教学课程资源库 更多>>

关键词： 新文科   线上线下教学   《统计学》  

摘要： 本文基于新文科跨学科发展的背景要求,顺应"互联网+"趋势,对《统计学》课程线上线下混合式教学的模式与方法进行分析与探究。针对《统计学》课程目前存在的问题,拟从线上网络教学在与线下面授教学两个层面进行教学模式改进完善的研究与实践。

关键词： 土壤重金属   三维空间分布   污染评价   迁移预测  

摘要： 土壤在生态系统中有着举足轻重的作用，它在为各种生物提供赖以生存空间的同时，还对人类社会的发展模式和方向有着深远的影响。但随着工业化程度的提高，人们在享受经济发展带来便利的同时，也承受着土壤被污染的风险。土壤污染具有多源性、持久性和治理难等特点，尤其是被重金属污染的土壤，会对其周边的生态环境有较大的威胁，这一现象在退役场地尤为明显。随着城市结构的升级调整，大量退役场地将被置换为其他建设用地，为使用地功能顺利转换，需要对退役厂区土壤重金属进行研究，以防被重金属污染的土壤对人类和环境造成更严重的危害。　　本文以温岭市某退役场地作为研究对象，采用系统布点法在场地内设置22个采样点，采集土壤样品183件，分析土壤中7种重金属元素（As、Cr、Cu、Mn、Ni、Pb和Zn）的含量，用厂区地质模型结合基于地统计学克里金插值法建立的三维模型，对重金属在三维空间中的分布情况进行分析;采取相关性分析和主成分分析对7种重金属的来源进行解析;同时利用多种污染评价方法对退役厂区重金属的污染等级和污染风险进行评价;最后通过研究钻孔数据以及重金属的赋存形态，对厂区土壤重金属的迁移趋势做出定性分析。主要结论为：土壤重金属的污染评价结果以及描述性统计分析结果均表示厂区土壤处于轻度污染的状态;通过对各种金属进行半方差函数拟合，金属As和Pb更适用于指数模型，金属Zn用球状模型效果较好，其余4种金属均采用高斯模型拟合;结合重金属来源分析结果与三维空间分布模型得知，金属Cr、Cu、Ni、Pb和Zn来源于电镀工业的生产过程，高值区主要分布在厂区废料处理设施和生产车间A所在的位置;金属Mn来源于成土过程，高值区主要分布在厂区的东部和南部;金属As受到人类活动和成土母质的共同影响，空间分布具有上述两类金属的特征;结合地层模型可见，随着地层深度的增加，金属As、Cr、Cu、Ni、Pb和Zn高于背景值的范围逐渐减小，Mn高于背景值的范围逐渐增大;可交换态是该厂区内重金属迁移的主要形态，能随着地下水的流动进行迁移，主要呈现出由厂区北部地表高值区向南部深层土壤迁移的趋势。

摘要： 按照GB/T 3358.1～3-2009《统计学术语》的有关规定,统计学符号一律采用斜体排印。常用:（1）样本的算术平均数用英文小写■或mean （中位数英文叙述中用M或median）;（2）标准差用英文小写s或大写SD（限英文文献中）;（3）标准误用英文小写■或大写SE（限英文文献中）;（4） t检验用英文小写t;（5）F检验用英文大写F;（6）卡方检验用希文小写χ2;（7）相关系数用英文小写r;

关键词： 大数据   大数据时代   统计学   变革  

摘要： 目前现代社会科学技术水平不断提高,科技也逐渐加大在于经济贡献中的比重,随之带来的是数据量的攀升,现代社会步入大数据时代.统计学作为一种数学方法和工具,极大的利用在生产和商品交换之间,但传统的统计学已经不适应海量数据的时代,为了应对大数据的挑战,就需要统计学方法进行变革,从若干个方向入手,例如培养新的数据思考模式和人才培养模式,以及培养对于相关数据及软件的使用.

摘要： 1统计学符号按照GB/T 3358.1～3-1993《统计学术语》的有关规定,统计学符号一律采用斜体排印。常用:（1）样本的算术平均数和标准差使用x±s描述,s为小写斜体。（2）t检验用英文小写斜体t,F检验用英文大写斜体F,卡方检验用希文小写χ2（"2"用上标正体）。（3）Pearson相关系数用英文小写斜体r,Spearman秩相关系数用英文小写rs (S为英文大写正体下标》。（4）概率用英文大写P （P值前应给出具体检验值,如t值、χ2值、q值等）。（5）注明检验水准时,采用"检验水准α=0.05 （双侧/单侧）"的形式。2研究设计（1）应说明研究设计的名称和主要做法,如观察性研究（分为前瞻性、回顾性与横断面）。实验设计（应交待具体的设计类型,如自身配对设计、成组设计、交叉设计、析因设计、正交设计等）、临床试验设计（应交待属于第几期临床试验,采用了何种盲法等）。（2）研究设计必须遵循对照、随机、重复、均衡的基本原则,主要方法应困绕上述4个基本原则概要说明,尤其要告知如何控制重要的非实验因素的干扰和影响。

摘要： 主编:周支瑞胡志德需要指出的是,本书中的"疯狂",不是"猖狂" "抓狂"的意思,而是"狂热" "使狂热"的意思。也就是说,着迷于统计学的我们也希望以自己的经验和学术经历,通过本书,使广大临床医师狂热地喜欢上统计学,不再畏惧它,并善于用它解决自己的研究问题,这正是本书最大的目的所在。

摘要： Brain aging is a poorly understood process widely understood to be a major causative factor in age-associated neurodegenerative diseases such as Alzheimer's disease (AD). Proteins are involved in brain aging and neurodegeneration in many ways, and their functions and dysfunctions are dependent upon their abundances and their three-dimensional chemical structures. Emergent tools in multiple chemistry subfields, including mass spectrometry-based proteomics, enable a more detailed understanding of the states of proteins in these systems. In this Dissertation, I describe the usage of two chemistry techniques, primarily mass spectrometry-based proteomics and secondarily synthetic organic chemistry, to study proteins involved in brain aging and AD. In addition, I describe the utilization of existing statistical methods and the development of new statistical tools to further enhance our understanding of changing proteomes. The first Chapter in this Dissertation contextualizes my work in the Wyss-Coray Laboratory by providing the background for my transition from the Department of Chemistry at Stanford University, where I earned a Master of Science degree, to the Department of Neurology and Neurological Sciences in the Stanford University School of Medicine. This Chapter lays the groundwork for the lens, rooted in chemistry, through which I have viewed the fields of brain aging and AD as I have pursued subsequent studies in the Wyss-Coray Laboratory. Chapters 2 and 3 serve as technical introductions. Chapter 2 presents historical and biological background on the fields of brain aging and AD with an emphasis on the role of proteins. In Chapter 3, mass spectrometry-based proteomics is introduced, first with an in-depth conceptual and practical review of basic aspects, and then with an introduction to two advanced topics relevant to my work in later chapters: data-independent acquisition (DIA) and limited proteolysis-mass spectrometry (LiP-MS). The primary results presented in

关键词： 统计学   大数据   教学模式  

摘要： 基于大学经管类专业统计学课程的培养目标,探讨大数据时代的到来给统计学课程的教学内容体系、教学模式与统计素养培养带来的挑战,提出完善教学内容体系、创新教学模式,以及以大数据思维培养和提高学生的统计学素养等对策,积极应对大数据时代的挑战。

关键词： QAR数据   置信水平   航段油耗   统计学   深度学习   区间预测算法  

摘要： 随着国际航空碳抵消及减排机制这一全球性行业市场减排机制的稳步推进,国内也会逐步开放航空碳排放交易市场,在进行航空碳核查时需要判断航空公司所报告的油耗数据是否合理可靠,而进行数据合理性判断的关键在于实现航空合理油耗数据的区间估计并且确保预估结果的可靠性以及算法性能足够好,在航段油耗区间估计这一应用场景下,预估的区间覆盖率越接近期望值且区间长度越短表明预估结果越可靠合理、算法的可靠性越高;不同次训练得到的结果差异性越小,算法稳定性越高;不同数据量、数据分布的样本,算法均能实现可靠的估计,算法普适性高。因此,本文对航段油耗区间预估算法进行研究,对各算法性能进行评估比较,确定综合性能最优的算法。首先通过对快速存取记录器(Quick Access Recorder,QAR)数据进行数据处理,得到了能用于区间预估模型构建以及区间预估算法性能分析比较的初级数据源,得到的初级数据源能够很好地等效于航空公司所上报的数据,作为一种交叉验证数据源。然后对航段油耗数据分布情况进行了分析,提出了两种基于数据分布的统计学区间预估算法以及一种不基于数据分布的统计学区间预估算法,从理论上分析了三种算法的算法性能。接下来对深度学习区间预测算法进行了研究,将两种深度学习区间预测算法应用到了航段油耗区间预测,研究了数据预处理以及损失函数对算法可靠性、稳定性的影响。根据航段油耗数据自身特点,对深度学习高质量区间预测算法进行了算法改进,提高了航段油耗区间估计这一场景下算法的可靠性、稳定性、普适性。最后进行了算法性能分析比较实验,实验结果表明基于分位数的区间预估算法以及航段油耗深度学习高质量区间预测算法综合算法性能最优,能够实现在给定置信水平下准确合理航段油耗区间估计,能够用于现阶段的航空油耗碳核查。航段油耗深度学习高质量区间预测算法还能在多影响因素下实现区间估计,预测区间长度明显减少,算法性能综合最优,未来可以用于引入更多影响因素的航空油耗碳核查。

关键词： 国际视野   工业工程专业   工程统计学   教学改革  

摘要： 随着我国高等教育改革的逐步深入,通过向世界一流大学学习教学经验来开阔国际视野已成为高等教育界的共识。在此背景下,文章以新加坡国立大学工学院为借鉴对象,根据其本科教学的先进理念和教学方法探讨国内高校的"工程统计学"课程教学改革措施,目的是推进工科教育的国际化,使人才培养适应世界经济一体化的需求。