统计建模(2024-2025-2)
统计建模(2024-2025-2)
1000+ 人选课
更新日期:2025/06/06
开课时间2025/02/01 - 2025/07/31
课程周期26 周
开课状态开课中
每周学时-
课程简介

诺贝尔经济学奖获得者托马斯·萨金特(Thomas J. Sargent)曾在世界科技创新论坛上表示:人工智能其实就是统计学,只不过用了一个很华丽的辞藻,其实就是统计学。好多的公式都非常老,但是所有的人工智能利用的都是统计学来解决问题。华为集团创始人兼CEO任正非也认为:人工智能就是统计学,把计算机技术与统计学的理论结起来就是人工智能。

所以在当前这个大数据与人工智能的时代,我们应该懂一点儿统计学的知识,《统计建模》这门课程就是要给大家讲点儿数据统计分析的理论与方法。

具体来说本课程将学习基本的数据统计分析方法和常用统计模型的基本理论,并结合统计软件和实际问题完成统计模型的计算、分析与结果解读,掌握软件操作、分析方法。学期课程具体学习内容包括:基本数据预处理方法(排序、分组、合并、加权、拆分等)、基本统计分析(频数分析、描述统计分析)、交叉列联表分析、多选项问题分析、参数检验模型、方差分析模型、相关分析模型、回归分析模型、聚类分析模型和因子分析模型;学年课程还将学习非参数检验模型、判别分析模型、对应分析模型、信度分析模型、Logistic模型等内容。

课程大纲

绪论

  • 1.1 课程简介
  • 1.2 软件简介
  • 1.3 章节测验

数据文件的建立和管理

  • 2.1 SPSS数据结构1
  • 2.2 SPSS数据结构2
  • 2.3 SPSS数据编辑保存等
  • 2.4 SPSS数据文件的合并1
  • 2.5 SPSS数据文件的合并2
  • 2.6 章节测验

数据的预处理

  • 3.1 SPSS数据排序
  • 3.2 SPSS查找重复个案
  • 3.3 SPSS变量计算1
  • 3.4 SPSS变量计算2
  • 3.5 SPSS数据选取
  • 3.6 SPSS变量计数
  • 3.7 SPSS数据分类汇总
  • 3.8 SPSS数据分组
  • 3.9 SPSS数据转置与加权
  • 3.10 SPSS数据拆分
  • 3.11 章节测验

基本统计分析

  • 4.1 频数分析和描述统计分析
  • 4.2 交叉分组下的频数分析1
  • 4.3 交叉分组下的频数分析2
  • 4.4 多选项问题分析1
  • 4.5 多选项问题分析2
  • 4.6 多选项问题分析3
  • 4.7 多选项问题分析4
  • 4.8 比率分析
  • 4.9 章节测验

参数检验模型

  • 5.1 单样本t检验模型1
  • 5.2 单样本t检验模型2
  • 5.3 两独立样本t检验模型
  • 5.4 两配对样本t检验模型
  • 5.5 章节测验

方差分析模型

  • 6.1 单因素方差分析模型1
  • 6.2 单因素方差分析模型2
  • 6.3 单因素方差分析模型3
  • 6.4 多因素方差分析模型1
  • 6.5 多因素方差分析模型2
  • 6.6 协方差分析模型1
  • 6.7 协方差分析模型2
  • 6.8 章节测验

非参数检验模型(选学)

相关分析模型

  • 8.1 散点图
  • 8.2 相关系数及偏相关系数1
  • 8.3 相关系数及偏相关系数2
  • 8.4 章节测验

回归分析模型

  • 9.1 线性回归模型1
  • 9.2 线性回归模型2
  • 9.3 线性回归模型3
  • 9.4 包含虚拟变量的回归模型
  • 9.5 曲线回归模型1
  • 9.6 曲线回归模型2
  • 9.7 章节测验

聚类分析模型

  • 10.1 聚类分析模型概述
  • 10.2 系统聚类模型1
  • 10.3 系统聚类模型2
  • 10.4 系统聚类模型3
  • 10.5 K均值聚类模型1
  • 10.6 K均值聚类模型2
  • 10.7 K均值聚类模型3
  • 10.8 章节测验

因子分析模型

  • 11.1 因子分析模型概述
  • 11.2 因子分析过程1
  • 11.3 因子分析过程2
  • 11.4 因子分析过程3
  • 11.5 因子分析过程4
  • 11.6 章节测验