70,960
次編輯
變更
统计学
,無編輯摘要
[[File:统计学.jpg|260px|缩略图|右|<big>统计学</big>[https://images-cn.ssl-images-amazon.com/images/I/51Go053ycbL._SX350_BO1,204,203,200_.jpg 原图链接][https://www.amazon.cn/gp/product/B0097OSP16 来自 亚马逊 的图片]]]
'''统计学'''是在[[数据分析]]的基础上，研究[[测定]]、收集、整理、[[归纳]]和分析反映数据数据，以便给出正确消息的[[科学]]。这一门学科自17世纪中叶产生并逐步发展起来，它广泛地应用在各门学科，从[[自然科学]]、[[社会科学]]到[[人文学科]]，甚至被用于工商业及[[政府]]的情报决策。随着大数据时代来临，统计的面貌也逐渐改变，与[[信息]]、[[计算]]等领域密切结合，是数据科学中的重要主轴之一 <ref>[https://blog.csdn.net/anticevc/article/details/51704507 统计学、人工智能、机器学习、数据挖掘的区别与联系之（1） 概念]，CSDN博客，2016-6-18</ref> 。
譬如自一组数据中，可以摘要并且描述这份[[数据]]的集中和离散情形，这个用法称作为描述统计学。另外，观察者以数据的形态，创建出一个用以解释其随机性和不确定性的数学模型，以之来推论研究中的步骤及总体，这种用法被称做推论统计学。这两种用法都可以被称作为[[应用统计学]]。[[数理统计学]]则是讨论背后的[[理论基础]]的学科。
[[计算机]]在20世纪后半叶的大量应用对统计科学产生了极大的影响。早期统计模型常常为回归线性模型，但强劲的计算机及其算法导致[[非线性模型]]（如[[神经网络]]）和新式算法（如[[广义线性模式]]、[[等级线性模型]]、[[支持向量机]]）的大量应用。
计算机性能的增强使得需要大量计算的再取样算法成为时尚，如置换检验、[[自助法]]。Gibbs取样法也使得贝叶斯模型 <ref>[http://www.360doc.com/content/19/0928/18/42387867_863738236.shtml 数据分析经典模型——贝叶斯理论，10分钟讲清楚]，个人图书馆，2019-09-28</ref> 更加可行。[[计算机革命]]使得统计在未来更加注重“[[实验]]”和“经验”。大量普通或专业的[[统计软件]]现已面市。
==参考文献==
[[Category:510 統計學總論]]