统计学经典理论范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的5篇统计学经典理论范例，将为您的写作提供有力的支持和灵感！

篇1

贝叶斯方法是由英国学者Bayes在其发表的论文《论有关的机遇问题的求解》中提出来的，并且在和经典学派的争论中发展起来。经典统计在发展成熟的同时也逐渐暴露出了一些问题，而不少学者对两统计学派的比较研究中发现，相比于经典统计方法，贝叶斯统计方法在直观性、易于理解等很多方面更具有优势。

一、 基本理论的差异

1.概率的解释不同

一直以来，经典统计学派对贝叶斯统计的主要批评在于贝叶斯统计在概率理解上的“主观性”。经典统计学认为概率必须是“客观的”，这可以用大量重复试验之后的频率去解释，而不能主观臆断。贝叶斯统计是完全同意概率公理化，但认为概率也可以用经验确定，一些事件的概率在大量重复试验中去获得是不现实的，而我们可以根据对此事件的了解和积累的经验做出此事件发生可能性的判断。

2.统计推断利用的信息不同

贝叶斯统计与经典统计在统计推断最主要的不同在于贝叶斯统计运用先验信息。经典统计学的统计推断是基于总体信息和样本信息。总体信息即总体分布或总体所属分布族中包含的信息，包括总体认识、参数范围、变量的方式和特征等；样本信息是从总体中抽取的样本中所包含的信息，这是最“新鲜”的信息。而贝叶斯统计方法在此基础上还利用了先验信息，先验信息主要来源于经验和历史资料。

3.样本和总体参数的利用与认识不同

经典统计中把样本看作来自具有一定概率分布的总体，而总体中的参数是普通的未知变量；相反，贝叶斯统计把任何一个未知的参数都看作是随机变量，都有不确定性，用一个概率分布去描述这个未知的参数，在统计推断中只利用已经出现的数据，即样本信息，这就是贝叶斯统计中的“条件观点”，即只靠考已经出现的数据（样本观测值），而认为未出现的数据与推断无关。基于在样本利用方式上的差异，使得贝叶斯统计不承认经典统计中的“无偏性”这一评判标准。

三、点估计与区间估计

1.贝叶斯定理与似然函数

贝叶斯定理是贝叶斯统计学的理论基础，贝叶斯公式的密度函数表示形式为：

θ为模型的参数向量，x表示为数据向量，即样本观察值，其中，函数 p（x |θ ）集中了总体信息和样本信息，被称为似然函数，它是未知参数θ 的函数。

在似然函数上，经典学派和贝叶斯学派的观点是一样的。我们强调似然函数是θ 的函数，而样本x 在似然函数中是一组观察值，所有与试验有关的θ的信息都被包含在似然函数之中，使似然函数值达到最大的θ 值有比其他θ 值更大的说服力，此θ 值即为经典统计中的最大似然估计；而我们可以证明，在贝叶斯统计中，当在“无信息 ”的条件下， θ 的最大后验估计就是经典统计中的最大似然估计。

在上述情况下，我们可以认为，经典统计中的最大似然估计是贝叶斯统计中的最大后验估计的特例。而在贝叶斯统计中，我们可以看出，在有合理的先验信息时，贝叶斯统计可以利用更多的信息，以达到更好的估计效果。

2.置信区间

在置信区间的解释和处理上，贝叶斯统计具有含意清晰，处理方便的特点，而经典统计则经常被统计工作者所误用而受到批评。例如，一家电生产企业为估计其产品的平均寿命的可信区间。贝叶斯统计中的可信区间由后验分布求得，参数被认为是随机变量，因此我们可以说，平均寿命θ 落入最终区间的概率是90%。而在经典统计中，参数θ 是一个常量，而求出的置信区间要么包含平均寿命 θ ，要么θ 在此区间之外，很多人在实际应用经典统计的过程中，误把置信区间理解为平均寿命θ 落入某个区间的概率是90%，而事实上，我们只能说重复做100 次此实验，大约有90 次求出的置信区间能使之包括真实的产品寿命θ ，而这对于只做一两次实验的人来说是毫无意义的。

相反，贝叶斯统计的方法清晰明了，而且在置信区间的寻求和计算上也简单得多。在条件方法下，对给定的样本x和可信水平1-α通过后验分布可求的具体的可信区间，计算方便。而在经典统计中寻求置信区间有时是困难的，要构造一个枢轴量（含有被估参数的随机变量），使它的分布不含有未知数。这是一项技术很强的工作，比求可信区间复杂的多。

四、假设检验

1.基本检验思想的比较

经典统计学中，因参数被认为是常数，因而不存在H0和H1的概率大小，其判定标准是若H0 为真时，小概率事件发生，则拒绝原假设H0。即判定的是P（X|H0 为真），X 是样本向量。

而在贝叶斯统计中，可以直接求得在样本X 给定的条件下，参数的后验概率，因而得出H0 和H1 和后验概率，即判定的是P（H0 为真|X）和P（H0 为假|X）。这是两种检验方法间的根本区别。

2.先验选择与显著性水平的“主观性”

经典统计学派攻击贝叶斯学派很重要的一点就是贝叶斯统计中先验分布选择的主观性。在贝叶斯统计的检验中，先验信息的分布和参数的变化可以引起拒

篇2

一、引言

经典统计学派和贝叶斯统计学派是在统计学的历史上逐渐发展起来的两大主要学派。贝叶斯方法是由英国学者Bayes在其论文中首先提出来的，并在和经典学派的争论中逐渐发展起来，目前被越来越多的统计工作者所研究和广泛应用。经典统计在发展成熟的同时也逐渐暴露出了一些问题，而不少学者对两个统计学派的比较研究中发现，二者在其基本思想以及统计推断时不尽相同，与此同时，二者也都有自己的优点与缺点。正确理解这些不同，对于我们今后正确地运用统计方法分析实际问题起着举足轻重的作用。因此，本文对这两种统计方法的基本思想作了对比，分析了各自的优势及缺点，并说明了他们在用于统计推断时表现的差别，有助于我们进一步理解这两种基本的统计分析方法。

二、基本思想的对比

1.区别一

经典统计学认为概率必须符合科学的要求，是“客观的”，这可以用大量重复试验之后的频率去解释，而不能主观臆断。而贝叶斯统计认为一些事件的概率在大量重复试验中去获得是不现实的，而我们可以根据对此事件的了解和积累的经验做出此事件发生可能性的判断。

2.区别二

经典学派很注重利用已经出现的样本观察值，没观察到的样本不予考虑。贝叶斯学派很注重先验信息的收集、挖掘和加工，使他们数量化成先验分布，参加到统计推断中，以此提高统计推断的质量。

3.区别三

经典统计中把样本看作来自具有一定概率分布的总体，而总体中的参数是普通的未知变量；相反，贝叶斯统计把任何一个未知的参数都看作是随机变量，都有不确定性，用一个概率分布去描述这个未知的参数，在统计推断中只利用已经出现的数据，即样本信息，这就是贝叶斯统计中的“条件观点”。

4.区别四

经典统计学派判断方法是让检验统计量与临界值进行比较。贝叶斯的判断方法是在获得后验分布之后，可分别计算原假设H0和备择假设H1的后验概率。

5.总结

贝叶斯统计学派与经典统计学派在很多问题上都有分歧但是它们最根本的分歧是：第一，是否利用先验信息。由于产品的设计、生产都有一定的继承性，这样就存在许多相关产品的信息以及先验信息可以利用，贝叶斯统计学派认为利用这些先验信息不仅可以减少样本容量，而且在很多情况还可以提高统计精度；而经典统计学派忽略了这些信息。第二，是否将参数e看成随机变量。贝叶斯统计学派的最基本的观点是任一未知量e都可以看成随机变量，可以用一个概率分布去描述，这个分布就是先验分布。因为任一未知量都具有不确定性，而在表述不确定性时，概率与概率分布是最好的语言；相反，经典统计学派却把未知量e就简单看成一个未知参数，来对它进行统计推断。

三、两种统计方法的优缺点

1.贝叶斯统计的优点与缺点

贝叶斯统计以从经验中学习为目标，将历史信息与样本似然函数结合在一起，使之形成一套比经典统计更加灵活，更加直观，更加易于理解的统计方法，在计量模型中正在受到越来越广泛的应用。特别是在小样本的情况下，点估计和区间估计可以有比经典统计更加精确的结果；其次，在用贝叶斯后验分布进行推断后，可以将第一类、第二类错误所造成的损失考虑在内，因而比经典统计更加实用；另外，在处理多余参数的问题上，贝叶斯统计可以直接在后验密度中将多余的参数积分掉，这又比经典统计方法方便得多。

贝叶斯统计在很多方面比经典统计有明显的优势，然而，仍然有许多本身存在的问题和缺陷制约和阻碍着它的发展。例如，先验分布的确定是近几十年来研究的主要问题；其次，我们一般只知道后验分布的核，计算后验密度函数的推导与计算具有非常大的难度，也没有可以广泛应用各种模型的软件和程序。

2.经典统计的优点及缺点

经典统计学作为统计学的根基，有着它自身所无法比拟的优点。首先，它用于推断过程的数据是样本数据，排除经常很难量化的先验知识。其次，它对于方法的评估有一系列的准则。只要可能，就能找到最优方法。

但与此同时，它的缺点也比较显著：首先，在小样本的情况下，点估计和区间估计没有贝叶斯的结果精确；其次，它不能将第一类、第二类错误所造成的损失考虑在内；最后，在处理多余参数的问题上，没有贝叶斯统计方法方便。

3.总结

贝叶斯统计学派与经典统计学派虽然有很大区别，但是它们各有优缺点，各有其适用的范围，我们要具体问题具体分析，以获得一种更适合解决实际问题的方法。而且，在很多情况下，二者得出的结论在形式上是相同的。

四、两种统计方法在统计推断时的差别

1.在点估计与区间估计方面的区别

贝叶斯定理是贝叶斯统计学的理论基础，函数p(x|θ)集中了总体信息和样本信息，被称为似然函数，它是未知参数θ的函数。在经典统计中同样承认似然函数，在这一点的理解上，经典学派和贝叶斯学派的观点是一样的。我们强调似然函数是θ的函数，而样本x在似然函数中是一组观察值，使似然函数值达到最大的θ值有比其他θ值更大的说服力，此θ值即为经典统计中的最大似然估计而我们可以证明，在贝叶斯统计中，当在“无信息”的条件下，θ的最大后验估计就是经典统计中的最大似然估计。在上述情况下，我们可以认为，经典统计中的最大似然估计是贝叶斯统计中的最大后验估计的特例。而在贝叶斯统计中，我们可以看出，在有合理的先验信息时，贝叶斯统计可以利用更多的信息，以达到更好的估计效果。

在置信区间的解释和处理上，贝叶斯统计具有含意清晰，处理方便的特点，而经典统计则经常被统计工作者所误用而受到批评。

2.在假设检验方面的区别

经典统计学中，因参数被认为是常数，因而不存在H0和H1的概率大小，其判定标准是若H0为真时，小概率事件发生，则拒绝原假设H0。即判定的是P(x|H0为真)，x是样本向量。而在贝叶斯统计中，可以直接求得在样本X给定的条件下，参数的后验概率，因而得出H0和H1和后验概率，即判定的是P(H0为真| x)和P(H0为假|x)。这是两种检验方法间的根本区别。

在贝叶斯统计的检验中，先验信息的分布和参数的变化可以引起拒绝域的变化，而贝叶斯统计在后验均值估计中的最基本特征是伸缩性。

贝叶斯统计在检验问题中的一个优势在于多重检验问题，这是经典统计所办不到的。例如：在一次企业对两种生产方法的比较检验中，我们将假设设为：H0：θ=0；H1：θ0，H0表示两种方法无显著差别，H1表示方法一优于方法二，H2表示方法二优于方法一。贝叶斯统计在后验概率中计算H1和H2的概率，而经典统计方法则很难去处理此类

问题。

五、实例分析

下面我们通过一个例子对两种思想进行一些比较。例：以随机变量θ代表某人群中个体的智商真值，θ i为第i个个体的智商真值，随机变量Xi代表第i个个体的智商测验得分，若该人群的期望智商为υ，则第i个个体在一次智商测验中的得分可以表示为：Xij=υ+ei+eij其中ei为第i个个体的自然变异，eij为第i个个体第j次测量的测量误差。根据以往积累的资料，已知在某年龄的儿童的智商真值θ～N(100，225)，个体智商测验得分x～N(θ*，100)。现在一名该年龄的儿童智商测验得分为115，问：(1)该儿童智商真值是否高于同龄儿童的平均水平?(2)若取θ*在(a，b)为正常，问该儿童智商是否属于正常?

1.用经典统计方法解答

对第一问，建立检验问题：H0：θ*100，按照经典统计学方法，若取。α=0.05，则拒绝域为{x：x>=116.45}尚不能认为该儿童智商高于平均水平。

对第二问，经典方法需要进行两次分别针对a、b的单侧检验。过程与第一问相似，这里不再叙述。

2.用贝叶斯方法解答

在贝叶斯学派中，当θ i未知时，将其看作随机变量，与0具有相同的分布，这是贝叶斯学派与经典学派的一个重大区别。根据贝叶斯理论，θ的先验分布是N(100，225)，测验结果x*～N(0，100)，儿童智商的后验分布为正态分布N(110.38，69.23)。

对第一问，同样设H0：0‘100，查正态分布表可以得到P(H0lX=115)=0，106，P(H1lx=115)=0，894，根据风险最小原则拒绝H0，接受H1。

对第二问，设H0：a

由此可以看出：按贝叶斯的观点，多重假设检验的情形并不比两个假设的检验更困难，因为它只需要多算几个后验概率即可；它同时利用了样本和

篇3

【Abstract】　Objective　To discuss differences between classical and Bayesian testing thoughts.Methods　First these two thoughts are summarized’and then they are compared through an example.Results　It is pointed out that these two thoughts are united on Bayes’s Theorem’that they are equal on given occasions’and that Bayesian testing approaches have more advantages than classical approaches in using prior information’indicating the hazard of testing’considering the loss’and dealing with the problem of multi-hypotheses.Conclusion　Great attention should be paid to Bayesian theory.

【Key words】　hypothesis test Classical school Bayesian school

假设检验问题是统计学的传统问题，对于该问题，经典统计学派与贝叶斯学派有不同的处理思想。目前，经典统计方法占据着统计学的主导地位，但是，贝叶斯方法正在国外迅速发展并得到日益广泛的应用，我们有必要给以足够的重视。本文结合一个例子，对两大学派的假设检验思想进行初步比较，以揭示两种思想的区别与联系，并着重探讨贝叶斯方法的优势。

两种假设检验思想

一、经典统计学派的假设检验思想

经典统计学派运用反证的思想进行推断，即：在认定一次实验中小概率事件不会出现的前提下，若观察到的事件是H0为真时不合理的小概率事件，则拒绝H0。

上述思想可以用如下决策函数表示：

其中x代表样本信息。Φ(x)取值为0时即为通常的“拒绝H0”。

二、贝叶斯学派的假设检验思想

贝叶斯学派直接讨论H0和H1的后验概率，依据后验概率的大小进行推断。

其基本的解决方案是：在先验分布π下，有决策函数

Φ(x)取值为0时即“拒绝H0”。很明显，它选择了后验概率较大的假设。

三、两种思想的联系与分歧

在经典统计学中，参数被看作未知常数，不存在参数空间，因而不存在H0和H1的概率，给出的是P(x|H0真)，其中x代表样本信息。在贝叶斯方法中，参数被看成随机变量，在参数空间内直接讨论样本x下H0和H1的后验概率，给出的是P(H0真|x)和P(H0不真|x)。

事实上，两个学派的方法在一定程度上统一于贝叶斯公式。

由贝叶斯公式容易得到：

因此，当P(H0)=P(H1)，即H0与H1居于平等地位时，经典学派与贝叶斯学派的结果是一致的。

然而，H0与H1地位往往不一致，H0常居于将被否定的位置，因而上述一致性并不总能成立。贝叶斯学派对此进行了深入的探讨，他们的结果很有意义。

对于正态分布前提下的单侧检验：X～N(θ，1)，H0：θ≤0　H1：θ＞0，经典方法得到的P值与贝叶斯方法在无信息先验分布下的后验概率相等，此结论可以推广到正态分布前提下其他类似的单侧检验。

对于形如H0：θ=0，H1：θ＞0，(或H1：θ＜0)的单侧检验，情况则不同，与下述的双侧检验有类似结果。

对于形如H0∶θ=0，　H1：θ≠0的双侧检验，经典方法得到的P值与贝叶斯方法的后验概率大不相同。在Berger和Sellke 1987年对正态分布前提下二者的比较研究中，当经典方法得到的P在0.01～0.1之间时，贝叶斯方法得到H0为真的后验概率大于P，因而此时拒绝H0所承担的实际风险大于P，而这个区间对于经典方法下结论是非常重要的。Hwang和Pematle 1994年提出，对这类双侧检验，类似结果始终存在，因而P值应该由其他判断标准来替代。但他们还没有找到这种标准。

两种思想的应用

下面我们通过一个例子对两种假设检验思想进行一些比较。

例：以随机变量θ代表某人群中个体的智商真值，θi为第i个个体的智商真值，随机变量Xi代表第i个个体的智商测验得分，若该人群的期望智商为μ，则第i个个体在一次智商测验中的得分可以表示为：xij=θi+eij=μ+ei+eij，其中ei为第i个个体的自然变异，eij为第i个个体第j次测量的测量误差。根据以往积累的资料，已知在某年龄儿童的智商真值θ～N(μ’τ2)，其中μ=100’τ=15，个体智商测验得分Xi～N(θi’σ2)，其中σ=10。现在一名该年龄儿童智商测验得分为115，问：(1)该儿童智商真值是否高于同龄儿童的平均水平(即θi＞100)?(2)若取θi在(a’b)为正常，问该儿童智商是否属于正常? 转贴于

一、用经典统计方法解答

对第一问，设H0：θi≤100　H1：θi＞100，按照经典统计学方法，若H0成立，则有：

因此，α水平下的拒绝域为｛x:x＞100+σ・u1-α｝

已知σi=10，若取α=0.05，有u0.95=1.645，100+10×1.645=116.45。

现有x=115，因此，在0.05水平尚不能认为该儿童智商高于平均水平。

对第二问，经典方法需要进行两次分别针对a、b的单侧检验。过程与第一问相似，这里不再叙述。

二、用贝叶斯方法解答

在贝叶斯学派中，当θi未知时，将其看作随机变量，与θ具有相同的分布，这是贝叶斯学派与经典学派的一个重大区别。

根据贝叶斯理论，若X～N(θ，σ2)，其中σ2已知，θ未知，但已知θ的先验分布是N(μ，τ2)，其中μ和τ2均已知，则给定x后θ的后验分布为N(μ(x)’ρ-1，)其中(证明参见文献［1］)。

由此得到，本例中该儿童智商θi的后验分布为N(110.38，69.23)。

对第一问，同样设H0：θi≤100　H1：θi＞100，查正态分布表可以得到：

P(H0：θi≤100|x=115)=0.106，

P(H1：θi＞100|x=115)=0.894

根据风险最小原则拒绝H0，接受H1。

对第二问，设H0：a＜θi＜b　H1：θi＜a或θi＞b，查正态分布表可以分别得到P｛H0：a＜θi＜b|x=115｝和P｛H1：θi＜a或θi＞b|x=115｝，类似第一问，依据风险最小原则作出推断。

讨　论

由上述分析和例子，我们可以看出，用贝叶斯方法处理假设检验问题至少在下述几方面具有明显优势。

一、先验信息利用的充分性和风险的直观性

从前述问题的处理，我们清楚地看到，经典方法只使用了Xi的已有信息(贝叶斯学派称之为先验信息)，而贝叶斯方法则同时利用了Xi和θ的先验信息。因而在第二问的解决上，贝叶斯方法较经典方法少进行一次假设检验。

在贝叶斯方法中，由于导出了样本x下的后验分布，可以对风险给出正面的回答，因而较经典方法下的间接判断更直观。

二、可以将后续问题纳入考虑范围

如果推断错误在后续问题的解决过程中会造成一定损失，贝叶斯方法在进行推断时可将这一损失考虑在内。如：

在假设H0∶θ∈Θ0，H1∶θ∈Θ1(Θ0、Θ1是参数空间内两个互补子集)下，有：

Φ等于0，1分别代表拒绝、接受H0，a0、a1分别代表了第一、第二类错误造成的损失，这时，贝叶斯方法给出如下决策函数：

由于可以将假设检验结果带来的损失纳入检验考虑的范畴之内，因而对问题的回答更接近实用。

三、多重假设的处理不存在困难

对多重假设，如将前例第二问改为：若θi∈(a’b)为智力正常，θi＜a为智力低下，θi≥b为智力超常，问该儿童智力属何种类型?

篇4

1研究背景

统计是一个以问题解决为导向，系统收集数据，并基于数据回答问题的过程。由于实际问题的复杂性，造成反映实际问题的数据在问题表示的充分性、代表性和分布的单一性方面与传统的统计应用要求不匹配，于是催生了对数据分布假定宽松的非参数统计的发展。基于大量数据探索数据分布特点的数据分析方法成为非参数统计的主要内容。经典的非参数统计是数理统计的一个分支，因此，教学内容多是基本概念引入、原理的证明、例题解析等。传统的非参数统计在教学过程中最突出的问题是理论证明太多，枯燥且难懂，部分学生对该门课程的学习积极性与主动性比较低，但是非参数统计课程又是统计专业的必修专业课程，对广义类型的数据进行分析是统计专业学生必备的能力，因此，非参数统计从教学的深度与广度来讲都不能降低标准。非参数统计的教学改革也是适应统计专业“厚基础、宽口径、重应用、强能力”培养目标的需要。由美国哈佛商学院（HarvardBusinessSchool）所倡导的案例教学法，由于其独特的教学方式，既利于培养和发展学生主动参与课堂讨论的能力，又能激发学生的学习兴趣，在教育界实施之后，颇具绩效。在《二十一世纪的教师》（ANationPrepared：Teachersforthe2lstCentury）的报告书中将案例教学法作为一种相当有效的教学模式，并特别推荐案例教学法应在教学过程中加以使用。本论文探索如何紧扣非参数统计教学内容和统计能力培养实施教学过程，重点在于结合教授内容设计教学案例。案例设计遵循“重应用、强能力”的原则，分析问题源于热点或经典社会、经济问题，分析方法紧扣相关的非参数方法，同时涉猎到其它专业知识或其它统计分析。所以，教学案例与课程的学习过程一致，但是最终要求的能力却要高于课本分析的要求，引导学生从实际问题解决入手，理清分析数据的背景，分析可能需要解决的问题，寻求可能的研究方法，分析方法的实现及报告的撰写，实现从理论到实际问题解决的一般性的统计过程，培养学生问题导向的统计思维能力。

2教学内容的认识

2．1课程的重要性

非参数统计是数理统计学科中的一个分支。基于大量数据探索数据分布特点的数据分析方法成为非参数统计的主要内容。随着数据科学的兴起，现代非参数统计方法在复杂甚至是大数据分析中起着举足轻重的作用。因此，掌握非参数统计基本思想，并应用非参数方法解决实际问题是统计专业学生具备的一项技能。《非参数统计》是面向统计专业的学生开设的专业课程，是学习非参数统计和了解统计前沿的基本课程。本科的教材有很多，但主要包括基本的经典的非参数方法，即单一样本位置的检验，两个独立样本位置、尺度的比较检验，多个独立样本位置的检验，单变量分布的密度估计，非参数回归等内容。通过本课程的学习既能对加深对经典数理统计的理解，又能拓展统计的视野。

2．2专业培养目标

经济统计专业遵循“实基础、重应用、强技能”的人才培养目标，旨在培养服务地方经济和社会发展的应用型高级专门人才。系统掌握统计学、经济学和计算机理论与应用等方面的知识，能熟练运用统计软件处理分析复杂数据；具有发现问题、分析问题的能力，运用所学的统计方法解决实际的经济社会问题；具有从事统计调查、社会调查、市场预测和经济现象分析的社会实践能力。因此培养方案要求构建以就业为导向，以专业知识与实践能力培养为核心的模块化课程体系，改革教学方法和考核方式，将学生专业学习能力、社会实践能力和创新创业能力作为评价人才培养质量的主要指标。因此各专业课的教学必须紧紧围绕培养目标开展，必须对传统教学模式进行改革。

2．3课程的特点

根据统计专业培养培养目标和要求，结合我院学科发展的需要，将非参数统计课程作为经济统计专业的专业必修课。该课程是学生专业素养培养的一个重要环节，是数理统计、多元统计、应用回归分析课程的后续课程，在专业建设和课程体系中占据重要的地位和作用。非参数统计属于数理统计分支，知识框架与经典数理统计类似，主要研究内容就是参数估计与假设检验及变量间关系模型构建，如果仅用传统的教学模式，学生仅限于理论的部分掌握，教学效果不会太好。

2．4教学方法的改进

结合统计专业目标培养要求和学生的现状，探索理论性课程的教学模式是统计专业教学模式创新的必由之路，既要培养学生统计思维的能力，又要培养学生实际的统计技能。学生能力的培养在于他的学习过程中，就一门课而言，在授课期间，学生的课前准备、课堂讨论和课后实践都应该有效的监督中，做到课前收集将要介绍的理论方法应用的背景知识，包括文献、数据等，课堂中能结合课前预习积极参与讨论，课后能灵活运用到实际问题中，并能撰写相应的分析报告。因此，在教学过程中，必须合理监督学生，做好每一环节工作。教师首先合理设计教学案例，将统计方法的学习，实际问题能力解决，报告撰写思路融入教学过程，培养学生统计分析技能。

3教学设计及教学过程

非参数统计主要采用分组式，并融入案例教学的混合模式。第一次上课有两项任务安排：一是按照自愿组合和学生成绩将学生每组4－5人分组，安排每组的负责人；二是介绍本课程授课的模式，课前资料收集与预习的要求，课堂分组讨论的要求，课后实践作业的完成与汇报。

3．1案例设计

本部分以单一样本位置的检验为例，介绍非参数案例设计的思路与流程。本案例将紧贴非参数单一样本检验原理及应用进行设计，同时关注培养学生解决实际问题的统计思维。主要从数据背景介绍，数据变量的描述统计分析，研究问题及方法原理的阐述，数据的实证过程及软件实现，报告撰写要求等方面进行设计。

3．2教学过程

非参数统计的教学内容是以一系列经典非参数统计方法的理论与应用传授为主线的，每一种统计方法都传递着一定的统计思想，有着一定的应用背景和应用前提。教学过程的效果取决于课前准备、课堂教学和课后实践各环节的衔接。只有将教学环节有机结合起来，培养学生良好的专业学习习惯，从而有效提升教与学的质量，以下是非参数统计课程教学过程如下：第一，按照学生分组安排每一章节课前准备收集的资料。第二，课堂讲授该方法的统计原理及软件实现。第三，分组讨论学生收集的资料。第四，介绍案例的数据背景、拟解决的问题、拟采用的统计方法、各方法的比较、分析结论。第五，讨论安排各组将要解决的问题。第六，安排时间由其中一个小组汇报自己的分析报告。

4结语

在课程学习中，充分发挥学生的主动性，培养学生面向实际问题，搜集数据，并进行统计综合分析的能力，不仅使学生获得新的统计分析技能，而且能激发学生的学习兴趣，切实达到“厚基础、宽口径、重应用、强能力”的培养目标。通过非参数统计课程创新型教学改革的实施，不仅有利于非参数统计教学效果的改善，也有利于自身课程资源建设，为统计专业创新性教学过程积累经验。使原本抽象、枯燥难懂的理论课程变得实际而有用。课堂教学效果得以实质性的提高，有效地激发了学生的求知欲望，提高了教育教学质量。

参考文献

［1］王星，褚挺进．非参数统计［M］．北京：中国人民大学出版社，2012．

［2］田爱国，田地．传统教学与案例教学比较研究———基于《统计学》教学的思考［J］．金融教育研究，2013，26（1）：73－77．

［3］白日荣，苏永明．非统计专业统计学教学的改革与创新［J］．统计教育，2007，（12）：25－26．

篇5

doi：10.14033/ki.cfmr.2016.32.066 文献标识码 B 文章编号 1674-6805（2016）32-0118-02

A Comparative Study of the Treatment of Alginate Wound Accessories and Carbohydrate Wound Accessories in Wound Infection after Appendectomy/MU Teng.//Chinese and Foreign Medical Research，2016，14（32）：118-119

【Abstract】 Objective：To compare the efficacy of Alginate Wound Accessories and Carbohydrate Wound Accessories in the treatment of wound infection after appendectomy.Method：The study was conducted in 158 patients with incision infection who were from our hospital from 2011 to 2015.The patients were randomly divided into two groups.One group using Alginate Wound Accessories，the other one using Carbohydrate Wound Accessories.Then compared the average healing time of the two groups.Result：The average healing time for the group of Alginate Wound Accessories was （22.3±1.5）d，the average healing time for the group of Carbohydrate Wound Accessories （19.2±1.1）d，there was significant difference in two groups（P

【Key words】 Wound infection； Alginate Wound Accessories； Carbohydrate Wound Accessories

First-author’s address：North Hospital of Beijing Fengtai Hospital，Beijing 100071，China

急性@尾炎是外科常见腹腔感染性疾病，其主要的治疗方案为手术切除。但由于其为腹腔内感染性疾病，切口以Ⅱ、Ⅲ类切口为主，其术后最常见并发症为切口感染。目前大多数研究主要是针对阑尾切除术后伤口感染的相关因素。随着伤口敷料的不断发展，目前应用于伤口感染的敷料层出不穷。本文针对藻酸盐敷料及糖类敷料在阑尾切除术后伤口感染的疗效进行对比分析。

1 资料与方法

1.1 一般资料

选取2011-2015年行经典的阑尾切除术，即经右下腹麦氏切口行阑尾切除术后3～5 d发生伤口感染的患者158例，男80例，女78例。随机分为藻酸盐敷料组和糖类敷料组，各79例。藻酸盐敷料组男40例，女39例，年龄5～70岁，平均（45.2±3.1）岁。糖类敷料组男40例，女39例。年龄5～70岁，平均（16.3±2.9）岁，两组患者性别、年龄比较差异无统计学意义（P>0.05），有可比性。

1.2 方法

藻酸盐敷料组采用藻酸盐敷料，具体方法为：采用经典换药方法，伤口开放处应用藻酸盐敷料填塞。糖类敷料组采用糖类敷料，具体方法为：同样采用经典换药方法，但伤口开放处应用糖类敷料填塞。

1.3 统计学处理

所得数据应用SPSS 13.0处理，计量资料以（x±s）表示，采用t检验，计数资料以率（%）表示，采用字2检验，P

2 结果

糖类敷料组的平均愈合时间为（22.3±1.5）d，藻酸盐敷料组为（19.2±1.1）d，两组平均愈合时间比较差异有统计学意义（P

3 讨论

Winter博士早在1962年已明确了湿润伤口愈合理论[1]，现今在湿性伤口愈合理论的指引下，伤口敷料有了突飞猛进的发展。

患者伤口出现红肿渗出后，予以拆除缝线开放伤口，换药方法均应用传统消毒方法并结合湿润伤口愈合理论。首先应用碘酊以伤口为中心，半径5 cm范围进行消毒后，应用酒精脱碘。换药者均为研究者本人，遂排除了不同换药者差异对研究结果的干扰。按照分组不同，对研究对象开放伤口处理方法分别为：应用藻酸盐敷料及糖类敷料进行填塞，外敷料均采用医用纱布。藻酸盐敷料为常用的湿性敷料之一，兼顾高吸收性、止血功能、帮助伤口愈合等优点[2]。已被广泛应用于临床。藻酸盐辅料与伤口渗液结合，形成水合物（性状接近凝胶状），可以结合自身重量20倍的水分[3]，其在结合水分的同事体积明显增大，相当于在创面上覆盖了一层柔软、富含水分、胶体样物质，可起到隔离伤口的作用，加快新生微血管增生速度，同时保持创面水分含量，增加表皮细胞的再生能力、加快表皮细胞增值、加快创面愈合[4]。另外，其与渗液结合的同事可释放钙离子，其具有一定止血功能[5]。糖类敷料具有较强的抗菌作用，其机制为：高渗作用：在吸收伤口渗液的同事致使细菌缺水而自溶[6]；酸性作用：可使伤口环境保持在弱酸酸性[7]；过氧化作用：葡萄糖氧化酶，可放出过氧化氢[8]。高渗透作用可以诱导淋巴细胞、吞噬细胞。使其积聚于伤口处，其起到抗炎作用[6]。糖与水结合后产生粘性，粘可连脱落组织，但对正常组织毫无损伤。糖可于伤口内生成糖蛋白及蛋白聚糖等物质，能够加快细胞增殖、分化，从而促进组织愈合。高渗性，使小血管扩张，促进局部组织吸收营养[8]。本次研究所应用的糖类敷料均为，经50%葡萄糖溶液浸泡过的纱布。

通^对两组患者分别应用藻酸盐及糖类敷料对伤口分别进行换药治疗。应用藻酸盐的患者伤口平均愈合时间，大于应用糖类敷料的患者。这说明糖类敷料对于阑尾术后感染伤口的治疗效果，要优于藻酸盐。这可能源于糖类敷料在满足湿性愈合理论的同时，兼顾有抗菌、抗炎、清理坏死组织、加快组织愈合等作用。而藻酸盐敷料仅有吸收渗出、隔绝伤口、止血作用。本次研究所采用的糖类敷料成本，远远低于藻酸盐敷料，所以糖类敷料既兼顾疗效，同时又降低了医疗成本的优势。

参考文献

[1] Winter G D.Formation of the scab and the rate of epithelization of superficial wounds in the skin of the young domestic pig[J].Nature，1962，193（20）：293-294.

[2]李建全，陶荣，王欢，等.海藻酸医用敷料的制备与开发[J].非织造 布，2013，21（6）：92-94.

[3]林晓华，黄宗海，俞金龙.海藻酸纤维的研究发展及生物医学应用[J].中国组织工程研究，2013，17（12）：2218-2224.

[4] Lee K Y，Mooneya D J.Alginate：Propertiesandbiomedicalapplications[J].Prog Polym Sci，2012，37（1）：106-126.

[5]王清华，钟文菲，何盟.藻酸盐敷料的临床应用：与传统材料特征 的比较[J].中国组织工程研究与临床康复，2010，14（3）：533-536.

[6] Mphande A N G，Killow C，Phalira S，et al.Effect of honey and sugar dressing on wound healing[J].J Wound Care，2007，16（7）：317-319.