统计站典型材料[5篇范例]

第一篇：统计站典型材料

夹河子乡统计典型材料

一年来，乡统计站以“十七届三中全会”精神、“三个代表”重要思想为指导，紧紧围绕全乡的工作中心，以强化统计工作职能、提高服务水平为目标，以确保统计数据质量为中心，以深化统计制度方法改革为重点，以完善统计基础工作为目的，乡统计站的统计人员求真务实，与时惧进，狠抓各项工作的落实，为促进全乡经济发展做出了新贡献。

一、锐意创新，求真务实，圆满完成了2011年年报定期报表等工作任务。全面统计报表是整个统计工作的主体，是全面反映国民经济和社会发展现状的主要形式，按照上级业务部门的要求，严格遵守统计制度，立足本职工作，实事求是，坚持以提高统计数据质量为中心，以国民经济核算为主线，结合年报和定期报表工作，完善和加强对基层统计人员的考核制度，进一步做好基层统计报表评估工作。去年年报和今年定期报表，基本没有出现迟报、拒报现；认真做好2011年乌苏市农村住户调查工作。

二、及时准确，全面翔实，提供优质的信息服务。我们始终把开发统计信息资源作为统计工作的一项重要工作，采取激励机制，创新工作手段，在统计资源整合和深度挖掘上花大力气，并通过统计信息与调研、统计分析、统计资料、统计信息等平台，实施精品战略，不断拓宽统计服务领域。一是加强统计基础工作。提高数据质量，基础在源头，关键在各村、各站所。为加强基层统计工作，督促各村委会、各站所进一步夯实基础，确保各项统计任务的完成；二是加快统计方法制度改革。统计调查方法的科学性，直接关系和影响着统计数据的质量。为此，乡统计站严格按照国家统计方法制度的目标要求，积极探索符合我乡的调查方法制度，用科学的统计方法制度来规范统计工作，并对各种调查方案的执行情况进行检查督促，进一步提高数据质量；三是加强业务培训工作。在统计工作中除了采用科学的统计方法外，还应学会创造性地开展统计工作，要建立起一支素质较高的统计调查队伍。一年以来，乡统计站采取了以会代训及专项培训村级统计成员共2期，参会人员达50人次，通过培训，提高了村级统计人员的业务能力，增强了统计站的凝聚力和战斗力；四是制度建设工作，为进一步完善统计数据质量审核评估制度、资料管理制度、考核奖惩制度、岗位责任制等制度的建立，工作得到进一步改进，经乡党委、政府研究分别下发文件，使各种制度得到确认、认可。五是依法制统，利用各种会议和检查指导等方式，继续学习贯彻《统计法》、统计法实施细则》和《新疆统计法管理条例》，认真执行《统计报表签收制度》，建立并完善历史台帐，进度台帐，为统计数据质量的提高打下了一定的基础。抓住“五五”普法契机，广泛宣传学习《统计法》和《新疆统计管理条例》，对虚报、瞒报、迟报的村委会统计给予了严厉的批评，通过这次活动，增强了懂法、执法、守法的法制观念，各村统计人员对统计工作的法制观念有了进一步的认识及提高。逐渐形成了统计资料开发、利用和对外公布一系列制度，建立了正常的统计资料开发和利用机制。同时，加强了统计分析研究的组织协调和管理，对重大课题的调研在经费、物质和交通工具上提供保障，并且利用多种形式，积极搜集和整理领导和有关部门需要的各种统计资料，并精加工现有资料在每月第一时间内发送。

三、发挥统计的整体功能。统计部门掌握着丰富的信息资源，统计人员既要做好“统计师”，更要做好全市经济社会发展的“分析师”和“监考官”。要围绕全市工作大局，主动为党委、政府决策提供咨询依据。加强对宏观经济运行态势的调研分析。要围绕“打基础、创环境”和新农村建设、新型工业化、全面小康建设等重大战略部署，积极开展调查研究，提供有深度、有质量的统计分析，为党委、政府决策提供参考；要密切关注经济社会生活中出现的新情况和新动态。

四、强化依法治统。依法治统是维护统计工作秩序、确保数据质量的重要手段。各级统计部门要坚决贯彻执行《统计法》，运用法律武器，规范统计活动，维护统计秩序，推进依法统计。要坚持统计普法与统计执法齐抓并重的工作方针，进一步强化统计法制宣传教育、以促成全乡依法统计的良好氛围。

第二篇：应用统计典型例题

关于矩估计与极大似然估计的典型例题 例1，设总体X 具有分布律

231X~22(1)(1)2

其中01为未知参数。已经取得了样本值x11,x22,x31，试求参数的矩估计与极大似然估计。

解：（i）求矩估计量，列矩方程（只有一个未知参数）

E(X)222(1)3(1)232X 433X3x53 得 矩2226（ii）求极大似然估计，写出似然函数，即样本出现的概率

L()P(X1x1,X2x2,X3x3)

P(X11,X22,X31)

P(X11)P(X22)P(X31)22(1)225(1)

对数似然

lnL()ln25lnln(1)

dlnL()510 d1得极大似然估计为

5ˆ极 6

例2，某种电子元件的寿命（以

h记）X服从双参数指数分布，其概率密度为

1exp[(x)/],xf(x)

0,其他其中，0均为未知参数，自一批这种零件中随机抽取n件进行寿命试验，xx,,xn.设它们的失效时间分别为1,2（1）求（2）求，的最大似然估计量； ，的矩估计量。

n解：（1）似然函数，记样本的联合概率密度为

L(，)f(x1,x2,,xn;，)f(xi)

i1n1exp[(xi)/],x1,x2,,xni1 0,其他n1nexp((xin)/),x(1)i1 0,x(1)在求极大似然估计时，L(，)0肯定不是最大值的似然函数值，不考

n虑这部分，只考虑另一部分。

取另一部分的对数似然函数

lnL(,)nln(xin)/,x(1)

i1

nxinlnL(,)ni102 lnL(,)n0可知关于，的驻点不存在，但能判定单调性

lnL(,)n0知 由lnL(,)nln(xin)/,x(1)，i1n关于是增函数，故

ˆ极x(1)lnL(,)n将之代入到xnii1n20中得

ˆ极xx(1)

ˆˆx则极(1)，极xx(1)一定能使得似然函数达到最大，故，的极大似然估计为

ˆ极xx(1) ˆx极(1)

（2）列矩方程组（两个未知参数）

1E(X)xexp[(x)/]dxXn2112222E(X)xexp[(x)/]dx()Xini1解出

n12ˆ(XX)矩ini11nˆ2X(XX)i矩ni1 例3，设总体X~U[0,]，其中0为未知参数，X1,X2,,Xn为来自总体X的一组简单随机样本，12大似然估计。

解：似然函数，即样本的联合概率密度

nx,x,,xn为样本观察值，求未知参数的极

1n,0x1,x2,,xnL()f(x1,x2,,xn;)f(xi) i10,elseL()0肯定不是最大值，考虑另一部分的最大值，取对数似然

lnL()nln,x(n)

dlnL()n0 d知lnL()nln在x(n)内是单调递减的，故的极大似然估计值为

取x(n)能使得似然函数达到最大，则ˆx，极大似然估计量为ˆX (n)(n)极极

第三篇：多元统计典型相关分析实例

1、对体力测试（共7项指标）及运动能力测试（共5项指标）两组指标进行典型相关分析

Run MATRIX procedure:

Correlations for Set-1 X1 X2 X3 X4 X5 X6 X7 X1 1.0000.2701.1643-.0286.2463.0722-.1664 X2.2701 1.0000.2694.0406-.0670.3463.2709 X3.1643.2694 1.0000.3190-.2427.1931-.0176 X4-.0286.0406.3190 1.0000-.0370.0524.2035 X5.2463-.0670-.2427-.0370 1.0000.0517.3231 X6.0722.3463.1931.0524.0517 1.0000.2813 X7-.1664.2709-.0176.2035.3231.2813 1.0000

Correlations for Set-2 X8 X9 X10 X11 X12 X8 1.0000-.4429-.2647-.4629.0777 X9-.4429 1.0000.4989.6067-.4744 X10-.2647.4989 1.0000.3562-.5285 X11-.4629.6067.3562 1.0000-.4369 X12.0777-.4744-.5285-.4369 1.0000

两组变量的相关矩阵说明，体力测试指标与运动能力测试指标是有相关性的。

Correlations Between Set-1 and Set-2 X8 X9 X10 X11 X12 X1-.4005.3609.4116.2797-.4709 X2-.3900.5584.3977.4511-.0488 X3-.3026.5590.5538.3215-.4802 X4-.2834.2711-.0414.2470-.1007 X5-.4295-.1843-.0116.1415-.0132 X6-.0800.2596.3310.2359-.2939 X7-.2568.1501.0388.0841.1923

上面给出的是两组变量间各变量的两两相关矩阵，可见体力测试指标与运动能力测试指标间确实存在相关性，这里需要做的就是提取出综合指标代表这种相关性。

Canonical Correlations 1.848 2.707 3.648 4.351 5.290

上面是提取出的5个典型相关系数的大小，可见第一典型相关系数为0.848，第二典型相关系数为0.707，第三典型相关系数为0.648，第四典型相关系数为0.351，第五典型相关系数为0.290。

Test that remaining correlations are zero: Wilk's Chi-SQ DF Sig.1.065 83.194 35.000.000 2.233 44.440 24.000.007 3.466 23.302 15.000.078 4.803 6.682 8.000.571 5.916 2.673 3.000.445

上表为检验各典型相关系数有无统计学意义，可见第一、第二典型相关系数有统计学意义，而其余典型相关系数则没有。

Standardized Canonical Coefficients for Set-1 1 2 3 4 5 X1.475.115.391-.452-.462 X2.190-.565-.774.307.489 X3.634.048.288.321-.276 X4.040.080-.400-.906.422 X5.233.773-.681.459.233 X6.117.148.425.141.649 X7.038-.394.025-.103-1.029

Raw Canonical Coefficients for Set-1 1 2 3 4 5 X1.141.034.116-.134-.137 X2.026-.076-.104.041.066 X3.040.003.018.020-.018 X4.008.015-.075-.169.079 X5.016.054-.047.032.016 X6.020.025.071.024.109 X7.005-.048.003-.013-.126

上面为各典型变量与变量组1中各变量间标化与未标化的系数列表，由此我们可以写出典型变量的转换公式(标化的)为：L1=0.475X1+0.19X2+0.634X3+0.04X4+0.233X5+0.117X6+0.038X7余下同理。

Standardized Canonical Coefficients for Set-2 1 2 3 4 5 X8-.505-.659.577.186.631 X9.209-1.115.207-.775-.292 X10.365-.262.188 1.153-.154 X11-.068-.034-.579.340 1.181 X12-.372-.896-.649.569-.124

Raw Canonical Coefficients for Set-2 1 2 3 4 5 X8-1.441-1.879 1.647.531 1.798 X9.005-.026.005-.018-.007 X10.133-.095.069.419-.056 X11-.018-.009-.153.090.312 X12-.012-.029-.021.018-.004

Canonical Loadings for Set-1 1 2 3 4 5 X1.689.235.099-.150-.112 X2.526-.625-.408.225.237 X3.741-.212.263-.042.001 X4.242-.032-.298-.809.182 X5.200.705-.558.257-.161 X6.364-.096.191.224.476 X7.115-.259-.437.053-.471

Cross Loadings for Set-1 1 2 3 4 5 X1.584.166.064-.053-.032 X2.446-.442-.265.079.069 X3.629-.150.170-.015.000 X4.205-.023-.193-.284.053 X5.170.498-.362.090-.047 X6.309-.068.124.079.138 X7.098-.183-.283.019-.136

上表为第一变量组中各变量分别与自身、相对的典型变量的相关系数，可见它们主要和第一对典型变量的关系比较密切。

Canonical Loadings for Set-2 1 2 3 4 5 X8-.692-.149.654.111.244 X9.750-.550.001-.346.127 X10.776-.183.275.538.020 X11.585-.108-.371-.054.711 X12-.674-.265-.548.193-.371

Cross Loadings for Set-2 1 2 3 4 5 X8-.587-.106.424.039.071 X9.636-.389.001-.121.037 X10.658-.129.178.189.006 X11.496-.076-.240-.019.206 X12-.571-.187-.355.068-.108

上表为第二变量组中各变量分别与自身、相对的典型变量的相关系数，结论与前相同。

下面即将输出的是冗余度(Redundancy)分析结果，它列出各典型相关系数所能解释原变量变异的比例，可以用来辅助判断需要保留多少个典型相关系数。

Redundancy Analysis:

Proportion of Variance of Set-1 Explained by Its Own Can.Var.Prop Var CV1-1.221 CV1-2.152 CV1-3.125 CV1-4.121 CV1-5.082

首先输出的是第一组变量的变化可被自身的典型变量所解释的比例，可见第一典型变量解释了总变化的22.1％，第二典型变量能解释15.2％，第三典型变量只能解释12.5％，第四典型变量只能解释12.1％，第五典型变量只能解释8.2％。

Proportion of Variance of Set-1 Explained by Opposite Can.Var.Prop Var CV2-1.159 CV2-2.076 CV2-3.052 CV2-4.015 CV2-5.007

上表为第一组变量的变化能被它们相对的典型变量所解释的比例，可见第五典型变量的解释度非常小。

Proportion of Variance of Set-2 Explained by Its Own Can.Var.Prop Var CV2-1.488 CV2-2.088 CV2-3.188 CV2-4.092 CV2-5.144

Proportion of Variance of Set-2 Explained by Opposite Can.Var.Prop Var CV1-1.351 CV1-2.044 CV1-3.079 CV1-4.011 CV1-5.012

------END MATRIX-----

2、Run MATRIX procedure:

Correlations for Set-1 X1 X2 X3 X4 X1 1.0000.3588.7417.5694 X2.3588 1.0000.4301.3673 X3.7417.4301 1.0000.4828 X4.5694.3673.4828 1.0000

Correlations for Set-2 X5 X6 X7 X8 X9 X10 X11 X12 X5 1.0000.7147.8489.8827.6935.8956.9004.8727 X6.7147 1.0000.7273.8328.7864.8144.6825.7846 X7.8489.7273 1.0000.8980.6447.9150.7766.9073 X8.8827.8328.8980 1.0000.6838.9553.8446.9080 X9.6935.7864.6447.6838 1.0000.7071.7530.7475 X10.8956.8144.9150.9553.7071 1.0000.8739.9307 X11.9004.6825.7766.8446.7530.8739 1.0000.7981 X12.8727.7846.9073.9080.7475.9307.7981 1.0000

以上，两组变量的相关矩阵说明，农村居民收入与农村居民生活费支出是有相关性的。

Correlations Between Set-1 and Set-2 X5 X6 X7 X8 X9 X10 X11 X12 X1.8368.8523.8645.9453.6702.9195.7682.8736 X2.6060.3903.4852.4397.5548.4567.5096.5262 X3.8135.5256.6417.8239.5093.8138.8242.7513 X4.6166.7269.5385.6062.5615.6602.6027.6543

上面给出的是两组变量间各变量的两两相关矩阵，可见体力测试指标与运动能力测试指标间确实存在相关性，这里需要做的就是提取出综合指标代表这种相关性。

Canonical Correlations 1.981 2.906 3.631 4.571

上面是提取出的5个典型相关系数的大小，可见第一典型相关系数为0.981，第二典型相关系数为0.906，第三典型相关系数为0.631，第四典型相关系数为0.571。

Test that remaining correlations are zero: Wilk's Chi-SQ DF Sig.1.003 132.620 32.000.000 2.072 59.110 21.000.000 3.405 20.310 12.000.061 4.674 8.871 5.000.114

上表为检验各典型相关系数有无统计学意义，可见第一、第二典型相关系数有统计学意义，而其余典型相关系数则没有。

Standardized Canonical Coefficients for Set-1 1 2 3 4 X1-.536-1.056-.468.965 X2-.059-.293-.809-.732 X3-.399 1.480.154-.142 X4-.158-.284 1.023-.635

Raw Canonical Coefficients for Set-1 1 2 3 4 X1-.001-.002-.001.002 X2.000-.001-.002-.002 X3-.009.033.003-.003 X4-.004-.007.026-.016

上面为各典型变量与变量组1中各变量间标化与未标化的系数列表，由此我们可以写出典型变量的转换公式(标化的)为：L1=-0.536X1-0.059X2-0.399X3-0.158X4余下同理。

Standardized Canonical Coefficients for Set-2 1 2 3 4 X5-.233-.151-1.215-1.177 X6-.020-1.459 1.647-.413 X7.414-1.577-1.050.472 X8-.576 1.319-1.618 2.259 X9.070-.071-1.516-.028 X10-.388.683.797.562 X11-.034.521 1.527-.667 X12-.218.346 1.283-1.210

Raw Canonical Coefficients for Set-2 1 2 3 4 X5-.001-.001-.005-.005 X6.000-.030.034-.009 X7.003-.012-.008.003 X8-.011.024-.030.042 X9.003-.003-.068-.001 X10-.012.022.026.018 X11-.001.009.025-.011 X12-.009.015.055-.052

Canonical Loadings for Set-1 1 2 3 4 X1-.943-.225-.062.235 X2-.481-.139-.535-.680 X3-.898.434-.048-.048 X4-.678-.279.533-.423

Cross Loadings for Set-1 1 2 3 4 X1-.925-.204-.039.134 X2-.472-.126-.338-.388 X3-.881.393-.030-.027 X4-.665-.253.337-.241

上表为第一变量组中各变量分别与自身、相对的典型变量的相关系数，可见它们主要和第一对典型变量的关系比较密切。

Canonical Loadings for Set-2 1 2 3 4 X5-.924-.036-.200-.251 X6-.821-.489.173.001 X7-.850-.285-.234.080 X8-.976-.088-.082.155 X9-.698-.304-.174-.330 X10-.968-.097.000.032 X11-.883.097-.046-.231 X12-.921-.166-.079-.113

Cross Loadings for Set-2 1 2 3 4 X5-.907-.032-.126-.143 X6-.805-.443.109.000 X7-.833-.258-.148.046

X8-.957-.080-.052.088 X9-.684-.276-.110-.188 X10-.949-.088.000.018 X11-.866.088-.029-.132 X12-.903-.151-.050-.064

上表为第二变量组中各变量分别与自身、相对的典型变量的相关系数，结论与前相同。

下面即将输出的是冗余度(Redundancy)分析结果，它列出各典型相关系数所能解释原变量变异的比例，可以用来辅助判断需要保留多少个典型相关系数。

Redundancy Analysis:

Proportion of Variance of Set-1 Explained by Its Own Can.Var.Prop Var CV1-1.597 CV1-2.084 CV1-3.144 CV1-4.175

首先输出的是第一组变量的变化可被自身的典型变量所解释的比例，可见第一典型变量解释了总变化的59.7％，第二典型变量能解释8.4％，第三典型变量只能解释14.4％，第四典型变量只能解释17.5％。

Proportion of Variance of Set-1 Explained by Opposite Can.Var.Prop Var CV2-1.574 CV2-2.069 CV2-3.057 CV2-4.057

上表为第一组变量的变化能被它们相对的典型变量所解释的比例，可见第一典型变量的解释度较大，其余相差不大。

Proportion of Variance of Set-2 Explained by Its Own Can.Var.Prop Var CV2-1.782 CV2-2.059 CV2-3.021 CV2-4.034

Proportion of Variance of Set-2 Explained by Opposite Can.Var.Prop Var CV1-1.752 CV1-2.048 CV1-3.008 CV1-4.011------END MATRIX-----习题10.3、Run MATRIX procedure:

Correlations for Set-1 x1 x2 x1 1.0000.7346 x2.7346 1.0000

Correlations for Set-2 y1 y2 y1 1.0000.8393 y2.8393 1.0000

从这里开始进行分析，首先给出的是两组变量内部各自的相关矩阵，可见头宽和头长是有相关性的。

Correlations Between Set-1 and Set-2 y1 y2 x1.7108.7040 x2.6932.7086

上面给出的是两组变量间各变量的两两相关矩阵，可见兄弟的头型指标间确实存在相关性，这里需要做的就是提取出综合指标代表这种相关性。

Canonical Correlations 1.789 2.054

上面是提取出的两个典型相关系数的大小，可见第一典型相关系数为0.789，第二典型相关系数为0.054。

Test that remaining correlations are zero: Wilk's Chi-SQ DF Sig.1.377 20.964 4.000.000 2.997.062 1.000.803

上表为检验各典型相关系数有无统计学意义，可见第一典型相关系数有统计学意义，而第二典型相关系数则没有。

Standardized Canonical Coefficients for Set-1 1 2 x1-.552-1.366 x2-.522 1.378

Raw Canonical Coefficients for Set-1 1 2 x1-.057-.140 x2-.071.187 上面为各典型变量与变量组1中各变量间标化与未标化的系数列表，由此我们可以写出典型变量的转换公式(标化的)为： L1=0.552*xl+0.522*x2 L2=1.366*xl-1.378*x2

Standardized Canonical Coefficients for Set-2 1 2 y1-.504-1.769 y2-.538 1.759

Raw Canonical Coefficients for Set-2 1 2 y1-.050-.176 y2-.080.262

Canonical Loadings for Set-1 1 2 x1-.935-.354 x2-.927.375

Cross Loadings for Set-1 1 2 x1-.737-.019 x2-.731.020

上表为第一变量组中各变量分别与自身、相对的典型变量的相关系数，可见它们主要和第一对典型变量的关系比较密切。

Canonical Loadings for Set-2 1 2 y1-.956-.293 y2-.962.274

Cross Loadings for Set-2 1 2 y1-.754-.016 y2-.758.015

上表为第二变量组中各变量分别与自身、相对的典型变量的相关系数，结论与前相同。

下面即将输出的是冗余度(Redundancy)分析结果，它列出各典型相关系数所能解释原变量变异的比例，可以用来辅助判断需要保留多少个典型相关系数。

Redundancy Analysis:

Proportion of Variance of Set-1 Explained by Its Own Can.Var.Prop Var CV1-1.867 CV1-2.133

首先输出的是第一组变量的变异可被自身的典型变量所解释的比例，可见第一典型变量解释了总变异的86.7％，而第二典型变量只能解释13.3％。

Proportion of Variance of Set-1 Explained by Opposite Can.Var.Prop Var CV2-1.539 CV2-2.000

上表为第一组变量的变异能被它们相对的典型变量所解释的比例，可见第二典型变量的解释度非常小。

Proportion of Variance of Set-2 Explained by Its Own Can.Var.Prop Var CV2-1.920 CV2-2.080

Proportion of Variance of Set-2 Explained by Opposite Can.Var.Prop Var CV1-1.572 CV1-2.000

------END MATRIX-----

第四篇：统计基础建设工作典型发言

全市统计基础建设工作会议依安现场会材料

规范统计基础 谱写数海春秋

依安县统计局 许义藩（2009年6月30日）

尊敬的各位领导：

今年是全国统计基础建设活动第二年，也是进一步充实、完善、提高统计基础建设规范的重要一年。全市统计基础建设工作会议能够在我县召开，这充分体现了省、市局对我们的关怀和信任，也是对我县统计工作的鞭策和鼓舞。我谨代表县统计局对各位领导莅临依安检查指导工作，表示热烈的欢迎和衷心的感谢！

近年来，在省、市统计局的正确指导下，在县委、县政府的高度重视下，我县始终把提高统计队伍素质，建立健全各项规章制度，规范档案化管理标准，推进统计依法行政进程，作为持续开展统计基础建设的有效途径，使我县的统计基础建设规范工作得到了长足发展，取得了一定成效。我们的主要做法是。

一、转变观念，夯实思想基础

2001年11月，重新组建了统计局领导班子，虽然狠抓了统计常规工作，但没有将统计基础建设作为统计工作的重中之重来抓。2002年初，为了验证全国第二次基本单位普查数据的真实可靠，需要利用第一次全国基本单位普查资料来评估普查数据的准确性，而我局的第一次基本单位普查资料由于历史原因没有很好保存下来，在市局的提供下才得到有效解决。这次教训使我们深刻认识到：统计基础建设是统计工作的基石，也是保证统计源头数据质量的根基，特别是随着经济社会的快速发展，多元化的经济格局正在形成，各级领导和社会公众对统计信息的需求越来越迫切，对统计工作重要性的认识越来越高。要做好统计工作，必须加强统计基础建设，从数据质量、制度规范、档案化管理、办公设施等源头抓起。为从根本上改变统计基础薄弱现状，我局领导班子首先从思想上抓起，以转变观念为切入点，把统计基础建设工作作为提高统计数据质量立足点，深入实际调查研究，通过多次召开会议，使全局同志认清了统计基础薄弱对统计工作的不利影响，在统计基础建设工作中达成了共识，夯实了思想基础。

二、整章建制，规范措施标准

建立健全各项规章制度，是统计基础建设的前提，是确保统计工作正常开展，提高统计数据质量的重要途径。2003年，我们依据统计工作的特点，制定了6大类29条工作制度，有效地规范了统计工作行为。今年，按照《黑龙江省统计基础建设规范》的要求，对以往的工作制度进行了系统的归纳和整理，编印了《统计基础建设规范》一书，分为行政管理和党建管理两大部分，包括2个文件、1个实施细则、4个管理办法、20个管理措施、51项规章制度和3个考评方案。做到全县有方案、局里有细则、股室有方法、专业有措施，涵盖了数据质量、资料管理、法制建设、队伍建设、信息化建设等各个领域，形成了方案由细则作保障、细则由办法去贯彻、办法由措施来落实的环环相扣的规范管理体系，使统计工作在制度的规范下高效运行。

三、强化领导，狠抓工作落实

为使统计基础建设规范工作坚持做到常抓不懈，在具体工作中做到“五个到位”。一是统计机构落实到位。为进一步强化统计基础力量，消除统计工作空白点，2002年，全面组建乡镇统计信息办公室，健全城乡统计机构。2008年，组建依安县普查中心，形成了一个覆盖城乡、运转协调、求实高效的统计网络。二是队伍建设落实到位。全县共有基层统计人员408人。为打造一支业务精、作风硬、素质高的统计队伍，出台了《依安县统计局“学习型、事业型、服务型”三型统计队伍建设实施方案》。在统计队伍建设上做到了“三个强化”。强化职业道德教育。我们始终把强化职业道德教育作为开展统计工作的首要前提，全面剖析统计基础建设对统计事业发展的重要意义和深远影响，不断转变思想观念，努力创新工作思路，切实把统计基础建设作为统计工作的立足点和支撑点。强化业务理论学习。按照《统计局五年学习规划》的要求，在学习日期间，组织全局同志认真学习政治、统计专业理论知识，没有特殊情况做到雷打不动，坚持做到学习有成效。通过加强学习，统计工作效率和人员业务素质得到明显提升。强化组织活动教育。积极开展“党在我心中”、“明天更美好”、“风采统计人”和“共创和谐统计”等活动，进一步激发了全局同志爱岗敬业的高尚情操，凝聚力、战斗力和向心力明显增强。三是制度措施落实到位。统计基础建设的核心是提高统计数据质量。为此，我们始终把提高数据质量 的各项制度贯穿于统计常规工作之中，做到“四个坚持”。坚持《统计台帐登统制度》，确保数据有出处，科学合理；坚持《统计资料上报签到制度》，确保基层单位上报统计资料时效性；坚持《统计资料三审制度》，通过专业人员审、录入微机审、主管领导审，确保统计数据的技术性和逻辑性；坚持《统计数据评估制度》，从来源、范围等方面，运用数据评估方法进行全面评估，确保统计数据真实性。四是考评机制落实到位。按照县政府考评方案，年终对统计局、城镇各部门、农村的统计工作实行量化考评，在每年全县统计工作会议上，县政府对先进单位进行表彰，极大调动了统计人员的工作积极性。五是档案管理落实到位。我们始终坚持统计资料的档案化管理制度，具体做到“四个统一”。统一行文质量。从资料格式、纸张、字体、印刷质量等方面做了明确要求和规范；统一统计资料装订标准。对一年来统计报表、计划和总结、调查报告、印发文件、会议材料、执法案卷、普查和专项调查资料，都分门别类装订成册，同磁介质资料由档案室统一保管；统一统计数据提供方法。按照《统计数据资料提供制度》的要求，凡需要统计数据服务的单位和个人，必须持有效证件进行索取，并说明索取用途和目的，由综合股以《统计资料提供单》统一提供；统一统计调查项目审批。依照统计法的有关规定，对部门或个人开展的统计调查项目实行审批备案管理，非法统计调查现象得到有效遏制。六是依法行政落实到位。为把统计基础建设工作纳入法制化轨道，我们做到“四个到位”。学法用法到位。分科级以上领导干部、企业领导和统计工作人员3个层面，组织开展统计法律法规学习和考试活动。还利用每

年召开的统计专业年报会和统计从业资格培训契机，采取以会带训方式，组织学习统计法律法规，使宣传教育活动深入人心。普法宣传到位。每年以统计法颁布纪念日为契机，县级四个班子领导亲自参加，并采取形式多样、喜闻乐见的形式宣传统计法律法规。在统计“四五”、“五五”普法活动中，成功举办两次全县统计法知识竞赛活动，起到了较好的舆论宣传作用，促进统计法制意识深入人心，全县社会各界都关心关注统计工作。执法检查到位。每年与县监察局、县政府法制办联合开展统计执法检查工作，对在统计上弄虚作假行为进行立案处理。依法行政责任制贯彻落实到位。认真贯彻落实统计“一法一例”责任制和统计依法行政责任制，统计法制建设延伸到乡镇和部门，有效地维护了统计工作秩序。

近年来，我县始终把统计基础建设贯穿实际工作中，统计数据质量得到明显提高，统计队伍素质明显提升，实现了统计工作制度化、队伍建设素质化、资料管理档案化、统计服务优质化、法制建设经常化、统计设施现代化的“六化”标准。但在实际工作中，对照省、市的要求和人民群众需求，以及和兄弟县市相比，还有一定的差距和不足。我们将以这次会议为契机，在今后的工作中，发扬成绩，克服不足，进一步提升标准，完善机制，为统计事业又好又快、更好更快发展做出应有的贡献。

第五篇：高考数学复习概率统计典型例题

高考数学复习概率统计典型例题

例1 下列命题：

(1)3，3，4，4，5，5，5的众数是5；

(2)3，3，4，4，5，5，5的中位数是4.5；

(3)频率分布直方图中每一个小长方形的面积等于该组的频率；

(4)频率分布表中各小组的频数之和等于1

以上各题中正确命题的个数是 [ ]．

A．1个 B．2个 C．3个 D．4个

分析：回忆统计初步中众数、中位数、频数、频率等概念，认真分析每个命题的真假．

解：(1)数据3，3，4，4，5，5，5中5出现次数最多3次，5是众数，是真命题．

(2)数据3，3，4，4，5，5，5有七个数据，中间数据是4不是4.5，是假命题．

(3)由频率分布直方图中的结构知，是真命题．

(4)频率分布表中各小组的频数之和是这组数据的个数而不是1，是假命题．

所以正确命题的个数是2个，应选B．

例2 选择题：

(1)甲、乙两个样本，甲的样本方差是0.4，乙的样本方差是0.2，那么 [ ]

A．甲的波动比乙的波动大；

B．乙的波动比甲的波动大；

C．甲、乙的波动大小一样；

D．甲、乙的波动大小关系不能确定．

(2)在频率直方图中，每个小长方形的面积等于 [ ]

A．组距 B．组数

C．每小组的频数 D．每小组的频率

分析：用样本方差来衡量一个样本波动大小，样本方差越大说明样本的波动越大．

用心 爱心 专心

122号编辑

解：(1)∵0.4＞0.2，∴甲的波动比乙的波动大，选A．

例3 为了了解中年人在科技队伍中的比例，对某科研单位全体科技人员的年龄进行登记，结果如下(单位：岁)

44，40，31，38，43，45，56，45，46，42，55，41，44，46，52，39，46，47，36，50，47，54，50，39，30，48，48，52，39，46，44，41，49，53，64，49，49，61，48，47，59，55，51，67，60，56，65，59，45，28．

列出样本的频率分布表，绘出频率分布直方图．

解：按五个步骤进行：

(1)求数据最大值和最小值：

已知数据的最大值是67，最小值是28

∴最大值与最小值之差为67-28=39

(2)求组距与组数：

组距为5(岁)，分为8组．

(3)决定分点

(4)列频分布表

用心 爱心 专心

122号编辑

(5)绘频率分布直方图：

例4 某校抽检64名学生的体重如下(单位：千克)．

列出样本的频率分布表，绘出频率分布直方图．

分析：对这组数据进行适当整理，一步步按规定步骤进行．

解：(1)计算最大值与最小值的差：48-29=19(千克)

(2)决定组距与组数

样本容量是64，最大值与最小值的差是19千克，如果取组距为2千克，19÷2=9.5，分10组比较合适．

(3)决定分点，使分点比数据多取一位小数，第一组起点数定为28.5，其它分点见下表．

(4)列频率分布表．

用心 爱心 专心

122号编辑

(5)画频率分布直方图(见图3-1)

说明：

长方形的高与频数成正比，如果设频数为1的小长方形的高为h，频数为4时，相应的小长方形的高就应该是4h．

例5 有一个容量为60的样本，(60名学生的数学考试成绩)，分组情况如下表：

(1)填出表中所剩的空格；

(2)画出频率分布直方图．

分析：

用心 爱心 专心

122号编辑

各组频数之和为60

各组频率之和为1

解：

因为各小组频率之和=1

所以第4小组频率=1-0.05-0.1-0.2-0.3=0.35

所以第4小组频数=0.35×60=第5小组频数=0.3×60=18

(2)

例6 某班学生一次数学考试成绩的频率分布直方图，其中纵轴表示学生数，观察图形，回答：

(1)全班有多少学生？

用心 爱心 专心

122号编辑

(2)此次考试平均成绩大概是多少？

(3)不及格的人数有多少？占全班多大比例？

(4)如果80分以上的成绩算优良，那么这个班的优良率是多少？

分析：根据直方图的表示意义认真分析求解．

解：(1)29～39分1人，39～49分2人，49～59分3人，59～69分8人，69～79分10人，79～89分14人，89～99分6人．

共计 1+2+3+8+10+14+6=44(人)

(2)取中间值计算

(3)前三个小组中有1+2+3=6人不及格占全班比例为13.6%．

(4)优良的人数为14+6=20，20÷44=45.5%．

即优良率为45.5%．

说明：频率分布表比较确切，但直方图比较直观，这里给出了直方图，从图也可以估计出一些数量的近似值，要学会认识图形．

例7 回答下列问题：

用心 爱心 专心

122号编辑

总是成立吗？

(2)一组数据据的方差一定是正数吗？

总是成立吗？

(4)为什么全部频率的累积等于1？

解：(1)证明恒等式的办法之一，是变形，从较繁的一边变到较简单的一边．这

可见，总是成立．

顺水推舟，我们用类似的方法证明(3)；注意

那么有

(2)对任一组数x1，x2，„，xn，方差

这是因为自然数n＞0，而若干个实数的平方和为非负，那么S2是有可对等于0的

从而x1=x2=„=xn，就是说，除了由完全相同的数构成的数组以外，任何数组的方差定为正数．

用心 爱心 专心

122号编辑

(4)设一个数组或样本的容量为n，共分为m个组，其频数分别为a1，a2，„，am，按规定，有

a1+a2+„+am=n，而各组的频率分别a1／n，a2／n，„，am／n，因此，有

说明：在同一个问题里，我们处理了同一组数据x1，„，xn有关的两个数组f1，f2，„，fk和a1，a2，„，am，前者是说：在这组数中，不同的只有k个，而每个出现的次数分别为f1，„，fk；后者则说明这组数所占的整个范围被分成了m个等长的区间，出现在各个区间中的xi的个数分别为a1，„，am，可见，a1，„，an是f1，„fk的推广，而前面说过的众数，不过是其fi最大的那个数．

弄清研究数组x1，„，xn的有关数和概念间的联系与区别，是很重要的．

例8 回答下列问题：

(1)什么是总体？个体？样本？有哪些抽样方法？

(2)反映样本(或数据)数量水平的标志值有哪几个？意义是什么？怎样求？

(3)反映样本(或数据)波动(偏差)大小的标志值有哪几个？怎样求？有什么区别？

(4)反映样本(或数据)分布规律的数量指标和几何对象是什么？获得的一般步骤是什么？

解：这是一组概念题，我们简略回答：

(1)在统计学里，把要考查对象的全体叫做总体；其中每个考查对象叫个体；从总体中抽出的一部分个体叫做总体的一个样本；样本中个体的数目，叫做样本的容量．

应指出的是，这里的个体，是指反映某事物性质的数量指标，也就是数据，而不是事物本身，因此，总体的样本，也都是数的集合．

抽样方法通常有三种：随机抽样、系统抽样和分层抽样三种，基本原则是：力求排除主观因素的影响，使样本具有较强的代表性．

(2)反映样本(或数据)数量水平或集中趋势的标志值有三个，即平均数、众数和中位数．

有时写成代换形式；

用心 爱心 专心

122号编辑

有时写成加权平均的形式：

其中，又有总体平均数(总体中所有个体的平均数)和样本平均数(样本中所有个体的平均数)两种，通常，我们是用样本平均数去估计总体平均数．且一般说来，样本容量越大，对总体的估计也就越精确．

(ii)众数，就是在一组数据中，出现次数最多的数．通常采用爬山法或计票画“正”法去寻找．(爬山法是：看第一个数出现次数，再看第二、三、„„有出现次数比它多的，有，则“爬到”这个数，再往后看„„)．

(iii)中位数是当把数据按大小顺序排列时，居于中间位置的一个数或两个数的平均，它与数据的排列顺序有关．

此外，还有去尾平均(去掉一个最高和一个最低的，然后平均)、总和等，也能反映总体水平．

(3)反映样本(数据)偏差或波动大小的标志值有两个：

(ii)标准差：一组数据方差的平方根：

标准差有两个优点，一是其度量单位与原数据一致；二是缓解S2过大或过小的现象．方差也可用代换式简化计算：

(4)反映数据分布规律的是频率分布和它的直方图，一般步骤是：

(i)计算极差=最大数-最小数；

用心 爱心 专心

122号编辑

(iii)决定分点(可用比数据多一位小数的办法)；

(v)画频率分布直方图．

其中，分布表比较确切，直方图比较直观．

说明：此例很“大”，但是必要的，因为，当前大多数的中考题，很重视基本内容的表述，通过“填空”和“选择”加以考查，我们要予以扎实．而更为重要的，这些概念和方法，正是通过偶然认识必然，通过无序把握有序，通过部分估计整体的统计思想在数学中的实现．

用心 爱心 专心

122号编辑