱图，方差，标准差，变异系数，偏倚程度。这是一个渐进的过程，平均数对于偏态比较敏感，易受极值的影响，所以我们引用了中位数，相对而言受极值的影响较小。
而平均数和中位数都是一个确切的点，不能表示范围，所以我们有了四分位数，进而再表示为图形就是箱图。但是以上只能表现数据的位置特征，有些时候我们更关系数据的波动和密集程度，比如打靶的成绩。所以就有了方差和标准差，都是表示数据对于平均数的波动程度。对于身高和体重来讲，由于平均数的不同，所以对于不同数据，比如身高和体重，由于基数不一样，方差不一定越大越好，于是又有了变异系数，这样不用的数据也可以比较波动程度。通过位置特征和离散特征，我们就能够将数据的形态特征表现出来。
描述性统计是对单个变量内部特征的处理，从而得到关于单个变量的特性。描述性统计是剩下部分的基础，也就是假设检验和方差分析，或者说研究多变量的基础。
研究多个变量，首先，也是最重要的是验证变量是否符合正态分布。正态和非正态，意味着之后选取的方法将截然不同。正态将会以平均数作为核心，比如anova，lsd等，非正态则会以秩或者中位数作为核心，主要以sign检验，秩和检验，平均秩检验等非参检验。
方差分析也是一个渐进的的过程。anova是只研究在一个因子下多方案的差异性，lsd就可以研究多个方案两两之间的差异性。之后就是在多个因子下，block是研究多个无相互作用因子下方案的差异性，factorialexperiment则是能够再在有相互作用下的因子下研究一个因子对于多个方案的差异性。
非参检验也是从最简单的中位数开始，从单变量开始拓展。秩和检验解决了多个方案，并不配对的问题，比符号秩更具有普适性，但是精确度不如符号秩。k-w则是通过比较各样本和总体平均秩来判定多个方案是否存在差异性。
剩下的就只有相关性分析了，正态的时候用persion，非正态则用spearman，两者之间原理是一样的，只不过一个是用平均值，另一个使用中位数。我们在做军事建模的时候就选用了spearman。
