前言：中文期刊网精心挑选了数据分析的统计学基础范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
数据分析的统计学基础范文1
【论文摘要】所谓统计思想，就是在统计实际工作、统计学理论的应用研究中，必须遵循的基本理念和指导思想。统计思想主要包括均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想等思想。文章通过对统计思想的阐释，提出关于统计思想认识的三点思考。
【论文关键词】统计学；统计思想；认识
1关于统计学
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
2统计学中的几种统计思想
2.1统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2.2比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：
2.2.1均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2.2变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.2.3估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.2.4相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.2.5拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.2.6检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
2.3统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
3对统计思想的一些思考
3.1要更正当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。
3.2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
参考文献:
[1]陈福贵.统计思想雏议[J]北京统计,2004,(05).
[2]庞有贵.统计工作及统计思想[J]科技情报开发与经济,2004,(03).
数据分析的统计学基础范文2
关键词：统计学；教育改革；大数据
一、引言
最早提出大数据时代到来的机构是全球知名的麦肯锡咨询公司，该公司在一份研究报告中指出：“数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素，人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来”。
大数据是随着互联网技术的广泛应用带来的数据量和数据类型激增而衍生出来的一种现象，但大数据一词不仅指规模大、种类多的数据集，还包括对这种数据集进行采集、处理与分析以提取有价值信息和直接创造价值的技术构架和技术过程。大数据的第一个特征是数据量巨大。截止到2012年，数据量已经从TB（1024GB=1TB）级别跃升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB（1024EB=1ZB）级别。第二个特征是数据类型繁多、异构性突出，包括网络日志、音频、视频、图片、地理位置信息等等。第三个特征是数据价值密度较低，数据中存在大量重复性和无价值性信息或噪声。如何通过强大的计算技术和统计分析等方法迅速完成数据的价值提纯，是大数据时代亟待解决的难题。第四个特征是处理速度快、时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。
目前，不同的学科领域对大数据概念有着不尽相同的解释，但各种解释中大致可以从两个方面去理解。首先，大数据概念体现在数据量的巨大、种类的众多及产生速度的飞快，同时产生的数据集极有可能包含着各种半结构化和非结构化数据；其次，大数据概念还体现在对数据进行处理的手段和流程方面，由于数据量的庞大和类型复杂，利用常规的统计软件已经无法对当今的数据进行及时有效的存储、分析及处理。因此，所谓的大数据并不是单纯指数据流量的巨大，还指其结构的复杂和种类的多样，在数据处理和分析上需要采用高端计算平台或高级统计软件，以及海量数据中存在着可挖掘的潜在的大量价值信息与知识。
近年来，随着高速计算机的应用、信息技术的快速发展，特别是云计算技术的发展，使大数据的存储和分析技术得到迅速发展，目前的核心技术有MapReduce、GFS、BigTable、Hadoop，以及数据可视化等。在数据搜集上，可方便地通过在线互联网数据库获取二手数据或一手实时数据。在数据分析上，传统统计学方法采取的是基于统计模型的样本数据分析，而大数据分析技术则是通过高端计算平台，对大数据中的信息进行挖掘。
统计学作为对数据进行处理和分析的科学，必然受到大数据的影响。在大数据时代，统计学教育必须与时俱进，跟上时展步伐。近年来，有不少文献讨论了大数据环境下我国统计学教育的改革问题（例如[1]-[5]），本文在分析大数据时代特征的前提下，进一步讨论我国统计学教育的现状与挑战、统计学教育改革的内容、方法、借鉴和适应时代要求的变革问题。
二、统计学教育的现状与挑战
2013年，教育部对我国统计学专业设置进行一次新的调整，将原来的既可授予理学学位，也可授予经济学学位的统计学专业划分为统计学、应用统计学和经济统计学三个本科专业[6]。根据教育部高等学校统计类专业教学指导委员会2013年11月公布的数据，当时全国有194所高校开设了统计学专业，156所高校开设了应用统计学专业，164所高校开设了经济统计学专业[6]。目前，全国开设这三个统计学专业的高校个数和在校学生人数与2013年相比都有不少的增加。
面对大数据时代，我们目前的统计学教育无论在培养目标和教学内容上，还是在教育方式和人才培养模式上，都存在着亟待解决的挑战性问题。例如，在专业培养目标和人才培养过程中，我们比较重视课程层面上的评价，比较轻视专业层面上的整体评价，缺乏对学生综合能力的反馈机制。
关于教学内容，目前三个统计学专业在统计理论和应用统计两个方面有不同的侧重。统计理论主要包括：抽样理论、实验设计、估汁理论、假设险验、决策理论、贝叶斯统计、半参数和非参数统计、序贯分析、多元统计分析、时间序列分析、小样本理论和大样本理论等。在数据分析中，现今的统计方法基本以结构化数据为主要处理对象，而对非结构化和半结构化数据的分析和工具涉及较少。因此，现今统计学课程及内容已不能满足从事非结构型和半结构型的大数据研究和商业应用对人才培养的需要，必须进行必要的改革。
对于教育方式，鉴于大数据时代要求，统计分析人员需要具备较高的数学和现代统计学基础，具有较高的软件操作能力，掌握一定的大数据收集、整理、分析、处理和挖掘数据的技能。日本学者城田真琴认为：“数据科学家要有计算机科学专业背景，数学、统计方面的素养和使用数据挖掘软件的技能，善于利用数据可视化的手法展现晦涩难懂的信息，而且具备相应的专业知识、眼界和视野，具有适应社会发展和创造价值的能力”。现今的统计学教育方式还不能很好适应大数据时代数据科学人才培养需要，必须进行必要及时的调整和变革。
对人才培养模式，大数据时代不仅要求培养具有数据处理和分析所需的基本素质与技能，更重视培养从海量数据中发现和挖掘价值信息、把握市场机遇、创造利润的潜在能力。面对大数据时代的诸多挑战，现代统计技术、数据挖掘方法、计算机信息技术、软件工具和理念的日新月异，培养统计人才的教育模式也需要相应变化，统计学教育只有与时俱进，主动做出全面的调整和变革才能适应新时代知识进步和激烈人才市场竞争的需要，积极迎接大数据时代的挑战。
大数据时代对统计学教师有更高的要求，统计学教师需要与时俱进，跟上时代步伐。随着互联网、物联网、云计算等信息技术的发展，对数据的分析和处理的技术也随之要求更高，统计学教师固有的知识体系已不能满足培养现代统计人才的需要，必须进一步深化和更新原有的统计学理论知识，而且还需要学习掌握计算机技术、互联网、数据库和信息科学等有关知识和技术，同时还要熟悉处理非结构型和半结构型数据的知识和技能，以适应现代统计学教育对教师的知识结构和基本素质的要求。
大数据时代对统计专业的学生也提出了更高的要求，他们不仅需要掌握现代统计理论、统计方法和专业统计软件，还要学会如何分析、处理来自互联网或各种实际问题中的海量数据，如何利用统计软件和互联网技术进行数据操作，如何借助软件技术和统计准则判断数据质量，如何进行模型选择和评价模型方法的有效性，如何准确清晰地呈现统计分析结果和结论，等等。
2014年11月，美国统计学会了统计学本科专业指导性教学纲要 [7]，该教学纲要对统计学专业提出四个方面的要求：（1）具有扎实的数学和统计学基础、强大的统计计算和编程能力，熟练使用统计软件和数据库；（2）分析来自现实问题的真实数据，真实数据是统计专业教育的重要组成部分；（3）掌握多样化的统计模型方法；（4）具有通过语言、图表和动画等方式解释数据分析结果的能力。美国是统计学教育和人才培养最先进的国家之一，该指导性教学纲要代表着美国统计学专业培养人才的基本要求和发展方向，对我国统计教育的改革具有重要的参考价值。以该指导性教学纲要为参考依据，对照我国目前的统计学本科专业教育，无论是在培养目标和课程设置方面，还是在教学内容和教学方法方面，都存在着亟待解决的挑战性问题。
三、统计学教育的改革
大数据时代的统计学教育不仅是各种统计方法、数据挖掘方法和信息技术手段的延续或发展，更主要的是这些方法的集成应用和在实际数据分析中的真实体验。过去，企业数据库价格昂贵，在统计学教育的教学案例或实验课教学中，很少采用真实和海量的数据库资源，基本都是采用过时或虚拟的数据。今天，像百度大数据引擎这样的数据库的逐步对外开放，将有助于开展“线上大数据统计实验”教学。为了适应大数据时代要求，有必要利用网络资源以及各种数据处理软件，搭建线上大数据分析实验教学平台，全面开展大数据统计实验教学的改革。实际上，借助大数据分析平台，本科阶段的统计学教育就可以融人联机分析和数据的可视化教学。其次，要时刻关注大数据分析理论的进展，及时将新理论新方法融入课堂教学内容。
需要指出的是，在大数据时代，经典统计理论和方法并没有过时，但需要进行改进和进一步发展。这是因为，网上采集的巨型数据集往往存在大量的重复性和无价值数据信息，使得大数据价值密度降低。在对这些数据进行分析处理之前往往需要通过去噪、分层、截断、聚类等方法的预处理，将其变成便于进行分析处理的小数据，继而借助于经典统计方法进行分析和处理。因而在大数据时代仍然需要采用传统统计学的小样本理论和方法。所以，即便是在大数据时代，经典统计方法仍然是进行统计分析的基石，其核心地位不可动摇。所以，在大数据时代仍然要强化统计学的基本理论和方法，尤其是在长期发展和实践应用中经过验证的、成熟有效的经典和现代统计方法，在大数据时代仍然没有过时，但需要结合大数据分析的需要对经典统计方法进行必要的发展和改进。
大数据科学需要统计学与数学、计算机等学科的结合。亚马逊大数据科学家John Rauser 认为：“数据科学家是统计学家和计算机工程师的结合体”。为了满足大数据时代的要求，统计学专业的课程设置需要进行必要的调整。应根据新时代人才培养的要求，增设与大数据前沿领域发展相关的课程，如计算机网络和大数据相关的软件应用，同时要加大实验课和社会实践课的比重，引导学生理解和掌握大数据概念、理论、技术和方法，培养其运用大数据的相关分析工具解决实际问题的能力。对于理论课程，除基本统计理论外，还应开设一些较为现代和深入的课程，如现代贝叶斯方法、神经网络、数据挖掘、应用随机过程论等。另外，还应开设与大数据分析相关的关联规则、决策树、机器学习、支持向量机等课程。
为了培养与时代适应的统计学人才，统计学专业教师应不断更新自身的知识结构和价值观念，改变认识数据、收集数据和分析数据的思维，主动学习和补充互联网、现代数据分析技术、数据库和数据挖掘技术，使自己的知识体系不断更新和提升，跟上时展的步伐。
在大数据时代，要注意培养学生适应社会的能力。统计专业人才培养模式应以提高本专业学生数据分析方面的能力，开阔他们的视野，培养其适应社会的能力。应积极引导学生进入实训场所动手操作和锻炼，尝试以企事业单位的财政、金融、保险、统计、咨询和信息公司等部门为主构建专业性教育实践基地。鼓励学生到大数据相关的机构部门、产业园区和企业中去调查研究和实践。此外，统计专业应积极同其他专业进行合作，联合培养适应新时代要求的数据分析人才。鉴于大数据对数据分析人员在计算机技术、行业认知、业务知识、数据分析工具和方法的要求提高，统计学科应主动与计算机、经济学、管理学等相关学科合作，培养学生的计算机能力、专业素质和业务修养。
“它山之石可以攻玉”，关于统计学专业的课程设置，可以参考和借鉴美国统计学会公布的统计学本科专业指导性教学纲要。根据该教学纲要，统计专业的课程设置应该涵盖五个模块[7]：（1）统计方法与统计理论。建立统计模型并对模型的输出结果进行评价，熟悉统计推断，能够从数据分析中得出恰当的结论。（2）数据操作和统计计算。熟练使用一款专业统计软件进行探索性数据分析，发现和清洗数据中的错误记录，具有编程能力和算法思维，可以进行各种数据操作，还应掌握统计计算技术，能够进行模拟研究。（3）数学基础。熟练掌握微积分、线性代数、矩阵论、概率论和数理统计的基础知识。（4）实践训练和表达能力。具有良好的表达和交流能力，善于通过图示和动画等听众易于理解的方式展示分析结论，并且具有团队合作精神和项目领导能力。（5）特定领域的知识。掌握特定应用领域的知识，并用统计学特有的思维方法来分析和解决特定领域的实际问题。
大数据时代是以数据为中心的时代，统计学专业的教育改革必须适应这个时代的要求。统计数据分析中软件应用能力至关重要。在众多统计软件中推荐使用R和SAS软件，因为R是免费开源软件，其统计建模、统计计算和可视化功能强大，更新迅速，是最新统计方法的主要平台，非常有利于培养学生的编程能力和知识更新能力，而SAS软件被很多公司用于数据管理和数据分析，在实际应用领域具有长期而深远的影响，是数据分析不可或缺的专业统计软件。当然，教学中也可以尝试使用其他专业统计软件，例如经济统计专业学生也可使用SPSS软件，但最好会使用SAS或R软件。在加强软件使用和编程能力的基础上，应加强学生统计计算和统计模拟能力的培养。在大数据时代，强调统计计算的重要性是大势所趋。统计模拟技术是伴随着高速计算机和信息技术的快速发展而广泛应用的现代技术，可用来解决传统学科领域中无法解决的问题。例如，在计算技术飞速发展的今天，贝叶斯统计方法过去曾经面临的计算瓶颈正在逐渐消失，基于马尔科夫链蒙特卡洛（MCMC）技术的统计模拟方法在数据分析中的强大威力正在日益显现[8]。
参考文献：
[1] 刘春杰，大数据时代对当代统计学教育的挑战，统计与决策，2015年，第8期。
[2] 孟生旺，袁卫，大数据时代的统计教育，统计研究，2015年，第32卷4期。
[3] 葛虹，韩伟，大数据时代统计教育变革的SWOT分析与发展策略，统计与决策，2015年，第4期。
[4] 张海波，黄世祥，统计学专业学生大数据分析能力的培养方式选择，统计与决策，2014年，第24期。
[5] 李卫东，大数据对统计学科发展的影响，统计与决策，2014年，第13.期。
[6] 教育部高等学校统计类专业教学指导委员会.统计学专业教学单位.http：///category/信息公开/教学单位，2013-11-15.
数据分析的统计学基础范文3
【关键词】统计学；统计思想；认识
1关于统计学
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
2 统计学中的几种统计思想
2.1 统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2.2 比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：
2.2.1 均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2.2 变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.2.3 估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.2.4 相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.2.5 拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.2.6 检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
2.3 统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
3 对统计思想的一些思考
3.1 要更正当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如gnp、人口增长率等等，均是凯特勒及其弟子们的遗产。
3.2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(dda)、推断性数据分析(ida)和探索性数据分析(eda)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
参考文献:
[1] 陈福贵.统计思想雏议[j]北京统计, 2004,(05) .
[2] 庞有贵.统计工作及统计思想[j]科技情报开发与经济, 2004,(03) .
数据分析的统计学基础范文4
关键词 大数据时代 数据分析
一、相关概述
大数据环境下经济社会生活都出现了较大的变化，同时自然科学和人文科学等也都有了较大的提升。在此背景下，依靠计算机信息技术的不断发展，研究者能够使用一定的方法和技能对较为复杂且规模较大的海量数据进行数据处理，并有效挖掘其中的价值信息。大数据环境为统计学的研究和发展提供了好的机遇，同时也对统计学的拓展提出了一定的挑战。
大数据环境下数据在各个行业和领域中都有所渗透，并逐渐成为主要的生产要素。大数据本身具有价值密度低、数据体量大、数据类型多、数据处理速度快的特点。不过由于数据量的急速增长，也使得在数据分析和研究过程中由于数据库缺少必要的管理工具进行数据采集和管理，而导致数据搜索、数据分析、数据存取和数据共享等出现一定的困难。一般情况下，在大数据环境下，往往存在着数据存储、处理技术、数据安全等相关的技术性问题。这些问题的存在一定程度上影响和制约了数据的开发和应用效率。尽管大数据下进行数据分析存在一定困难，但是其在实践中的应用空间和领域却十分广泛，对于经济社会的发展具有重要的推动力。
二、大数据环境下数据分析过程分析
（一）数据的价值挖掘过程
面对海量的大数据环境，数据使用者应当围绕数据分析目标和具体要求对大数据进行有效挖掘，提取有用数据，摒弃无用数据，从海量数据中进行价值挖掘，结合数据类型提升数据使用价值。在进行具体的大数据挖掘时可以按照具体的案例来进行，比如在进行广告人群匹配时，在进行数据分析和数据挖掘上主要是面对着两种数据。一种是广告库数据，主要包含了广告库以及广告的客户信息等。这种数据一般都具有较高的结构性，能够在传统的数据库中进行采集和应用、分析。另外一种数据是客户的后期行为数据。通过对此两种数据的结合分析，有效挖掘其中的有效价值。与此同时，在具体的应用实践过程中，还需要积极发挥第二种信息的作用和价值，这样能够获得客户所需的信息。依靠对群体行为和群体智能的分析，最终形成具体的反馈机制和反馈流程，在此基础上为信息使用者提供优质可靠的数据处理信息，为信息使用者科学决策提供有效的信息和数据支持。
（二）数据的处理与分析过程
在此过程中，一方面要及时更新抽样调查的工作理念。一般情况下，大数据的样本资料都是之前的材料汇总，这就要求在对此数据进行分析处理时应当首先对数据整体进行梳理和了解，并逐步向数据局部进行延伸。同时在对海量数据进行分析处理时还应当解决好调查目标设定不合理、抽样框架不稳定以及样本数量受限制等问题。另一方面，也要进一步提升大数据环境下数据精确度标准。由于大数据环境下数据的来源比较广，数据处理质量和效果也各有差异，因此应当在允许数据之间存在准确度差异的同时提升数据精准度的标准。要在积极吸收各种数据资源的基础上，提升数据处理能力和质量，科学应对数据复杂性和变量关系复杂性等问题。除此之外，也应当围绕大数据中的数据分析，对数据关系的分析重点进行合理转换。既要重视对数据中因果关系的分析和梳理，同时也要重视对事物之间相关性的分析研究，及时转换分析思路，围绕数据分析目标和事物之间关联关系进行大数据环境下的数据分析工作。
三、大数据对统计的影响分析
（一）能够进一步拓展统计学研究领域
大数据环境对于各个研究领域都能够产生比较大的影响，对于统计学也是一样。统计学研究的是客体、客观事物之间的数量关系和数量特征，数量性是统计学研究对象最为主要的特征。由于在传统的统计学研究实践中实验数据和调查数据是最主要的研究数据，因此在大数据环境下，统计学研究对象既包括了之前的结构化数据，同时也包括了非结构化数据，这些非结构化数据不能够单纯地依靠数量关系来加以衡量和表示。这其中就包括了文本、声音、图片、动画等数据信息。从这个意义上讲，大数据环境下统计学的研究领域有了较大范围的扩展。
（二）能够对统计计算的规范性产生影响
按照传统的统计学研究方法，在反应事物量的特征时大都是依靠方差、平均值、相对数等来进行，这些研究方法能够反映出事物之间的界限和关系，并且也能够依靠数据计算规范来反映出具体的数据。不过在当前的大数据环境下，非结构性数据常常难以使用传统的数据计算规范来加以计算。从这个角度上讲，大数据环境下统计的数据计算规范也受到了较大的挑战。
（三）能够对统计的数据整理和分析过程产生影响
统计学中数据审核之前主要是针对数据的完整性和准确性。不过在当前的大数据环境下，数据审核除了要保障原先的数据完整性、准确性外，还应当保证数据审核的速度、效率以及数据预测的准确性等。除此之外，还应当准确确定数据处理的规模，合理确定数据量的级别。尽管大数据自身具有混乱性和不稳定性的特点，但是使用合理的数据整理方法也能够在大数据中有效挖掘出数据之间的隐蔽关系，提升数据挖掘的价值性。因此，大数据下统计研究对象本身具有准确和不准确两种情况，它们分别具有不同的价值属性，一般情况下不需要对其进行删除或者替换。
对于数据存储来讲，之前的统计研究数据存储过程中都是将审核、汇总或者编制的表格、图表等，并将它们进行适当的保存处理。不过在大数据环境下进行数据的保存就还需要重视数据存储成本的管控，并结合自身实际制定规章制度和计划合理确定数据存储的规模和目录。
（四）能够对数据开发和利用过程产生影响
这主要涉及大数据环境下数据的积累、开发以及应用。在传统的数据统计工作过程中，研究者都是围绕自身目标来对相关数据进行分类和汇总，通过存储和提取过程，对数据进行有效挖掘，并在此基础上为后续的数据分析和查询提供支撑。大数据环境下，数据量比较大，只有对数据信息进行适当处理才能够获得其中价值量比较高的信息。正是基于大数据自身的复杂性，统计研究者应当对前期数据进行适当处理。围绕数据的规模和结构、层次等进行合理分类和汇总，在确保真实性的同时提升数据的价值性。与此同时，由于大数据环境下数据具有流动性特点，使得数据本身也具有再生性特征，并进一步增加了数据的价值性。因此有必要针对统计研究中的大数据进行深入的数据挖掘，依靠数据整合提升数据价值性。在数据应用上则主要是针对统计学现象的预测和解释，实现在大数据环境下数据相关关系的预测和分析。
总的来讲，大数据环境不仅改变了经济社会生活，也对统计等相关科学产生了巨大的影响，如何实现大数据环境下的统计研究是统计学领域的重要课题。进一步强化对大数据的理解和把握，重视大数据在统计中的研究和应用，有效分析和挖掘大数据中的价值信息，更好地推动统计学的理论和实践应用。
（次世青、高东宇单位为首都航天机械公司；次青波单位为中国航天标准化研究所）
参考文献
[1] 田茂再.大数据时代统计学重构研究中的几个热点问题[J].统计研究，2015（05）.
数据分析的统计学基础范文5
徐斌，苏州工业园区第二实验小学副校长。中学高级教师，江苏省数学特级教师，“江苏人民教育家培养工程”培养对象，教育部“国培计划”首批特聘专家。其教育事迹在《人民教育》“名师人生”栏目作专题报道，《中国教育报》曾七次连载了“徐斌教育教学艺术系列报道”。出版有专著《为学生的数学学习服务》及“中国名师”系列教学光盘。《大数据时代》一书的作者舍恩伯格指出，大数据导致的思维变革，使得人们对信息判断变得更多（不是随机抽样，而是全体数据）、更杂（不是精确性，而是混杂性）、更好（不是因果关系，而是相关关系）。可见，随着大数据时代的到来，人类的思维产生了巨大的变革，数据与人的关系变得密不可分，数据分析观念已经成为每个公民不可或缺的基本素养。同时，我们发现，义务教育阶段的“统计和概率”部分是数学课程标准修订后变化最大的内容领域。十多年的数学课程改革实验中，统计与概率的教学出现了哪些新问题？为什么核心概念中将“统计观念”修改为“数据分析观念”？什么样的统计与概率内容才是适合学生学习的？怎样让数据变得“亲切”起来？
问题1：数据分析观念的内涵是什么？
从“统计观念”到“数据分析观念”，不仅是概念名称的变化，更重要的是概念内涵的强化。统计的核心是数据分析，数据分析观念的内涵主要体现在以下三个方面：
首先，体会数据中蕴涵着信息。数据是什么？课标修订组组长、著名统计学家史宁中先生指出：“数据是信息的载体，这个载体包括数，也包括言语、信号、图像，凡是能够承载事物信息的东西都构成数据，而统计学就是通过这些载体来提取信息进行分析的科学和艺术。”统计学是建立在数据基础上的，本质上是通过数据进行分析和推断。数据分析观念的首要方面就是要让学生体会数据中蕴涵着信息，要让学生了解在现实生活中有许多问题应当先做调查研究，通过收集、分析数据做出判断。
其次，根据问题的背景选择合适的方法。统计学是通过数据来推断数据产生的背景，即便是同样的数据，也允许人们根据自己的理解提出不同的推断方法，给出不同的推断结果。在整理、描述和分析数据的过程中，首先让学生学会分类整理，并能用文字、图画和表格来呈现整理结果，重在让学生体会运用数据进行表达与交流的作用，感受数据蕴涵着信息；随着年级的升高，逐步让学生正式学习统计图表（条形统计图、扇形统计图、单式与复式统计表、单式与复式折线统计图等），并能够根据实际需要灵活选择统计方法。统计方法的选择不是唯一的，统计学对结果的判断标准没有对错之分，只有好坏之别。
第三，通过数据分析体验随机性。在推断性数据分析过程中，常常需要通过样本来推断总体，而在调查或实验之前，我们不可能知道数据的具体取值。也就是说，数据可以取不同的值，并且取不同值的概率可以是不一样的，这就是数据随机性的由来。数据的随机性有两层含义：一方面对于同样的事情每次收集到的数据可能不同，另一方面只要有足够的数据就可能从中发现规律。
问题2：怎样让数据变得“亲切”起来？
以往的统计与概率教学中，学生常常感到数据陌生、单调、繁杂、冰冷，这是因为教学过程中脱离了学生的生活实际，违背了学生的认知规律，偏离了统计的应用价值。要改变这样的状况，让数据变得“亲切”起来，可以从以下三方面做起：
首先，让学生对数据产生强烈的需要。小学生学习的统计不应是纯统计学意义上的统计，也不是纯数学知识意义上的统计，而应是联系生活实际初步体会数据中蕴涵着信息，选择合适的统计方法，做出合理的判断。因此，在统计与概率的教学中，要紧密联系学生的实际，从学生的生活出发，选择他们喜欢的事件，比如可以让学生统计他们喜欢的歌曲、食品、运动项目、课外读物等，也可以让学生统计同学的生日、属相、年龄、身高、体重等。
其次，让学生完整经历数据分析的过程。要让学生逐步建立对数据的亲切感，最好的办法莫过于让他们亲身经历调查、研究、分析数据以及做出判断的活动过程。在此过程中，学生将不仅仅学习一些必要的知识和方法，还将体会数据中蕴涵着信息，提高自己运用数据分析问题、解决问题的能力。数据分析的过程可以概括为：收集数据、整理数据、描述数据和分析数据。当然，在收集数据的过程中，一方面要让学生学会阅读和理解现成的数据，另一方面更为重要的是要让学生自己收集数据。学生自己收集数据时可以采用调查、体验、测量、查阅资料等方法。同时，要根据解决问题的需要灵活地选择统计图表。比如，想表达某部分数据在整个数据中所占比例的情况，用扇形图比较好；想比较各种数据之间的数量关系，用条形图或直方图比较好；如果数据随着时间而变化，想了解数据的变化情况，用折线图就比较好。
第三，让学生真切体验统计的价值。统计的核心是数据分析，统计的目的是发现信息、寻找规律、做出判断、解决问题，从这个意义上说，统计学是真正的应用数学。因此，对统计结果的恰当运用是完整的统计过程的必要组成部分。例如统计同学的身高和体重情况，不能单纯地为了数据而收集数据，而应该建立在解决实际问题的基础上，比如为了帮助同学订购校服或者了解同学的身体发育和健康情况而需要相关数据。这样，学生不仅对统计的过程感兴趣，更重要的是能够真切地体验到数据分析的实际作用，不惧怕数据，就有可能会主动去获取信息，逐渐亲近数据、喜欢数据，使得数据成为学生发现、提出、分析和解决问题的好伙伴。■
（作者单位：江苏省苏州工业园区第二实验小学）《义务教育数学课程标准（2011年版）》在核心概念中，将过去的“统计观念”修改为“数据分析观念”，从概念内涵和外延的变化给我们带来了新的思考。数据分析观念包括：了解在现实生活中有许多问题应当先做调查研究，收集数据，通过分析做出判断，体会数据中蕴涵着信息；了解对于同样的数据可以有多种分析的方法，需要根据问题的背景选择合适的方法；通过数据分析体验随机性，一方面对于同样的事情每次收集到的数据可能不同，另一方面只要有足够的数据就可能从中发现规律。数据分析是统计的核心。
同时，从“统计与概率”的内容领域修订调整来看，变化很大：第一学段中，对“统计与概率”的内容要求从过去的11条减为3条，删除了“不确定现象”“平均数”“条形统计图”（移到了第二学段）。第二学段中，删除了中位数和众数（移到了第三学段）。
针对这样的目标要求和内容调整，我们还可以延伸阅读以下资料，以便完整认识和实践参考。
1.《统计与真理――怎样运用偶然性》（[美]C.R.劳著，李竹渝、石坚、白志东译，科学出版社）
2.《机会的数学》（陈希孺著，清华大学出版社）
3.《数学思想概论（第1辑）：数量与数量关系的抽象》（史宁中著，东北师范大学出版社）
4.《小学数学课程标准研究与实践》（王林等著，江苏教育出版社）
5.《义务教育数学课程标准（2011版）解读》（教育部基础教育课程教材专家工作委员会编，北京师范大学出版社）
6.《“数据分析观念”的内涵及教学建议――数学教育热点问题系列访谈之五》（史宁中、张丹、赵迪，《课程・教材・教法》，2008年第6期）
数据分析的统计学基础范文6
三、实施研究性教学要注意的几个问题
1.实施研究性教学要和传统教学方法相辅相成。本科学生大部分基础知识主要还是通过课堂教学方式获取，授课教师从事专业研究对于课程知识的理解要要优于学生，因此理论教学模块仍然是学生获取项目所需基本知识的主要来源。所有知识均通过自主式的研究性学习这样不利于学生构建全面而完整的专业知识体系，“遇水架桥”式的学习方式效率也是很低下的。
2.鼓励学生对于课程中的小课题提出自己的技术方案、并亲自动手实践和验证该方案。只有通过实际的动手设计、制作和实验，才能促使学生发现和弥补自身的知识不足,培养其实际动手能力和研究素养。
3.教学过程采用引导式教学方式，针对关键重点的知识点需要利用教师的自身科研知识积累，利用案例分析的方式将其讲透，同时留一些内容让学生课后通过文献借阅、网络搜索等方式自我理解和消化。
4.教学改革要循序渐进，要根据学生以及课程特点，不能完全照搬某种模式。一堂课、一章节均可以作为试验点,看看对比效果如何。
近几年来，经过在测试技术课程中运用研究性教学，其优势是显而易见的。其优势有如下几点：(1)通过采用研究性教学,学生对理论知识掌握的更加牢固。(2)研究性教学提升学生的创新意识和实践能力。利用课堂讨论以及教师引导确定的研究小课题,10界和11界两届学生已完成国家级大学生创新项目1项，校级重点创新项目1项，校级机器人大赛和节能减排大赛一项，均取得了不错的名次。同时申报专利7项，发表了若干篇学术论文。(3)在测试技术课程中运用研究性教学，使理论与实际联系的更加紧密，使得学生的知识掌握更加扎实，学生的课程成绩也有所提升。(4开展研究性教学后，参加过项目后的学生实践能力和自信力均得到加强。学生的就业率和考研率均得到了提高，同时由于在项目实践过程中了解了自身的兴趣特长，不少学生在申报至国外高校继续进修使对于将来所从事的专业也有了一定认识。在测试技术课程中开展的研究性教学实践对其他专业和课程也具有一定的借鉴意义。
开发与利用都发生着巨大的变化,大数据(bigdata时代已经来临，传统的科技信息资源服务正面临着很大挑战，海量数据处理、垃圾数据、垃圾信息和专业化知识需求的矛盾亦日益突出。大数据时代的到来使得提高统计学的教育教学质量成为了统计学界高度重视的问题。如何加强统计学的学生在数据分析等方面的实践教学环节，如何进行优化和重构，从而大力提升学生符合时代要求的能力，提升我国在数据领域的国际地位。就我国统计学教育的现状来看，人才质量与市场需求的矛盾还非常突出，如何培养具有数据分析能力的人才是本文探讨的作力点。本文从课程体系、课程内容、课内外要求、教师能力等方面进行探讨。
1.偏重课堂内的理论讲授,不重视课堂外的训练。根据对毕业生和雇主的调查分析，集中的问题是学生没有解决问题的能力，雇主对毕业生的专业能力不太满意。虽然我们近年来在实践教学环节有一定程度的强化，但没有对理论课堂讲授与课外的训练结合。课堂内满堂灌的现象依然很突出，学生外出实践锻炼的时间不够，学生自己课外下的功夫没有办法监控，从而导致学生与实际脱离，影响了其就业的质量，无法推动社会的发展。
2.实践模块形同虚设，教师的管控能力不高。学生的综合能力不能很好地与实践模块融合，学生到底如何进行实践环节，还没有形成系统的模式。实践教学的形式还是比较虚的,需要切实加强，老师对实践仍然无法胜任，因为大多数老师没有实践的经历和经验，需要花大力气去培养，才能更好地把控统计学在数据分析方面的实践实训。
3.设施不能满足现代教育教学需要。有的学校多媒体教室都不足，而国外发达国家的教室已经像一个多功能的实验室了。我们的教师还只能满足教师为主的课堂讲授，如何开展讨论式学习、基于问题式的互动教学、合作式学习等模式?同时我们的统计学还没有足够重视实验室的建设，同时认为统计学实验室就是几台电脑而已，其实统计学可以在很多领域发挥重要作用。
二、构建统计学实践教学模式的思路与内容
我们生活在一个海量信息、海量数据，同时也是垃圾信息、垃圾数据并存的时代:通信模式、网络互联、数据仓库技术、电子商务和各种其他新兴技术使我们获取数据、分析数据和利用数据的能力有了一个质的变化。这个变化正在不断深入、全面影响着我们的日常生活，由此也影响着社会、文化、国防和国民经济的发展。信息服务产业已成为发达国家经济转型的主要支柱。数据和信息资源已成为继人力资源和物质资源以外的第三大资源。数据资源的开发和利用将是未来社会和经济发展的主要手段之一，统计学也应该占有一席之地。如何利用统计学模型、方法与技术,并结合新信息技术和数据展示模式，来培养具有扎实的统计学、数据处理基础，能运用统计方法和统计软件解决自然科学、工程技术、经济金融、管理科学等领域中的实际问题，具有较强的数据处理、开发与挖掘、量化分析、预测与决策、统计质量管理等能力的适应现代经济社会发展需要的应用型高级专门人才,其对学生实践能力培养的要求非常高，但是，在实践教学环节中，由于受到师资、实验经费、实验设施等软硬件条件的局限，总的来说，实践教学手段还是比较单一，实践教学手段缺乏创新性和灵活性，理论教学也不能很好地与社会实际相联系,造成理论学习与社会生活实际脱节的现象,制约了学生社会实践能力的培育和提高。
1.需要构建以数据分析为核心的应用型人才培养体系。针对社会需求强调应以数据分析为核心培养应用型统计学人才的特点，结合人才培养工作面临的共性问题，贯彻“重基础、宽口径、强实践、长应用”的十二字方针，构建和优化统计学人才培养的实践教学模式，修订和完善统计学人才培养方案，切实落实实践教学各个方面和环节。
2.大力整合和优化实践教学的内容、大力发展实习实训软硬件环境。系统地优化和整合现有实践模式,从实验课程的门数、与理论课程的衔接、实验室外的实训、课程论文设计、调查与分析、专业实习与毕业实习等环节,形成以学生数据分析和统计软件应用能力培养为主线的立体化实践教学内容。大力配置与数据分析有关的软硬件环境，如数据分析软件系统、数据来源、实训仿真模拟等。
3.革新实践教学模式。依托校外基地、校内实习实训平台，通过培育实践教学通道,构建有助于学生应用能力、创新能力培养的实践平台，建立以实践教学与课外实训相结合的实践教学模式，将理论讲授、实验教学、内外实训、实践环节紧密结合起来，构建全方位的实践教学模式。
4.教师要有到公司的经历。通过机制和体制的创新，与公司协同创新，鼓励老师到公司去了解当前社会的真实需求，并形成定期到公司锻炼的机制,必须把老师的教学、科研与社会、公司的需求相结合,从而提高老师的水平，构建具有丰富实践经验的实践教师队伍。可以通过派遣老师到相关的公司去锻炼，计算相应的工作量，让老师无后顾之忧，当然还需要相应的制度来切合，如对老师的考核评价模式等都需要与此相适应。
5.建立和健全激励机制。要在激励机制上下功夫，要让老师乐意到公司去锻炼，去实践,从而提升老师可实践能力，这样才能更好地交给学生，学生才会相信学到的东西确实有用处。
6.大力推广基于问题的教学模式。在国外当前建构主义教育改革的大环境中，为了促进教师教好学、学生学好知识和技能。基于问题的教学模式(Problem-BasedLearnhg,以下简称PBL就是使得教与学非常吻合的教学模式。PBL最早起源于美国20世纪50年代中期的医学教育,现在这种方式在诸如经济管理教育、建筑教育、法律教育、工程教育等方面受到高度重视。PBL模式是以小组的形式进行教学，同时突出大作业模式,把教学放到具体的、与实际结合的问题中，通过合作解决客观的真实问题，从而提升学生的内在，有利于学生踏上就业的高速路，有利于我国数据科学的发展，有利于信息服务产业的大发展。
本文对统计学实践教学模式进行了探讨，在大数据背景下，如何培养能够进行数据统计分析的应用型人才是统计学教育者的共同责任。本文从统计学实践的维度进行分析，从实验课程、课题内外、数据分析、教师公司实习经历等方面进行多维的研讨，以求更新统计学实践人才培养模式的变革。随着互联网、微博、微信、手持设备等新的社交网络出现，对数据分析的层次和要求都有相应的提高，如何提高数据分析能力是需要系统地探讨的问题。
食品化学与食品微生物学和食品工程原理并称为食品科学与技术学科三大基础支柱分支学科。其中，食品化学是从化学角度和分子水平上研究食品的化学组成、结构、理化性质、营养与安全性质以及食品中各类物质在食品生产、加工、贮藏与运销过程中发生的变化以及这些变化对食品品质与安全产生的影响的一门基础应用科学，是为改善食品品质、开发食品新资源、革新食品加工工艺和贮运技术、科学调整居民膳食结构、改进食品包装、加强食品质量控制以及提高食品原料加工与综合利用水平奠定理论基础的科学。因此，食品化学是食品专业学生必修的一门非常重要的专业基础课。以下是对于食品化学教学改革的几点思考。
一、教学内容要重点突出
食品化学从食品的化学组成成分以及食品感官品质的角度,研究了食品中的水分、碳水化合物、脂肪、蛋白质、维生素和矿物元素、酶以及食品的色素和风味的组成、结构以及在加工和贮藏过程中的变化。一般院校都是在完成食品生物化学的前提下，才开设食品化学这门课。食品化学与食品生物化学有很多共同的地方，比如在食品中的化学组成，同时在有机化学和生物化学里面都有阐述，二者从结构和组成上是有所重叠的，因此在讲授的过程中应该把教学重点放在加工和贮藏过程中的变化上，重点强调加工单元操作以及贮藏方式对于这些化学成分的影响，从而指导食品加工和贮藏的参数选择，更好地控制食品加工和贮藏的安全。我院食品化学的课程设置是40学时讲课,24学时的实验。在有限的40学时之内，把相关的变化讲述清楚也并非容易。因此，重点应放在水分、碳水化合物、脂肪和蛋白质以及色素和风味化学的讲授上，让学生掌握变化的原因，结合化学和生物化学的知识，对于组分变化有个理论层面的深刻认识。
二、教学方式多元化
俗语道:“教学有法，教无定法，贵在得法。”教学方式的改革对提高教学质量起着至关重要的作用。好的教学方法不仅能帮助学生既快又牢地掌握知识，而且还渗透着对学生学习方法与思想方法的理念认识和训练，对提高学生的综合素质起着积极作用。本课程在讲授时多采用启发式教学方式，通过在课堂上结合化学组分的化学的结构特点、组成特点以及专业层面的加工和贮藏的具体产品，启发学生对于具体的概念的理解和认识，打破教材本身对于内容的前后顺序,本着学生理解和掌握的需要，调节教学内容和方式。同时结合实践教学的方式，帮助学生理解食品化学的真谛。在实践教学中设置了蛋白质功能性质实验，通过蛋白质的溶解性、乳化性、凝胶性的定性实验，学生通过感性的认识，通过实验现象,进一步了解蛋白质的功能性质，结合具体的实验操作，让学生体会深层次的功能性质对食品品质的影响。
三、拓宽教学思路
食品化学是一门专业基础课，但是在教学过程中若单从专业基础课的角度出发，可能会更偏重基础课的教学，在讲授上偏重结构和组成，但是食品化学不同于生物化学，是在食品加工和贮藏中所有涉及到的化学成分变化的—门专业基础课，如不能在教学思路上多考虑实际课程的需要，会使得后续的专业课讲授上和食品化学脱节，因此在教学思路上更偏重于专业角度来研究化学组成。如何系统又全面地进行教学，需要我们这些老师考虑清楚教学的重点和讲授的重点，教学思路一定要拓宽。把专业和基础很好地结合起来，涉及到教师队伍的建设，因此也要求教师丰富自己的食品专业知识,才能在实际的教学过程中增加学生学习的兴趣，真正做到为后续的专业课服务。
四、实践教学要突出学生综合能力的培养
