簡介：分類號學號M201070300學校代碼10487密級碩士學位論文碩士學位論文基于基于魯棒統(tǒng)計學方法魯棒統(tǒng)計學方法的迭代最近點算法迭代最近點算法研究研究學位申請人學位申請人鄢瑩學科專業(yè)學科專業(yè)機械電子工程機械電子工程指導教師指導教師夏奇講師講師答辯日期答辯日期20130116獨創(chuàng)性聲明獨創(chuàng)性聲明本人聲明所呈交的學位論文是我個人在導師指導下進行的研究工作及取得的研究成果。盡我所知，除文中已經(jīng)標明引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律結果由本人承擔。學位論文作者簽名日期年月日學位論文版權使用授權書學位論文版權使用授權書本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，即學校有權保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。本人授權華中科技大學可以將本學位論文的全部或部分內(nèi)容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存和匯編本學位論文。本論文屬于（請在以上方框內(nèi)打“√”）學位論文作者簽名指導教師簽名日期年月日日期年月日保密□，在年解密后適用本授權書。不保密□。

簡介：期中分析是指在試驗正式完成前，根據(jù)事先制定的統(tǒng)計分析計劃，對處理組間的有效性和安全性所進行的分析。期中分析能夠及時監(jiān)測試驗的安全性，盡早確認藥物的有效性，還可進行樣本量的重新估計。在期中分析的這三類目的中，因安全性問題或藥物無效而提前終止試驗無可厚非，但因有效而早期終止試驗仍存在爭議。再者，由于盲態(tài)下樣本量的再估計對統(tǒng)計方法的技術挑戰(zhàn)和生存資料的特殊屬性，生存資料的盲態(tài)下樣本量再估計方法鮮有報道。本研究圍繞期中分析目的，就現(xiàn)存的這兩個問題展開探索。本研究的第一部分通過公式推導和模擬試驗的方法考察在因有效而早期終止的臨床試驗中處理效應能否被準確估計。針對正態(tài)結果變量和二分類結果變量，本研究推導了實際效應和估計效應的關系式，所得不等式顯示期中分析時有統(tǒng)計學意義的組間均數(shù)之差率差（樣本效應），大于真實組間差異（總體效應）。模擬試驗的結果同樣顯示，期中分析時有統(tǒng)計學意義的組間均數(shù)之差率差與真實組間差異的比值始終大于1，即使采用PETO，OBRIENFLEMING或POCOCK法進行期中分析時的Α水準校正，估計值依然明顯高于真實值。另外，本研究第一部分以正態(tài)結果變量為例，嘗試將基于成組序貫設計的逐段排序法應用于期中分析中因有效而早期結束試驗時處理效應的估計，并通過模擬試驗對所得中位無偏估計值進行評價，結果表明該方法的校正效果對于2階段（期中分析1次），3階段設計（期中分析2次）并不明顯，只在多階段設計（期中分析次數(shù)≥3）的后期期中分析中顯現(xiàn)，但存在低估真實效應的風險。因而，正態(tài)結果變量和二分類結果變量的早期終止臨床試驗的確存在效應高估的風險，且校正估計效應的方法并不十分完善。由此，我們并不建議對臨床試驗實行早期終止，不論是探索性試驗還是確證性試驗。本研究的第二部分嘗試將EM算法應用于兩組生存資料的盲態(tài)下樣本量再估計過程中?；谥笖?shù)分布和WEIBULL分布，本研究分別推導了風險比EM估計算法的E步和M步計算公式，并且通過模擬試驗考察所推導EM算法的統(tǒng)計學屬性，包括初始值設置，樣本量要求，組間分配比例。另外還通過模擬試驗全面考察了所推導EM算法在指數(shù)分布和WEIBULL分布下的估計效果。結果顯示所推導EM算法對初始值的要求并不苛刻，雖然初始值的方向?qū)⒂绊戯L險比估計值的方向，但風險比的方向并不影響樣本量的估計。所推導EM算法對樣本量有一定要求，真實風險比越小，所需樣本量越大，在兩組樣本等比例分配時，EM估計效果最佳。所推導EM算法的平均估計效果較好，估計值均數(shù)接近真實值，然而單一估計結果并不穩(wěn)定，呈現(xiàn)雙峰分布。因而，本研究所推導EM算法離實際運用尚有差距，但本研究中的諸多工作可為相同研究領域的學者提供參考，避免重復工作。

簡介：語言在人們的日常生活中扮演著重要的角色，是執(zhí)行任務、完成工作的手段。語言有口語、書面語之分。在任何語言處理任務中，語料庫語言學的研究都很有意義。一般來說，語料是組織好的文本集合，包括口語和書面語資源。從計算語言學的角度，語料是采用電子手段處理的大量文本的集合，包含各種各樣的信息。語料能夠準確揭示語言的使用模式，是語言統(tǒng)計學產(chǎn)生的根源。不同的基于語料庫的方法可以被用來完成不同的語言學相關任務?；旧?，對屈折語言進行句法分析和信息檢索等任務的研究時，使用的資源是經(jīng)過詞法分析的文本。例如給每個詞語指定一個包含所有可能詞法類別標記的集合，能夠使詞語本身更有意義，也更容易理解。然而多數(shù)系統(tǒng)需要更加精準的信息，這些系統(tǒng)僅僅需要一個單獨的詞法類別，以便準確地應用在特定的文本中。這一過程被稱為“標注”（TAGGING），它利用輸入文本中詞語的上下文從標記類別中選擇最適當?shù)臉擞?。在任何與自然語言處理相關的任務中，標注問題的重要性都絲毫不能忽略。本文的主要研究對象是烏爾都語（URDU）。跟其他語言，如英語、漢語相比，烏爾都語的計算機自動處理技術研究遠遠落在后面。這主要歸因于缺乏標準標注集和已標注資源?？紤]到這些資源的昂貴價格和構建的困難性，這是難以避免的。然而，就像論文里所描述的，我們跨越了這些障礙。烏爾都語屬于印歐語系，受波斯語和阿拉伯語的影響很大，同印地語關系密切，是東南亞地區(qū)的一種重要語言。在許多國家，如巴基斯坦、印度和阿富汗等具有重要的地位。全世界有超過6千萬人把烏爾都語作為母語，有超過1億人把烏爾都語作為第二語言。在互聯(lián)網(wǎng)時代，研究烏爾都語的自動處理技術，對于烏爾都語的使用和推廣具有重要作用，因而本文的研究具有重要意義。我們考察了烏爾都語詞性標注研究中的各種不同問題。對烏爾都語分析的結果表明，對于詞序自由（FREEWDDER）和高度屈折（HIGHLYINFLECTED）的語言來說，未登錄詞是標注錯誤的主要來源。英語中的未登錄詞大多數(shù)都是專有名詞，然而研究表明，烏爾都語的未登錄詞通常是有標志或無標志的名詞、動詞以及無標志的形容詞。這些未登錄詞與烏爾都語結合起來，加深了標注問題的難度，在這個意義上烏爾都語更像土耳其語（TURKISH）或捷克語（CZECH），而不是英語。本文著重論述我們在烏爾都語詞性標注方面所取得的進展。統(tǒng)計方法在其他自然語言的處理過程中曾經(jīng)大顯身手，因此他們也被用來構建和標注烏爾都語的語料庫。鑒于其他印度語系語言語料的缺乏，本文所獲得的事實和結論對于其他印度語系語言來說也富有積極的啟發(fā)意義。烏爾都語作為一種高度屈折和詞序結構自由的語言，具有很高的歧義性。本文著重于使用不同的基于統(tǒng)計的方法來處理烏爾都語語料，比如NGRAM，基于詞形態(tài)結構的模型，隱馬爾科夫模型（HIDDENMARKOVMODEL）以及最大熵模型（MAXIMUMENTROPYMODEL）。我們首先使用了NGRAM模型，重點分析了UNIGRAM、BIGRAM和BACKOFF模型在烏爾都語詞性標注中的應用。這些模型標注時使用了覆蓋詞語周圍信息的上下文。我們也分別考察了兩種標注集（大小不同）和語料規(guī)模對NGRAM標注模型性能的影響，結果表明我們提出的小標注集獲得了非常好的效果。在大、小標注集的基礎上，我們進一步構造了混淆矩陣來分析最容易產(chǎn)生歧義的標注子集，并通過使用基于統(tǒng)計的T分布來考察使用大、小標注集結果的有效性。跟其他復雜的統(tǒng)計模型相比較，NGRAM既簡單又有效。接著我們使用隱馬爾科夫模型來解決歧義問題。我們使用有監(jiān)督學習算法基于已標注語料庫進行模型的參數(shù)選擇，并使用VITERBI算法找出與文本中詞語序列最匹配的詞性標記序列。我們的方法最突出的特點是在隱馬爾科夫模型中整合了多種有名的平滑技術，比如LAPLACE、LIDSTONE、EXPECTED、LIKELIHOOD、WITTENBELL和GOODTURING等等。我們觀察到平滑技術在處理未登錄詞時起到了很重要的作用，但是有時基于規(guī)則的方法也很有效。對于各種平滑技術，我們針對屈折性比較高的詞性標記構造了混淆矩陣進行分析。此外，還使用了基于方差分析（ANOVA）的統(tǒng)計評價方法進行分析，結果表明平滑技術對于整體的標注正確率和未登錄詞正確率有很重要的影響。最大熵模型也被我們采用用來解決烏爾都語的詞性標注問題。最大熵模型也是一種有監(jiān)督的學習方法，因此需要標注好的語料庫。在最大熵模型中，我們采用的特征包括詞語形態(tài)學特征和上下文特征。兩種參數(shù)估計方法GIS和LBFGS被分別用來訓練模型的參數(shù)。實驗中我們發(fā)現(xiàn)，LBFGS比GIS具有更快的速度和更好的效果。我們設計了針對不同標注集和不同規(guī)模的訓練集上的實驗，這些實驗的結果表明，采用最大熵方法，烏爾都語的詞性標注的整體準確率位于8971％和9716之間。其中，詞表詞的詞性標注的準確率位于9012和9773之間，未登錄詞的詞性標注的準確率位于8175和8620之間。這個結果表明烏爾都語的詞性標注的性能達到了實用水平。最后我們把基于詞形態(tài)結構的模型整合到統(tǒng)計模型中，著重評價基于詞形態(tài)結構的方法在處理未登錄詞問題的效果。統(tǒng)計模型在此處僅僅起到過濾未登錄詞的作用。詞形態(tài)結構特征基于常用的屈折變化進行抽取，我們通過使用相關方法的結果的平均值來分析新模型的性能提升的統(tǒng)計顯著性。該分析在對詞性標注的性能進行評價的同時還能夠顯示每一個詞形態(tài)結構特征集合的有效性。本文中所有的標注系統(tǒng)都是通過在EMILLE語料庫上進行訓練獲得的，該語料庫由英國的蘭徹斯特大學（LANCASTERUNIVERSITY）創(chuàng)建。EMILLE語料庫主要由單語語料、平行語料和帶標注語料等構成。在本文中，我們通過一系列步驟來構建烏爾都語的詞法標注器，這些步驟展示了我們每個階段工作的結果。正如我們所看到的，標注模型的性能隨著特征的增加和模型的復雜在逐步提高，未登錄詞的問題也逐漸得到解決。本文所研究的詞性標注技術為烏爾都語的深層處理提供了良好的基礎。在未來的工作中，我們將繼續(xù)研究烏爾都語的深層自動處理技術，如語義角色標注、句法分析等，推動烏爾都語的推廣和使用。

簡介：華中師范大學碩士學位論文空間統(tǒng)計學及其在空間模式分析中的應用姓名黃芳申請學位級別碩士專業(yè)自然地理學指導教師喻光明20050501⑩碩士學位論文MASTER’STIIESIS釋，因此描述結果與實際情況難免失之偏頗。因此，它應該是一種粗略的而非精確的測量方式。同時，用偏度系數(shù)和峰度系數(shù)來描述地理要素在時空上的分布的密度函數(shù)的分布特征。此外，還列舉了幾個相關特征參數(shù)及空間抽樣的類型和方法。第三章空間點模式分析。點模式依其幾何表現(xiàn)形態(tài)可分為三大類集聚、均勻和隨機分布。判斷點模式分布類型的方法主要有以下幾種最近鄰分析方法；樣方分析方法區(qū)域分析法和函數(shù)法。這四種方法各有優(yōu)缺點在最近鄰分析方法中，研究區(qū)邊賽如何界定將會直接影響分析結果，位于邊界處的點的最近鄰點可能不在研究區(qū)內(nèi)，如何處理邊界附近點的最近鄰點問題尚待研究，此外，標準最近鄰指數(shù)R和點模式的類型并不是一一對應的關系，用排序最近鄰距離法和區(qū)域最近鄰距離法可以解決這一問題，但這兩種方法應用并不廣泛，且有一定的局限性。樣方法測度的是研究區(qū)域中不同部分的點的頻率分布，從而確定點模式的分布類型。如何確定樣方的太小和個數(shù)是樣方法的關鍵。目前還沒有很好的解決辦法，但有一點需要特別強調(diào)的是樣方的大小和數(shù)目盡量與點模式的分布特征相吻合。樣方法同樣受到研究區(qū)邊界如何界定的問題。本文特別提出了基于幾何概率的樣方法和多維空間中的樣方法；TISSEN多邊形的建立是區(qū)域分析法的關鍵，該法能較好地反映出點模式的結構特征，但由于該法在實踐中應用的不多，其可行性和有效性尚待進一步研究；函數(shù)法也是一種常用的能較好判斷點模式分布特征的方法。集聚性點模式的結構信息豐富，包含了集聚中心的個數(shù)和集聚中心的方向等信息，因此，如何找集聚中心的個數(shù)和方向成為研究集聚分布點模式的核心問題。本文分別用H0，△O函數(shù)、WR，A函數(shù)來進行集聚分布的點模式中心數(shù)和方向性的判斷。對于兩個或更多個的點模式，主要分析其相似性和相互作用的程度，對于相互作用程度主要采用樣方法、函數(shù)法和指標法來分析其是相互吸引、相互排斥還是相互獨立。第四章面模式分析。面模式的分析方法有很多，具體采用哪種方法主要取決于數(shù)據(jù)的測量尺度和變量的組織方式。鄰近性分析是面模式分析的最基本方面。有關鄰近性的概念有幾種不同的定義若兩個面相鄰為1，不相鄰為0，如以斜角相鄰為L，否則為0，如果有以上性質(zhì)之一的就算相鄰；另一種鄰近性是可以用數(shù)量表示的，如共同邊界的長度或最短距離的倒數(shù)等。面模式在空間上的分布表現(xiàn)為集聚、均勻和離散，通過比較鄰接數(shù)的個數(shù)和某一理論模型鄰接數(shù)的個數(shù)，從而推斷面模式的分布類型。不同的分布類型對應不同的空間自相關?？臻g自相關、空間關聯(lián)反映的是一個區(qū)域單元上的某種地理現(xiàn)象或某一屬性值與鄰近區(qū)域單元上同一現(xiàn)象或?qū)傩灾档南嚓P程度，可以使用全局指標和局部指標兩種不同等級的指標加以度量。全局指標包括MORAN提出的I指標和GEARY提出的C指標。反映空間鄰接或空間鄰近的區(qū)域單元屬性值的相似程度及空間自相關程度的總體趨勢。G，D統(tǒng)計、局部MORAN和局部GEARY統(tǒng)計是常

簡介：中國石油大學碩士研究生學位論文申請工學碩士學位地質(zhì)統(tǒng)計學在儲層預測中的研究與應用學科專業(yè)培養(yǎng)方向碩士生指導教師地球探測與信息技術地球物理探測方法與技術李黎王永剛教授入學日期2004年9月論文完成日期2007年4月RESEARCHANDAPPLICATIONOFGEOSTATISTICSINRESERVOIRPREDICTIONLILIGEOPHYSICALPROSPECTINGANDINFORMATIONTECHNOLOGYDIRECTEDBYPROFESSORWANGYONGGANGABSTRACTRESERVOIRPREDICTIONHASBEENVERYCONCERNEDABOUTINGEOLOGICALRESERVOIRRESEARCH，WHICHINCLUDESTWOIMPORTANTWORKSTUDYINGTHERESERVOIRHETEROGENEITYANDIMPROVINGPREDICTIONACCURACYTHEMETHODSOFGEOSTATISTICSINRESERVOIRPREDICTIONHAVEBEENSTUDIED，THATFOCUSONTHERESERVOIRHETEROGENEITYRESEARCHANDIMPROVINGRESERVOIRPREDICTIONACCURACYFIRSTLY，CALCULATIONMETHODS，F(xiàn)ITTINGMETHODSANDNESTEDMETHODSOFVARIOGRAMHAVEBEENSTUDIEDTHROUGHPRACTICALAPPLICATION，CALCULATETWODIMENSIONALVARIOGRAMANDVARIOGRAMOFDIFFERENTDIRECTIONS，DETERMINETHEORIENTATIONOFRESERVOIRPARAMETERSANDHETEROGENEITYOFRESERVOIRPARAMETERSDISTRIBUTIONBYOBSERVINGALLDIRECTIONSOFTHEVARIOGRAMPARAMETERSTHENAPPLYLINEARPROGRAMMINGMETHODTOFITTHEVARIOGRAMANALYZELINEARPROGRAMMINGMETHODANDCOMPAREITWITHCONVENTIONALVARIOGRAMFITTINGMETHODACCORDINGTOFITTINGRESULTSANDORIENTATIONOFRESERVOIRPARAMETERSTHEVARIOGRAMHAVEBEENNESTEDSECONDLYTHERESERVOIRPARAMETERSPOROSITYANDTHICKNESSOFTWODIMENSIONALHORIZONHAVEBEENPREDICTEDBYUSINGTHEMETHODSOFORDINARYKRIGING，COKRIGING，COLLOCATEDCOKRIGINGANDSEQUENTIALGAUSSIANSIMULMIONANDUSECROSSVALIDATIONMETHODFORANALYZINGFEASIBILITYAND

簡介：福建醫(yī)科大學碩士學位論文臨床醫(yī)學專業(yè)本科學生目標設置的相關社會心理因素及目標結構構建的統(tǒng)計學技術研究姓名顏玉炳申請學位級別碩士專業(yè)流行病與衛(wèi)生統(tǒng)計學指導教師黃子杰20090301STUDYONPSYCHOSOCIALFACTORSOFGOALSETTINGANDSTATISTICALTECHNIQUESOFTHEGOALSTRUCTURECONSTRUCTIONINCLINICALUNDERGRADUATESABSTRACTOBJECTIVETOINVESTIGATETHECOMEUTS，RESPONSIVEINTENSITIESANDPSYCHOSOCIALFACTORSOFTHEGOALSSETBYTHEMEDICALFRESHMENANDJUNIORSINAMEDICALUNIVERSITYINCOASTALAREA．ONTHATBASIS，THEPAPERFURTHERDISCUSSESTHESTATISTICALTECHNIQUESOFTHEGOALSTRUCTURECONSTRUCTION．METHODSRESEARCHWASCONDUCTEDINTWOPHASESWIMTWODIFFERENTGROUPSINGRADEONEANDGRADETHREE．TEAMWASCONSIDEREDTOBEAUNITANDCLUSTERRANDOMIZEDSAMPLINGWASAPPLIEDTOSELECTALLTHESUBJECTS。INPHASEONE，194STUDENTSOFGRADEONEAND198STUDENTSOFGRADETHREEWERESAMPLED．THEPARTICIPANTSCOMPLETEDAQUESTIONNAIRESURVEYABOUTTHEGOALSTHEYWANTTOACCOMPLISHDURINGTHEFIVEYEARCOLLEGELIFE．THEGOALSCITEDBYNOLESSTHAN5％OFTHEPARTICIPATEDSTUDENTSINTHESAMEGRADEWERECONSIDEREDHIGHLYFREQUENTGOALSANDMADEINTOCARDS．THEFACTORSRELATEDTOTHESEHIGHLYFREQUENTGOALSWEREANALYZED．INPHASETWO，ANTHER112STUDENTSOFGRADEONEAND114STUDENTSOFGRADETHREEWERESELECTEDTOCATEGORIZETHEGOALSSETBYGROUPONEUSINGANINDIVIDUALMEASUREMEUTMETHOD．THECLASSIFICATIONWASBASEDONTHEINHERENTRELEVANCEOFTHESEHIGHLYFREQUENTGOALS．THETIMESOFTWOGOALSBEINGCLASSIFIEDINTOTHESAMEGROUPWERECALCULATEDASTHESETWOGOALS’SIMILARITYMEASUREMEM，BASEDONWHICHATRIANGULARMATRIXWASBUILDTOREFLECTTHEDEGREEOFAFFINITYBETWEENTHETWOGOALS．FACTORANALYSISANDSYSTEMATICCLUSTERANALYSISWERETHENUSEDTOANALYZETHISMATRIXANDOBTAINTHEAVERAGEINTENSITYOFEACHCLUSTER．RESULTSFORGRADEONEANDGRADETHREESTUDENTS，46AND48GOALS謝THKGHFREQUENCYWERESELECTEDRESPECTIVELY．TOSOMEEXTENT，THECONTENTSANDRESPONSIVEINTENSITIESOFTHEGOALSAREAFFECTEDBYFACTORSSUCHASGRADE，SEX，AGE，THEPOSTINCLASS，NUMBEROFCHILDRENINFAMILY,ANDFAMILYECONOMICSITUATION．THEGOALSTRUCTURECONSTRUCTEDBYFACTORANALYSISANDSYSTEMATICCLUSTERANALYSISMETHODCANBECHARACTERIZEDBY112

簡介：目的高血壓在成年人尤其是老年人中普遍存在，是冠心病、卒中、心力衰竭、腎功能衰竭的最重要的危險因素。高血壓前期同樣會增加心腦血管病的風險。近年來國內(nèi)外對高血壓人群的人口統(tǒng)計學特征及臨床特征的研究不勝枚舉。各研究機構對吸煙、血脂、尿酸等在非高血壓人群中的分布特征及與血壓的相關聯(lián)系研究結果不一。本研究就以中國漢族非高血壓人群（即高血壓前期及正常血壓人群）為研究對象，探討其人口統(tǒng)計學特征及相關臨床特點，為以后臨床研究提供基礎資料。方法選取2012714至2013714就診于石家莊市及武漢市多個體檢中心及社區(qū)門診年齡在19～88歲的非高血壓人群1893人，男女比例為15∶1。參考MONICA心血管疾病變動趨勢和決定因素的監(jiān)測方案，通過統(tǒng)一問卷調(diào)查表收集研究對象的基本資料，其主要內(nèi)容包括一般情況（如性別、年齡）、個人史（如冠心病病史、高血壓病史）、家族史（如冠心病家族史、高血壓家族史）、生活習慣（如吸煙史）、體格檢查（如身高、體重）及特殊檢查（如血常規(guī)、血生化）。其中血壓測量統(tǒng)一采用汞柱式血壓計，研究對象在未進食咖啡等飲料至少30分鐘以上并且安靜休息5～10分鐘后測量右肱動脈，共測量3次，取均值。入組人群均空腹12小時后采集外周靜脈血，送三級甲等醫(yī)院標準實驗室測量各項指標。使用SPSS130軟件包進行統(tǒng)計學處理。定量資料采用均數(shù)±標準差表示，兩組之間比較用T檢驗，多組間比較用單因素方差分析定性資料用百分比表示，組間比較用X2檢驗采用多因素LOGISTIC回歸分析高血壓前期的相關危險因素。P＜005有統(tǒng)計學意義。結果1、一般情況入選對象共計1893人，平均年齡4549±1467歲，其中男性1126人，占595％北方地區(qū)510人，占269％45～64歲827人，占437％平均收縮壓與舒張壓分別為1138±121MMHG和716±82MMHG。高血壓前期在血壓正常人群中檢出率為449％8501893。2、不同性別人口統(tǒng)計學及臨床特征與女性相比，男性有更高的收縮壓SBP、舒張壓DBP、紅細胞計數(shù)（RBC）、血紅蛋白HGB、體重指數(shù)BMI、空腹血糖調(diào)節(jié)受損IFG發(fā)生率（均P＜005），其中甘油三脂較高，而總膽固醇、高密度脂蛋白膽固醇較低（均P＜001），低密度脂蛋白膽固醇比較差異無統(tǒng)計學意義P060。男性有更高的腦血管病病史、吸煙史及高血壓前期發(fā)生率P＜001。3、不同地區(qū)人口統(tǒng)計學及臨床特征與武漢地區(qū)相比，石家莊地區(qū)有更高的收縮壓、舒張壓、BMI、紅細胞計數(shù)、年齡、血小板計數(shù)（均P＜005），較慢的心率P＜005空腹血糖均值、IFG及糖尿病DM發(fā)生率均較高（均P＜001）有較高的血脂異常發(fā)生率P＜005，其中甘油三脂TG、總膽固醇TC、低密度脂蛋白膽固醇LDLC、高密度脂蛋白膽固醇（HDLC）均較高P＜005有較高的高血壓前期發(fā)生率（P＜001）。4、不同年齡段人口統(tǒng)計學及臨床特征將年齡分為三組（～4445～6465～歲）。隨著年齡的增長收縮壓、空腹血糖均數(shù)逐漸升高（均P＜005），且IFG及DM發(fā)生率也逐漸升高均P＜005。5、不同體重指數(shù)人口統(tǒng)計學及臨床特征隨著體重指數(shù)的增加收縮壓、舒張壓、TG、RBC逐漸升高，HDLC逐漸降低（均P＜005）。超重組和肥胖組較正常組有更高的IFG發(fā)生率及高血壓前期發(fā)生率。6、高血壓前期相關危險因素的LOGISTIC回歸分析根據(jù)LOGISTIC回歸分析表明，男性、體重指數(shù)、年齡、心率、腦血管病病史、甘油三脂、北方地區(qū)均是高血壓前期的危險因素分別為16895％CI126226、11695％CI111120、10395％CI103104、10295％CI101103、60295％CI2051767、11795％CI103132、14395％CI111186。結論1、在中國漢族非高血壓人群中，男性、北方地區(qū)、中老年人、超重及肥胖者較女性、南方地區(qū)、中青年人、正常體重指數(shù)者有更高的血脂異常、血糖調(diào)節(jié)受損水平及高血壓前期發(fā)生率。2、男性、體重指數(shù)、年齡、心率、腦血管病病史、甘油三脂、北方地區(qū)均是高血壓前期的危險因素，其中腦血管病病史為高血壓前期的明顯危險因素。

簡介：點擊查看更多山東省肺外結核患者的人口統(tǒng)計學和臨床特征.pdf精彩內(nèi)容。

簡介：對人類疾病遺傳與環(huán)境的病因?qū)W研究一直是流行病學的重要任務。然而，傳統(tǒng)“黑盒子”流行病學往往側重于識別單一危險因素，并未聚焦網(wǎng)絡對疾病的影響，因而難以深層次地探討致病機制。研究者渴望打開“黑盒子”，闡明致病因素如何通過“黑盒子”中的病因鏈環(huán)節(jié)而導致疾病發(fā)生、發(fā)展與轉歸結局。高通量組學技術的成熟發(fā)展與檢測成本的大幅度減低，使得流行病學家有機會將系統(tǒng)生物學理論方法與傳統(tǒng)流行病學有機結合，借助于豐富多彩的組學標記在大樣本人群中闡明“暴露”到“疾病結局”的作用機制，從而催生了一個嶄新的流行病學分支學科系統(tǒng)流行病學。本課題組將系統(tǒng)流行病學的學科內(nèi)涵概括為將高通量組學技術與傳統(tǒng)流行病學研究相互融合，利用基因組GENOME、表觀組EPIGENOME、轉錄組TRANOME、蛋白組PRETEOME、代謝組METABOLOME、表型組PHENOME等生物組學標記，結合生物信息學網(wǎng)絡數(shù)據(jù)庫的通路信息，采用系統(tǒng)生物學方法構建“暴露因子組學生物標記疾病終點”間的交互網(wǎng)絡，并檢測不同狀態(tài)下（例如疾病組與健康組）網(wǎng)絡間的差異，以推斷危險因子導致疾病發(fā)生、發(fā)展與轉歸的致病網(wǎng)絡或特定致病通路及其效應大小從而，為進一步闡明危險因子致病通路及流行病學作用機制、實驗室功能驗證、藥物靶點設計、預防或診療措施制定與評估提供科學依據(jù)。系統(tǒng)流行病學為在人群水平上闡明疾病發(fā)生、發(fā)展與轉歸機制描繪了宏偉藍圖，它將實現(xiàn)從獨立病因研究向病因網(wǎng)絡研究的跨越性轉變。在這一轉變進程中，病因網(wǎng)絡構建與致病通路識別將是打開“黑盒子”的重要策略，而網(wǎng)絡差異的比較正是獲取致病網(wǎng)絡及致病通路統(tǒng)計學證據(jù)的重要方法。因此，系統(tǒng)流行病學的核心是在人群水平上通過“暴露因子組學生物標記疾病終點”網(wǎng)絡通路的組間差異統(tǒng)計學比較，推斷危險因子導致疾病發(fā)生、發(fā)展、轉歸的網(wǎng)絡通路及其效應大小。任何破壞網(wǎng)絡通路交互結構的統(tǒng)計學比較方法勢必會丟失信息，失去其系統(tǒng)流行病學意義。然而，目前在流行病學研究中，仍以卡方檢驗、T檢驗或回歸分析等傳統(tǒng)方法作為生物標記組間差異比較的主流方法。這些方法武斷地將原本是相互作用（或調(diào)控）的網(wǎng)絡節(jié)點假定為近似相互獨立狀態(tài)，忽略了它們間的交互網(wǎng)絡結構所以，除了得到生物標記組間差異的基本信息外，既不能得到組間網(wǎng)絡差異信息，更不能推斷出特定危險因素的致病通路及其效應大小。最近，盡管在一些高質(zhì)量的人群組學研究中，已經(jīng)注重通過后續(xù)功能實驗驗證和生物信息學方法推斷出調(diào)控網(wǎng)絡拓撲結構，但因缺乏組間網(wǎng)絡差異比較的有效統(tǒng)計學方法，也只能定性地分析網(wǎng)絡拓撲結構特征，仍難以在人群水平上定量推斷危險因子的致病網(wǎng)絡通路及其效應大小。因此，發(fā)展網(wǎng)絡差異比較的統(tǒng)計分析方法，在人群水平上，比較不同組間的網(wǎng)絡差異，進而推斷危險因子的致病通路及其效應大小，就成為系統(tǒng)流行病學統(tǒng)計分析的重要任務。必須澄清的是，盡管系統(tǒng)流行病學強調(diào)用高通量組學分析技術在人群水平上獲得組學標記大數(shù)據(jù)，但在實際工作中，因研究假設、目的或條件的不同，常常需要在2種不同研究策略下推斷網(wǎng)絡差異1）基于分子流行病學方法的假設驅(qū)動HYPOTHESISDRIVEN研究策略研究者在深入理解所研究疾病的生理、生化及病理機制基礎上，綜合以往細胞（動物）實驗或組學分析結果，借助生物信息學網(wǎng)絡數(shù)據(jù)庫通路信息，事先勾畫出一個假定合理的致病網(wǎng)絡通路。進而，用分子流行病學方法檢測網(wǎng)絡通路節(jié)點上的生物標記，并在人群水平上檢驗組間網(wǎng)絡通路差異及其效應。以期在人群中驗證所假設致病網(wǎng)絡通路的真實性及實用性（設計藥物靶點、預測疾病發(fā)生預后、制定及評估預防或診療策略等）。2）基于高通量組學技術的數(shù)據(jù)驅(qū)動DATADRIVEN研究策略研究者在不受任何假設限制的情況下，利用各種高通量組學技術，在人群水平上獲得研究樣本的組學標記數(shù)據(jù)。進而，借助系統(tǒng)生物學方法構建“暴露因子組學生物標記疾病終點”網(wǎng)絡模型，并在人群水平上檢驗“對比組”間網(wǎng)絡通路差異及其效應。為進一步實驗驗證、藥物靶點確定、制定預防或診療措施提供依據(jù)。無論是假設驅(qū)動還是數(shù)據(jù)驅(qū)動的研究策略，均存在無向網(wǎng)絡比較和有向網(wǎng)絡比較兩種情形。前者側重點是比較“對比組”間網(wǎng)絡節(jié)點及其相互作用（相關關系）的統(tǒng)計學差異，而后者側重點則是比較網(wǎng)絡節(jié)點及其調(diào)控關系的統(tǒng)計學差異。因此，系統(tǒng)流行病學硼究中網(wǎng)絡差異比較的檢驗方法，應包括無向網(wǎng)絡比較和有向網(wǎng)絡比較2種情形。在系統(tǒng)流行病學研究中，生物網(wǎng)絡不僅具備復雜網(wǎng)絡的一般性質(zhì)（自組織、自相似、吸引子、小世界、無標度等），更重要的是，對于多數(shù)復雜疾病的致病網(wǎng)絡而言，其“節(jié)點”和“邊”的連續(xù)定量變化譜蘊含著網(wǎng)絡差異的全部信息即，節(jié)點和邊多不是“全有或全無（1或0）”式的“開或關”模式，而是多表現(xiàn)為由0→1的定量漸變式的模式。即使有些基因（如某些致癌基因）在健康狀態(tài)下幾乎不表達而呈現(xiàn)“全有或全無”模式，其實質(zhì)也可看作是連續(xù)表達譜上的一個極端特殊情形。因此，系統(tǒng)流行病學網(wǎng)絡的差異囊括了“節(jié)點”和“邊”的雙重差異，單純“節(jié)點”或單純“邊”的差異遠不能代表其全部信息的差異。對于有向網(wǎng)絡，網(wǎng)絡差異絕非僅僅是其“節(jié)點”和“邊”兩部分差異的簡單合并，還應充分體現(xiàn)網(wǎng)絡拓撲結構所蘊含的方向信息，即調(diào)控網(wǎng)絡內(nèi)“邊”的箭頭指向及“上游節(jié)點”對“下游節(jié)點”的調(diào)控權重。然而，目前在系統(tǒng)生物學或人群組學研究中，現(xiàn)有的網(wǎng)絡比較算法（或統(tǒng)計量）多數(shù)未能涵蓋統(tǒng)計量構建中所必需的上述全部信息。因而，不適合推廣到系統(tǒng)流行病學研究中網(wǎng)絡差異比較上。存在的問題可概括為如下4個方面1）最極端的情況是上述討論過的傳統(tǒng)方法（卡方檢驗、T檢驗等），它們完全忽略了網(wǎng)絡的“邊差異信息”。2）系統(tǒng)生物學中的網(wǎng)絡比較算法和軟件，多是針對網(wǎng)絡拓撲結構特征指標，對“邊”進行操作而不注重“節(jié)點”信息。主要采取網(wǎng)絡對齊、網(wǎng)絡相似性比較或聚類、網(wǎng)絡路徑搜索等方法比較網(wǎng)絡拓撲結構差異。3）生物信息學中的生物網(wǎng)絡比較方法，多數(shù)是對“點”進行標準化使其均值為0方差為1后（無疑損失了點的變異信息），再針對“邊”的差異著重檢測“點”之間的連通性，包括通過節(jié)點中心性比較以尋找關鍵節(jié)點或通路、基于網(wǎng)絡模體頻率比較網(wǎng)絡拓撲差異、基于網(wǎng)絡間不相似性度量構建網(wǎng)絡差異比較統(tǒng)計量、基因芯片差異表達連通分析等。4）尚缺乏考慮有向網(wǎng)絡內(nèi)“邊”的箭頭指向及“上游節(jié)點”對“下游節(jié)點”調(diào)控權重的有向網(wǎng)絡比較方法。為解決以上問題，本研究在系統(tǒng)流行病學框架下，從統(tǒng)計學和系統(tǒng)生物學的雙重視角，審視生物網(wǎng)絡“節(jié)點”與“邊”共變特征，采取“結構拆分→數(shù)理整合”的研究策略，構建融合網(wǎng)絡“節(jié)點”、“邊”和“方向”差異信息的“系統(tǒng)流行病學網(wǎng)絡差異比較的統(tǒng)計分析方法體系”。圖1是本論文的研究框架。如圖11所示，盡管“對比組”間網(wǎng)絡差異類型有5種，若將情形B）、C）、D、E中節(jié)點或邊的去除或增加均看作是情形A）中的“虛擬”點或邊，則所有情形均可歸屬于情形A）此時去掉的點或邊的取值為0，而增加的點或邊的取值為其相應的節(jié)點測量值及相關程度。如圖12所示，假設兩“對比組A、B”的樣本量分別為NA、NB，NANBN。根據(jù)上述“虛擬”點或邊的思想，A、B兩“對比組”對應的網(wǎng)絡均可視為具有M個節(jié)點K條邊。用GAVA，EA表示A組對應的網(wǎng)絡，其中VA（XA1，XA2，，XAM）為其節(jié)點集合。EAIAIJΣAIJ）MM為其邊集合（更詳細的矩陣表達形式見圖1），其中，IAIJ｛1存在節(jié)點XAI與XAJ之間的邊為0其它示性函數(shù)，表示節(jié)點XAI與XAJ之間的連接狀態(tài)，即IA（IAIJ）MM在無向網(wǎng)絡中僅表示節(jié)點XAI與XAJ是否連接，此時IAIJIAJI，而在有向網(wǎng)絡中，當節(jié)點XAJ與XAJ的連接狀態(tài)為XAI→XAJ（I≠J，XAI，XAJ∈VA）時，IAJI1，IAJI0，反之亦然ΣAIJ表示節(jié)點XAJ與XAI之間的連接強度（可用相關系數(shù)等度量）。相應地，GBVB，EB表示B組對應的網(wǎng)絡，其中VBXB1，XB2，，XBM為其節(jié)點集合，EB（IBIJΣBIJ）MM為其邊的集合，而IBIBIJMM為連接狀態(tài)集合。本研究構建“對比組”間網(wǎng)絡差異檢驗統(tǒng)計量的基本策略為“結構拆分→數(shù)理整合”。其基本思想是1）結構拆分先將對比組A與B的網(wǎng)絡GAVA，EA與GBVB，EB的拓撲結構分別拆分為節(jié)點信息（VA，VB）、邊信息（EA，EB）和方向信息（IA，IB），再求兩對比組間相應的節(jié)點信息、邊信息和方向信息的差值（即效應）DVVAVB、DEEAEB和DLIA1B。2）數(shù)理整合通過數(shù)理統(tǒng)計手段，將節(jié)點信息、邊信息和方向信息的差值（效應）DV、DE和DL整合為兩“對比組”間網(wǎng)絡差異（效應）的統(tǒng)計量DIFFDV∪DE∪D該統(tǒng)計量將網(wǎng)絡的“節(jié)點”、“邊”和“方向”差異信息融為一體。在上述研究策略框架內(nèi)（圖1），本論文針對致病網(wǎng)絡差異囊括“節(jié)點”、“邊”和“方向”的共變特征，重點研究了以下幾個關鍵問題1）提出網(wǎng)絡差異比較的“結構拆分→數(shù)理整合”的研究策略。2）整合網(wǎng)絡“節(jié)點”和“邊”的雙重連續(xù)漸變差異信息，發(fā)展了致病通路識別及其效應估計的統(tǒng)計推斷模型（第二章）和無向網(wǎng)絡組間差異比較的得分檢驗方法（第三章）。3）整合網(wǎng)絡“節(jié)點”與“邊”雙重差異信息、以及上下游節(jié)點調(diào)控加權信息，發(fā)展了“有向網(wǎng)絡”組間差異比較的檢驗方法（第四章）。4）基于聯(lián)合密度估計的非參數(shù)方法，建立了致病交互網(wǎng)絡篩選模型并對其預測效果進行了系統(tǒng)評價（第五章）。具體分述如下一、致病通路識別及其效應估計的統(tǒng)計推斷模型研究（第二章）在傳統(tǒng)“黑盒子”流行病學研究中，通常采用病例對照設計或隊列研究分析暴露危險因素與疾病的關聯(lián)性。其策略是通過比較病例組與對照組之間某危險因子的暴露比例而計算（比如吸煙與肺癌之間的65等）或比較暴露組與非暴露組之間的疾病發(fā)病率而計算RR（比如吸煙與肺癌之間的RR55等），以闡明暴露與疾病的關聯(lián)強度。這種基于變量獨立假設的統(tǒng)計推斷方法LOGISTIC回歸、COX回歸等只能提供危險因素與疾病之間的關聯(lián)性及其強度大小，并不能闡明危險因素通過“黑盒子”導致疾病結局的病因鏈及其致病通路。然而，在不明確暴露因素導致疾病發(fā)生、發(fā)展與轉歸的致病通路或網(wǎng)絡的情況下，往往很難有效地預測和評估干預暴露因素的效果，且難以得出令人信服或可重復驗證的結論。鑒于此，流行病學家一直期望能夠打開“黑盒子”，并挖掘特定危險因子致病網(wǎng)絡或通路。盡管病因網(wǎng)絡的概念早己被提出，但由于缺乏有效的致病通路識別及其效應估計的統(tǒng)計推斷方法，流行病學家一直未能實現(xiàn)上述夙愿。為此，本研究在上述系統(tǒng)流行病學研究框架（圖1）下，遵循路徑分析的基本原理，構建了識別致病通路并對其進行統(tǒng)計學假設檢驗的推斷方法。以病例對照研究為例，其基本理念是設病例組中的特定通路為XD1ΒD1→XD2ΒD2→XD1ΒDK→XDK1，若該通路路徑系數(shù)乘積ΠKK1ΒDK≠0，則表明暴露（或生物標記）XD1可以通過該病因鏈將其效應傳遞到生物標記XDK1，其效應量為ΒDΠKK1ΒDK同理，對照組中該通路XC1ΒC1→XC2ΒC2→XC1ΒCK→XCK1的效應量為ΒCΠKK1ΒCK則該通路對疾病的貢獻可用統(tǒng)計量DΒDΒCΠKK1ΒDKΠKK1ΒCK來測量。當H0∶DΒDΒC0成立時，表明上述通路對疾病無效應。本研究將統(tǒng)計模擬與實例分析有機結合，對上述統(tǒng)計量進行了系統(tǒng)科學的評價。主要結果1致病通路識別的檢驗統(tǒng)計量采取如下統(tǒng)計量構建和檢驗策略來識別致病通路1）非參數(shù)BOOTSTRAP置信區(qū)間檢驗方法，其統(tǒng)計量PEMD定義為DΒDΒCΠΒDKKΠK1ΒCK其中K為通路長度，表示該通路中有K1個節(jié)點（變量）和K條邊，ΒDK和ΒCK分別表示病例組與對照組通路中第尼個節(jié)點和第K1個節(jié)點之間的標準化回歸系數(shù)（即路徑系數(shù)）。采用百分位數(shù)BOOTSTRAP置信區(qū)間PERCENTILEBOOTSTRAPCONFIDENCEINTERVAL以及偏差校正后的BOOTSTRAP置信區(qū)間BIASCRECTEDBOOTSTRAPCONFIDENCEINTERVAL進行非參數(shù)檢驗，以檢驗H0∶DΒDΒC0是否成立。2）漸進正態(tài)分布統(tǒng)計量PEMUD統(tǒng)計模擬表明，以下統(tǒng)計量UDΒDΒC√VARΒDVARΒC近似服從正態(tài)分布，其中VARΒD和VAR（ΒC）分別表示ΒD和ΒC的方差，分別采用精確估計THEEXACTESTIMAT方法VARΒEXACTΠKK1S2ΒK十Β2KΠKK1Β2K、無偏估計UNBIASEDESTIMAT方法VARΒUNBIASEDΠKK1Β2KΠKK1Β2KS2ΒK、多元DELTA估計MULTIVARIATEDELTAESTIMAT方法VARΒMULTDELTA△COVΒ1，Β2，，ΒK△T（其中△EΒEΒ1，，EΒEΒK）和BOOTSTRAP方法進行估計。2統(tǒng)計模擬針對上述統(tǒng)計量，在H0∶DΒDΒC0成立的前提下遍歷不同樣本量2，評估其犯第一類錯誤的概率是否穩(wěn)定在給定的檢驗水準Α附近。在H1∶DΒDΒC≠0成立的條件下，設定不同樣本量（N），通路長度（K，效應大?。éうΒC）以及路徑系數(shù)相關模式（即路徑系數(shù)向量的取值模式），評估統(tǒng)計量的檢驗效能。模擬結果顯示1）統(tǒng)計量PEMD采用兩種BOOTSTRAP置信區(qū)間檢驗，統(tǒng)計量PEMUD采用四種方法計算方差，在H0成立的前提下，當樣本量達到200時，其犯第一類錯誤的概率均穩(wěn)定在給定的檢驗水準（Α005）附近（表22）表明所構建的統(tǒng)計量具有良好的穩(wěn)定性。2）對于上述六種情況，在H0不成立時，其模擬結果（見圖22圖24）顯示隨著樣本量和效應Δ的增加，統(tǒng)計量的檢驗效能均呈單調(diào)遞增趨勢固定樣本量及效應Δ時，隨著通路長度K的增加，統(tǒng)計量仍然具有足夠高的檢驗效能，表明統(tǒng)計量檢驗效能不受通路長度的影響固定樣本量及效應Δ時，隨著路徑系數(shù)增大，統(tǒng)計量檢驗效能有所降低，表明在路徑系數(shù)較大時需要更大的樣本量才能達到足夠高的檢驗效能?？傮w而言，在上述六種情形中百分位BOOTSTRAP方法、偏差校正的BOOTSTRAP方法、BOOTSTRAP估計方差法的穩(wěn)定性和檢驗效能均較好，尤其是偏差校正BOOTSTRAP置信區(qū)間的檢驗效能最高。3實例分析采用上述統(tǒng)計量PEMD和PEMUD，分析基于病例對照設計的急性髓性白血病AML分子流行病學數(shù)據(jù)（包含98例患者和35例對照個體的骨髓中T17細胞，TREG細胞和細胞轉化生長因子TGFΒΒ的檢測數(shù)據(jù)）。結果表明除精確估計法外，其余五種方法均發(fā)現(xiàn)通路TREG→TGFΒΒ→TH17與AML具有關聯(lián)性（表23）。實驗性研究也早己證實，TREG、TGFΒΒ和TH17均與AML有關聯(lián)，且TH17細胞和TREG細胞在功能上具有相互抑制作用。我們的研究結果進一步表明通路TREG→TGFΒ→TH17對AML的發(fā)生具有重要意義。結論統(tǒng)計量PEMD和PEMUD均具有良好的統(tǒng)計學性能，可用于識別和檢驗致病通路，其中BOOTSTRAP非參數(shù)檢驗方法更加高效。主要創(chuàng)新點構建了基于路徑系數(shù)連乘積之差的致病通路識別檢驗統(tǒng)計量，為系統(tǒng)流行病學中致病通路識別提供了新方法。二、無向網(wǎng)絡組間差異比較的假設檢驗方法研究（第三章）比較和檢驗對比組間（病例組VS對照組、暴露組VS非暴露組、干預組VS非干預組）網(wǎng)絡的統(tǒng)計學差異，是系統(tǒng)流行病學研究中識別致病通路、闡明暴露因子或干預措施對疾病發(fā)生、發(fā)展與轉歸機制影響的核心任務。然而，目前尚缺乏網(wǎng)絡比較的統(tǒng)計學檢驗方法。對于多數(shù)復雜疾病的致病網(wǎng)絡而言，其“節(jié)點”和“邊”的連續(xù)定量變化譜蘊含著網(wǎng)絡差異的全部信息因此，系統(tǒng)流行病學網(wǎng)絡的差異囊括了“節(jié)點”和“邊”的雙重差異，單純“節(jié)點”或單純“邊”的差異遠不能代表其全部信息的差異。在構建“對比組”間網(wǎng)絡差異比較的統(tǒng)計量時，必須同時包含“節(jié)點”和“邊”的差異即，在統(tǒng)計量中，用對比組間網(wǎng)絡“節(jié)點平均量”的差來刻畫節(jié)點平均水平的組間差異，而用網(wǎng)絡節(jié)點間“邊變化”的差來刻畫節(jié)點相互作用（邊）的差異。當不明確或不考慮網(wǎng)絡中節(jié)點間的方向時，可根據(jù)圖1中無向網(wǎng)絡比較的統(tǒng)計量構建方法，融合經(jīng)典統(tǒng)計量構建策略（例如得分檢驗統(tǒng)計量，似然比檢驗統(tǒng)計量，WALD檢驗統(tǒng)計量），綜合考慮節(jié)點和邊的信息，構建相應的無向網(wǎng)絡比較統(tǒng)計量。本章將借助得分檢驗統(tǒng)計量的理論構建無向網(wǎng)絡比較的統(tǒng)計檢驗方法。其基本思想是，在上述“結構拆分→數(shù)理整合”策略（圖1）中可不考慮方向差異。則兩“對比組”間網(wǎng)絡差異檢驗統(tǒng)計量的一般形式可簡化為DIFFDV∪DE。主要結果1無向網(wǎng)絡組間差異比較的統(tǒng)計量令GD與GC分別表示兩對比組的網(wǎng)絡，并假定GD與GC具有相同的拓撲結構（M個節(jié)點、K條邊）理論上，對比組間（病例組VS對照組、暴露組VS非暴露組、干預組VS非干預組）網(wǎng)絡節(jié)點取值和邊的強度之間的差異，可以表征致病效應或干預效果。以病例對照研究為例，給定病例組與對照組的樣本量分別為ND和NC，當原假設H0∶GDGC成立時，兩組間的對應網(wǎng)絡節(jié)點總體均值相等，即ΜDΜC（I1，，M）同時兩組間各對應邊的強度相等ΒDKΒCK（K1，，K）。根據(jù)得分檢驗SCETEST思想，在H0∶GDGC成立的前提下兩組樣本可合并為NNDNC則對于個體LL1，2，，N，定義Y1｛1L∈病例組（D）0，L∈對照組C其第I個點的取值為XLI。則，節(jié)點XI對兩“對比組”間網(wǎng)絡差異貢獻（即效應大?。┑牡梅譃镈VI∑NL1（YIY）XLI，I1，，M，從而，得到“節(jié)點差異效應”得分向量DV（DV1，DV2，，DVM）T。類似的，第K條邊XIXJ對兩“對比組”間網(wǎng)絡差異貢獻（即效應大?。┑牡梅譃镈EK∑NL1（Y1Y）（XLIXIL）（XLJXIJ），K1，，K從而，得到“邊差異效應”得分向量為DEDE1，DE2，，DEKT。將“節(jié)點差異效應”與“邊差異效應”合并為“網(wǎng)絡差異效應”得分向量DDVDE，該向量的協(xié)方差陣為∑COVDΣPQ（MK）（MK），PQ12，，MK，MK為網(wǎng)絡中所有“節(jié)點數(shù)”與“邊數(shù)”之和。從而，將“節(jié)點信息”和“邊信息”整合到統(tǒng)計量DIFM中DIFMDTΣ1D其中，協(xié)方差矩陣∑可表示為分塊矩陣（ΣVΣVEΣVEΣE）其計算方法如下1對于∑V，PQ12，，MΣPQ∑NL1YLY2COVXP，XQXPX1PX2P，，XNP2）對于∑EPQM1M2MKΣPQΣNL1Y1Y2COVZP，ZQ，ZP（XIXI）（XIXJ）3）對于∑VE，P1，2，，M，QM1，M2，，MKΣPQ∑NL1（Y1Y）2COV（XP，ZQ）。由得分檢驗理論推知，在大樣本情況下，在H∶GDGC成立時，DIFM服從自由度為MK的卡方分布，即DIFM～X2KM。樣本量較小時也可采用PERMUTATION方法進行假設檢驗。2統(tǒng)計模擬針對上述統(tǒng)計量，在H0∶GDGC成立的前提下遍歷不同樣本量（N）以及網(wǎng)絡規(guī)模大小M10，20，40K21，45，54，評估其犯第一類錯誤的概率是否穩(wěn)定在給定的檢驗水準Α附近。在H0不成立的條件下，設定節(jié)點X（X1，X2，，XM）數(shù)據(jù)服從多元正態(tài)分布，模擬如下3種情形，以系統(tǒng)評估統(tǒng)計量的檢驗效能。情形1兩網(wǎng)絡之間只有節(jié)點水平的差異情形2網(wǎng)絡間只有邊（關聯(lián)強度）存在差異情形3網(wǎng)絡間同時存在節(jié)點水平與邊（關聯(lián)強度）的差異。特別地，為進一步評價統(tǒng)計量DIFM對節(jié)點變量分布的穩(wěn)健性，令節(jié)點X（X1，X2，，XM）數(shù)據(jù)為非正態(tài)分布，在部分節(jié)點非正態(tài)（隨機選擇部分節(jié)點，令其為指數(shù)分布）和全部節(jié)點非正態(tài)（令全部節(jié)點為指數(shù)分布）兩種情況下，分別就上述3種情形進行了系統(tǒng)的模擬研究。模擬結果1）在H0GDGC成立的前提下，針對組間網(wǎng)絡對應節(jié)點及邊差異之和所構建的非參數(shù)PERMUTATION統(tǒng)計量VEWDM、只考慮兩組間邊差異的非參數(shù)PERMUTATION統(tǒng)計量YATESD，和本章所構建的卡方分布統(tǒng)計量DIFM三種方法，模擬結果表明，在樣本量達到一定程度時三種方法的犯第一類錯誤的概率均穩(wěn)定在給定的檢驗水準（Α005）附近（表31表32），而卡方分布統(tǒng)計量DIFM在樣本量相對較小時N＞200即表現(xiàn)出良好的穩(wěn)定性。2）在H0不成立的條件下，給定單純節(jié)點差異（如ΜD3ΜC302等）、單純邊差異（如ΒD35ΒC3502等）和節(jié)點與邊均存在差異（如ΜD8ΜC802，ΒD57ΒC5702等）時，模擬結果（圖34圖38）顯示，本章所構建的統(tǒng)計量DIFM與統(tǒng)計量VEWDM及YATESD相比，始終具有最高的檢驗效能。3）特別地，在只存在節(jié)點差異時，正如所期望的那樣，統(tǒng)計量YATESD失去檢驗效能，而統(tǒng)計量DIFM仍然具有很高的檢驗效能。4）在節(jié)點數(shù)據(jù)偏離正態(tài)分布時，本章所構建的統(tǒng)計量DIFM仍然具有最高的檢驗效能，表明DIFM具有良好的穩(wěn)健性。3實例分析將所構建的無向網(wǎng)絡差異檢驗的統(tǒng)計量DIFM應用于麻風病致病網(wǎng)絡比較706例麻風病病例與514例健康對照，結果顯示該統(tǒng)計量具有合理性和實用性，分析結果符合生物學機制。同時，將統(tǒng)計量進一步用于卵巢癌致病通路PI3KAKT與NOTCHC1亞型卵巢癌病人83例，C2C6亞型168例的組間比較，也發(fā)現(xiàn)了符合生物學機制的組間差異。結論統(tǒng)計量DIFM不僅具有良好的穩(wěn)定性、檢驗效能和穩(wěn)健性，而且具有較高的實用性，為系統(tǒng)流行病學研究中無向網(wǎng)絡比較提供了良好的統(tǒng)計學檢驗方法。主要創(chuàng)新點針對無向網(wǎng)絡的特征，采用“節(jié)點信息與邊信息整合得分”的融合策略，構建了網(wǎng)絡組間差異比較的統(tǒng)計量DIFM，為系統(tǒng)流行病學無向網(wǎng)絡比較提供了新方法。三、有向網(wǎng)絡組間差異比較的假設檢驗方法研究（第四章）上述第三章所構建的無向網(wǎng)絡比較的統(tǒng)計量DIFM只注重了節(jié)點差異和邊差異信息，尚未考慮方向信息。然而在系統(tǒng)流行病學網(wǎng)絡比較中，網(wǎng)絡中的方向信息會提供更有價值的致病路徑及暴露（或干預）的作用機制。從而為探討疾病發(fā)生、發(fā)展和轉歸機制，評價干預措施，尋找精準藥物靶點等提供重要依據(jù)。因此，本章將進一步構建有向網(wǎng)絡差異比較的假設檢驗方法。其基本思想是對于有向網(wǎng)絡，網(wǎng)絡差異絕非僅僅是其節(jié)點和邊兩部分差異的簡單合并，還應充分體現(xiàn)網(wǎng)絡拓撲結構所蘊含的方向信息，即調(diào)控網(wǎng)絡內(nèi)“邊”的箭頭指向及“上游節(jié)點”對“下游節(jié)點”的調(diào)控權重。為此，在構建有向網(wǎng)絡比較的統(tǒng)計量時，需將網(wǎng)絡“節(jié)點”、“邊”和“方向”差異信息融為一體，將節(jié)點信息、邊信息和方向信息的差值（效應）DV、DE和DL整合為兩“對比組”間網(wǎng)絡差異（效應）的統(tǒng)計量DIFF（DV∪DE∪D1）。主要結果1有向網(wǎng)絡組間差異比較的統(tǒng)計量令GD與GC分別表示兩對比組的網(wǎng)絡，VGD與EGD分別表示GD中的節(jié)點集合與有向邊集合。當原假設H0∶GDGC成立時，兩組間的對應網(wǎng)絡節(jié)點總體均值相等，即ΜDIΜCI（I1，，M）同時兩組間各對應邊的強度及方向相同ΒDKΒCKK1，，K。用XDIXDJ表示節(jié)點XDI與XDJ之間的有向邊XDIΒDIJ→XDJ，其中ΒDIJ表示XDI對XDJ的調(diào)控強度。令VDI表示節(jié)點XDI的子代節(jié)點數(shù)目，將XDI的權重定義為WDIVDI∑LEVGD）VD1，其含義為XDI的子代節(jié)點數(shù)占全部節(jié)點子代節(jié)點總數(shù)的比例。令VVGD∪VGC，EEGD∪EGC，則，本章構建如下有向網(wǎng)絡組間差異比較的檢驗統(tǒng)計量WNES1KΣXKEV1WDKWCK2XDKXCK√VARXDKVARXCK21MΣXIXJ∈EΒDIJΒCIJ√VARΒDIJVARΒCIJ2其中，WDK，XDK，ΒDIJ分別表示網(wǎng)絡GD中XDI相應的權重、樣本均值以及ΒDIJ的估計值WCK，XCK，ΒCIJ分別為網(wǎng)絡GC中相應的變量。需注意的是K與M分別為節(jié)點集V與邊集E的數(shù)目，如果節(jié)點XK（或邊XIXJ）在GD中存在，但在GC中不存在，則將XCK與其方差（或ΒCIJ與其方差）視為0，反之亦然。統(tǒng)計量中采用的加權形式為AWDKWC2，也可以替換為1OGB（B（WDKWCK2），其中Α與B越小，表示網(wǎng)絡拓撲結構信息（上、下游節(jié)點間的調(diào)控關系）在統(tǒng)計量中占的比重越大。采用PERMUTATION方法進行假設檢驗。2統(tǒng)計模擬針對上述統(tǒng)計量WNES，在H0GDGC成立的前提下，遍歷不同樣本量N、網(wǎng)絡規(guī)模大小M12，35，K15，79以及網(wǎng)絡結構（箭頭多少及方向），評估統(tǒng)計量犯第一類錯誤的概率是否穩(wěn)定在給定的檢驗水準Α附近。在H0不成立的條件下，給定三種網(wǎng)絡方向加權方式（無方向加權、1（WDKWDK）2，LOG22WDWC2），模擬如下5種情形，

簡介：中山大學博士學位論文高維數(shù)據(jù)統(tǒng)計學習及其在人臉識別、微陣列分析中的應用姓名陽文輝申請學位級別博士專業(yè)應用數(shù)學指導教師戴道清20080527中文摘要度矩陣投影；另一種是對類問散度矩陣投影。并且證明了對總的散度矩陣投影可以保持各類樣本之問的線性可分，而對類間散度矩陣投影可以保持各類均值向量之間的距離不變。其次，基于具有較強魯棒性、穩(wěn)定性和有效性的極大問距準則MMC，提出了一種不相關判別分析UDA算法該算法不需要考慮數(shù)據(jù)維數(shù)和樣本數(shù)目的限制，克服了經(jīng)典LDA的局限。由于不是所有的判別向量都是有用的，在判別向量選取階段，我們定義了一個優(yōu)化判別子空間去限制判別向量的數(shù)目，從而建立了一種完全自動化的方式驗證參數(shù)。二基于二維極大間距準則MMC的特征提取在人臉識別中所處理的人臉圖像數(shù)據(jù)都是二維的，如果要使用一維判別分析方法，就必須把人臉圖像矩陣轉化為向量，這種轉化會帶來兩個問題高維小樣本問題和圖像結構信息丟失問題。近年來，二維判別分析正是基于這兩點而成為了人臉識別中的一項新技術。本質(zhì)上，二維判別分析是基于圖像的行或列去找判別向量，從而挖掘出圖像的局部特征，但是從整體上來看，二維判別分析得到的投影矩陣仍然可能含有冗余信息。而一維判別分析是基于整幅圖像去找判別向量，考慮的是全局特征。本文結合二維判別分析和一維判別分析的優(yōu)勢，提出了一個基于兩個處理階段的人臉識別框架“2D2MMCLDA”。第一階段，提出了一個二維雙向特征提取技術F2D2MMC。2D2MMC可以看成是MMC方法在二維數(shù)據(jù)上的直接推廣。第二階段，在2D2MMC的降維子空間里運行LDA。三基于奇異值分解SVD的顯著常量雙聚類方法雙聚類是對微陣列數(shù)據(jù)進行分析的一個重要途徑。使用雙聚類算法，我們可以識別出微陣列中的局部結構模型在特定實驗條件下，部分基因具有一致表達。這種模型可能對我們理解不同生理狀態(tài)下的生物過程提供關鍵的線索。本文將網(wǎng)答，在特定條件下，哪些基因表達上調(diào)，哪些基因表達下調(diào)，哪些基因不顯著等問題。這些信息能為我們提供許多有價值的基因網(wǎng)絡調(diào)控信息。通過特殊的數(shù)據(jù)預處理，尋找特定實驗條件下的表達上調(diào)基因組或表達下調(diào)基因組可以通過檢測顯著常量雙聚類來實現(xiàn)。本文介紹了一種新穎的思想，以SVD為框架，把挖掘基因表達數(shù)據(jù)中的常量雙聚類問題轉換為兩個全局聚類問題。在全局聚類問題中，應用統(tǒng)計方法，我們估計了分層聚類里的剪枝閾值。我們的方法能識別出重要的相互調(diào)控基因組，并且能有效的把相同類型的樣本聚類在一起。在三個公共數(shù)據(jù)庫HUMANTISSUES，LYMPHOMA和LEUKEMIAL上的實驗結果展現(xiàn)了良好的可視化特征和解釋能力。第II頁，共119頁

簡介：西北大學碩士學位論文當代中國科技史科研人員與機構的學科排名一種基于中文期刊信息的統(tǒng)計學分析方法姓名劉旻申請學位級別碩士專業(yè)科學技術史（科技史與科技政策）指導教師曲安京20070401研單位和機構在某一學科的競爭力度模型，并以科學技術史學科為例作了實證研究，給出了該學科強競爭力的科研機構排名。5通過對我國科學技術史期刊文獻的現(xiàn)狀研究分析，找出存在的問題，提出了促進該學科的研究、推動其科學管理的發(fā)展思路和建議。關鍵詞科學史統(tǒng)計學計量學期刊文獻評價作者科研機構N

簡介：海量數(shù)據(jù)分類一直是數(shù)據(jù)挖掘、機器學習和人工智能的研究熱點，海量數(shù)據(jù)分類是應用訓練集構造一個分類器，應用這個分類器能夠完成后續(xù)分類工作。本文深入研究了兩種基于統(tǒng)計學習理論的數(shù)據(jù)分類算法，即樸素貝葉斯分類以及粗糙集分類的工作原理，并針對樸素貝葉斯分類算法的增量分類算法、基于粗糙集的屬性約簡算法等存在的一系列問題，提出了相應的解決方法。針對樸素貝葉斯算法不具有增量分類能力及海量數(shù)據(jù)增量分類算法時間復雜度較大等缺點，提出一種基于空間特征向量的增量貝葉斯算法，給出了將向量空間原理及空間歐氏距離結合獲取樣本特征向量的方法及增量分類過程。仿真實驗結果表明，本文提出的算法在大量樣本參與分類的時候，能夠相對快速并且準確的完成分類任務，能夠給出一個相對準確的樣本分布情況。針對基于SKOWRON差別矩陣的屬性約簡算法存在的應用范圍受限、時間及存儲空間浪費和效率瓶頸等問題，通過提出一種濃縮布爾矩陣的概念，提出了一種基于濃縮布爾矩陣的屬性約簡算法以布爾代數(shù)的形式來解決現(xiàn)有差別矩陣存儲空間大、生成效率低等缺點；給出一種新的用于直接生成分辨函數(shù)最小析取范式的算法，有效改善了算法的時間和空間復雜度，從而提高了屬性約簡算法的效率；另外在約簡率上本文所提算法也有明顯的優(yōu)勢。針對上述所提出的屬性約簡算法不適應動態(tài)變化的對象集、不支持增量式約簡算法等問題，在深入分析新增對象與原決策表對象間的關系的基礎上，提出了一種適用于決策表的增量式屬性約簡算法，實現(xiàn)了對屬性約簡結果的動態(tài)更新、維護和管理，提高了屬性約簡的效率，理論分析和實例驗證表明算法是有效可行的。

簡介：摘要在我國，教育人類學研究始于20世紀80年代初期對少數(shù)民族教育的研究。在經(jīng)歷了引進介紹、獨立探索之后，教育人類學研究已經(jīng)取得了重大進展。目前，這一學科到底發(fā)展到了什‘么程度研究者群體的結構如何還存在哪些問題這門學科的發(fā)展?jié)摿θ绾芜@些問題是凝聚學者共識、加快學科發(fā)展的重要基礎和前提。本文認為，基于中國教育人類學發(fā)展的特殊背景，“教育人類學”這一術語在中國語境下具有廣泛的綜合性、包容性和開放性，涉及了“教育人類學“、“少數(shù)民族教育’’、“多元文化教育”和“跨文化教育”這四個相對獨立而又相互交叉的研究領域。本文從“教育人類學”、“少數(shù)民族教育”、、“多元文化教育”和“跨文化教育”這四個關鍵詞出發(fā)，以中國大陸地區(qū)的教育人類學研究文獻為主，以港臺地區(qū)的教育人類學研究文獻為輔，對中國教育人類學的現(xiàn)狀和發(fā)展進行探究。與以往基于文獻綜述的中國教育人類學歷史回溯研究不同，本文側重于運用文獻計量學原理，從“量”的角度出發(fā)，將中國教育人類學研究文獻分為著作、期刊文章、博士學位論文和碩士學位論文四類進行搜集整理和定量統(tǒng)計，重點從文獻載體的分類、文獻時間的分布、研究教育階段的分析、研究作者的分類、期刊分布五個方面對中國教育人類學的現(xiàn)狀和發(fā)展進行初步分析，并結合定性研究的方法，從總體上綜合探討中國教育人類學研究取得的成就、存在的問題，并提出解決這些問題的對策與建議。論文共分為四章。第一章，導論。本章簡要介紹了中國教育人類學研究的現(xiàn)狀，提出了本T。ABSTRACTLULIIIIIIIIIIIIIIIIILLLIIIILY2137541INCHINA，EDUCATIONALANTHROPOLOGYSTUDYWASSTARTEDFROMMINORITYETHNICGROUPEDUCATIONRESEARCHINTHEEARLY1980S．AFTERBEINGTHROUGHTHEINTRODUCTIONANDINDEPENDENTEXPLORATIONPERIOD，EDUCATIONALANTHROPOLOGYSTUDYHASMADEASIGNIFICANTPROGRESS．ATPRESENT，WHATDEGREEDOESTHISDISCIPLINEDEVELOPT07WHAT’STHEGROUPSTRUCTUREOFRESEARCHERSWHATPROBLEMSSTILLEXISTWHAT’STHEPOTENTIALOFTIFFSDISCIPLINETHESECLUESTIONSARETHEILNPORTANTFOUNDATIONANDPREMISEOFCOMBININGSCHOLARS’COILSELLSUSASWELLASSPEEDINGTIPTHEDISCIPLINEDEVELOPMENTTHISARTICLESUGGESTSTHATBASEDONTILEUNIQUEDEVELOPMENTALBACKGROUNDOFEDUCATIONALANTHROPOLOGYINCHINA．THETERM”EDUCATIONALANTHROPOLOGY”HASTILEFEATURESOFBROADCOMPREHENSIVENESS，INCHLSIVENESS，ANDOPENNESSINCHINESECONTEXTANDITISRELATEDTO”EDUCATIONALANTHROPOLOGY”，”LNINORITYETHNICGROUPEDUCATION”．”MULTICULMRALEDUCATION”AND”CROSSCULTUREEDUCATION”一THESEFOURRELATIVEINDEPENDENTANDMUTUALCROSSFIELDSOFSTUDY．THISARTICLESTARTSFROMPROBINGINTOTHESEFOURKEYWORDS”EDUCATIONALANTHROPOLOGY”，”MINORITYETHNICGROUPEDUCATION”，”MULTICULTURALEDUCATION”AND”CROSSCULTUREEDUCATION¨，MAINLYBYLITERATUREREVIEWOFCHINESEMAINLANDEDUCATIONALANTHROPOLOGYRESEARCH，SUPPLEMENTEDBYLITERATUREREVIEWOT’EDUCATIONALANTHROPOLOGYRESEARCHINHONGKONGANDTAIWAN，EXPLORESBOTHTHECURRENTSTATUSANDDEVELOPLNENTOFEDUCATIONALANTHROPOLOGYSTUDYINCHINADIFFERENTFROMTHEFORMERCHINESEEDUCATIONALANTHROPOLOGYHISTORICALILL

簡介：復旦大學博士學位論文中高能物理與宇宙學中的熱力學統(tǒng)計物理問題姓名尹少禹申請學位級別博士專業(yè)理論物理指導教師蘇汝鏗20100410摘要26通過研究5維反德西特空間中扭曲黑弦的張量引力擾動，我們發(fā)現(xiàn)不同拓撲與不同半徑的黑弦都存在不穩(wěn)定性，這種不穩(wěn)定性的出現(xiàn)取決于擾動在第五維空問中的模式。這一不穩(wěn)定性條件對聯(lián)系動力學不穩(wěn)定性與熱力學不穩(wěn)定性的理論嘗試提出了新的挑戰(zhàn)。7作為附帶介紹關于額外維空問住宇宙學中的相關問題，我們還研究了帶有額外維物質(zhì)I拘DVALIGABADADZEPORRATI膜宇宙中等效暗能量狀態(tài)方程的轉變。數(shù)值結果顯示，額外維物質(zhì)的引入使得有效暗能量狀態(tài)方程能夠發(fā)生轉變，其中額外維物質(zhì)的存在，而不是額外維與膜宇宙之間的能流，對于膜上宇宙的狀態(tài)方程轉變有至關重要的作用。關鍵字熱力學，統(tǒng)汁物理，TJ高能物理，廣義相對論，宇宙學，黑洞物理學，天體物理學中圖分類號041

簡介：西北師范大學碩士學位論文義務教育第一學段統(tǒng)計教學策略研究姓名熊永梅申請學位級別碩士專業(yè)學科教學數(shù)學指導教師呂世虎20071101ABSTRACTSTATISTICS，ASCIENCECLOSELYRELATEDWITHLIFE，ISWIDELYAPPLIEDTOLIFEANDMANYACHIEVEMENTSANDADVANCESINOTHERSCIENCEFIELDSHAVEFURTHERPROVEDTHERESPLENDENCYANDIMPORTANCEOFMATHEMATICALSTATISTICSPEOPLEAREATTACHINGMOREANDMOREIMPORTANCETOTHETEACHINGOFSTATISTICSITSCURRICULUMFEATURESANDSTUDENTS’AGESANDCHARACTERISTICSINSTUDYINGSTATISTICSSHOULDBESERIOUSLYCONSIDEREDINTHEFIRSTSTAGEOFCOMPULSORYEDUCATIONDUETOCONDITIONALTEACHINGIDEALINTEACHINGSTATISTICSTHESCHOOLSSUFFERINGFROM“THREEDIFFICULTIES“，VIZDIFFICULTTOLEARNDIFFICULTTOTEACHINGANDDIFFICULTTOSOLVEEXERCISEPROBLEMSSO“FORCEFEEDDUCK“TEACHINGMETHODSSUCHASEMPHASIZINGKNOWLEDGE，L蟛CALANDFORMALTRAININGDOESNOTFITFORTHESTUDENTS’DEMANDSTEACHINGINSTATISTICSSHOULDBETRANSFERREDFROMTHETEACHERSCENTRETOSTUDENTS’ACTIVITYCENTRESTUDENTSWILLOBTAINHARMONIOUSDEVELOPMENTNOTONLYINMATHEMATICALKNOWLEDGEANDABIFITYBUTALSOINEMOTIONATTITUDEANDVALUEOFPRICETHETEACHINGOFSTATISTICSWILLPLAYITSREALROLEINTRAININGAPPLIEDTECHNICIANSGUIDED喇THMODERNEDUCATIONALPSYCHOLOGYANDCOMBINEDWITHTHEAUTHOR’SYEARSOFTEACHINGEXPERIENCE，THEPAPERAIMSATSOLVINGTHECONCRETEPROBLEMSINTEACHERSANDSTUDENTSTHEAUTHORBORROWEDTHERESEARCHRESULTSOFMANYEXPERTSANDCRAFTBROTHERSAPPLYINGTHEMETHODOFLITERATUREANALYSISBASEDONTHESUCCESSFULAPPLICATIONOFSOMECASESINSTATISTICSTEACHINGTHISPAPERHASPUTFORWARDSIXTEACHINGTACTICSINTEACHINGSTATISTICS1DESIGNTHESTATISTICSTEACHINGBASEDONTHECHILDREN’SPHYSICALANDPSYCHOLOGICALCHARACTERISTICS2UPGRADETHEPROFESSIONALQUALITIESOFTEACHERTHEMSELVESANDIMPROVETHEEFFICIENCYOFSTATISTICSTEACHING3STIRTHESTUDENTS’INTERESTINLEARNINGSTATISTICSBYGAMESANDEXAMPLESINREALLIFE4ADAPTTHETEACHINGMATERIALOPPORTUNELYACCORDINGTOTHEPRACTICALSITUATIONANDREGIONALCHARACTERISTICSOFSTUDENTSTOAROUSETHESTUDENTS’INTERESTINLEARNINGSTATISTICS5PAYMOREATTENTIONTODEVELOPTHESTATISTICSTHINKINGOFSTUDENTSGUIDETLESTUDENTSPRACTICETHESTATISTICS6EXCAVATETHETEACHINGMATERIALOFTHESTATISTICS，PAYMOREATTENTIONTODEVELOPTHESTUDENL／KEYWORDSCOMPULSORYEDUCATION；STATISTICS；INNOVATIVELEARNING；TEACHINGTACTICM