張曉麗

【摘要】首先，本文給出了筆者認(rèn)為的統(tǒng)計學(xué)研究的典型問題究竟是什么；然后，闡述了什么是大數(shù)據(jù)；最后，就筆者的理解淺談了大數(shù)據(jù)時代統(tǒng)計學(xué)究竟還有沒有用武之地.

【關(guān)鍵詞】統(tǒng)計學(xué)；大數(shù)據(jù)；統(tǒng)計分析

一、統(tǒng)計學(xué)研究的典型問題

眾所周知，統(tǒng)計學(xué)是處理數(shù)據(jù)的一門科學(xué).人們給統(tǒng)計學(xué)下的定義很多，比如，《不列顛百科全書》中“統(tǒng)計學(xué)是收集、分析、表述和解釋數(shù)據(jù)的科學(xué)”；《韋伯斯特國際詞典（第3版）》中“統(tǒng)計是一門收集、分析、解釋和提供數(shù)據(jù)的科學(xué)”；Mario F.Triola的《初級統(tǒng)計學(xué)》中“統(tǒng)計指的是一組方法，用來設(shè)計實驗、獲得數(shù)據(jù)，然后在這些數(shù)據(jù)的基礎(chǔ)上組織、概括、演示、分析、解釋和得出結(jié)論”.筆者認(rèn)為，統(tǒng)計學(xué)研究的典型問題是“運用已知數(shù)據(jù)獲得所研究的客觀事物的數(shù)量特征和發(fā)展規(guī)律，利用規(guī)律對所研究的客觀事物的行為進(jìn)行預(yù)測”.

首先，統(tǒng)計學(xué)研究的典型問題的關(guān)鍵之一就是必須有所研究問題的數(shù)據(jù)，這是研究的前提.那么如何獲得已知數(shù)據(jù)呢？我們說可以通過調(diào)查，也可以通過實驗.先來說通過調(diào)查獲得已知數(shù)據(jù)，情況有兩種，一種是抽樣調(diào)查，另一種是普查.給大家舉一個例子，比如，某研究部門想知道其所在城市所有職工家庭的年平均收入.那么，“該城市所有職工家庭的年平均收入”就構(gòu)成了所研究問題的總體.“該城市中的每一個職工家庭的年平均收入”就是總體中的個體.如果要通過抽樣調(diào)查來獲得數(shù)據(jù)，也就是抽取部分個體組成樣本，比如，該部門抽取了2 000個職工家庭的年平均收入作為樣本，那么就獲得了2 000個樣本數(shù)據(jù)（某年的年收入數(shù)據(jù)），這就是通過抽樣調(diào)查獲得的已知數(shù)據(jù).再用這同一個例子來說一說普查.比如，2016年，該研究機構(gòu)對其所在城市中的每一個職工家庭都進(jìn)行了調(diào)查，獲得了每個個體（職工家庭）的2015年的年收入數(shù)據(jù)，這就是通過普查獲得的已知數(shù)據(jù).

當(dāng)然也可以通過實驗來獲得已知數(shù)據(jù)，做實驗的過程就復(fù)雜了.要想通過實驗獲得靠譜的數(shù)據(jù)，首先，得滿足樣本量足夠大，然后，就是要做到隨機.現(xiàn)實中這兩點也不是很容易做到的.例如，假設(shè)我們現(xiàn)在想研發(fā)一種做運動鞋的新材料，看看是不是比舊的材料更耐磨.又假設(shè)我們現(xiàn)在的研發(fā)成本非常高，只能提供4雙樣品鞋.于是，我們找來了8個孩子來試穿，4雙新材料4雙舊材料.看到這兒，第一反應(yīng)是樣本量小了，但是沒有辦法啊，實際情況只允許我們做到這種程度.那么在樣本量無法擴大的前提下，怎么做才能使實驗靠譜呢？我們給每一個孩子隨機選一只腳穿新材料，另一只腳穿舊材料.這樣，每一組新舊材料的對比都是基于同一個孩子的，這就不存在比如，孩子是否喜歡運動等的混淆因素了.

統(tǒng)計學(xué)研究的典型問題的第二個關(guān)鍵點就是需要有合理的統(tǒng)計分析.針對已經(jīng)獲得的已知數(shù)據(jù)也就是樣本數(shù)據(jù)，我們采用合理的統(tǒng)計分析，定會對所研究的客觀事物的數(shù)量特征和規(guī)律進(jìn)行準(zhǔn)確的描述、分析和判斷.

統(tǒng)計學(xué)研究的典型問題的第三個關(guān)鍵點就是對未來的預(yù)測具有不確定性.分兩個方面來給大家闡述.首先，未來必須是未知的，如果所研究的某事物的未來行為或特征是已經(jīng)知道的，那這就不屬于統(tǒng)計學(xué)要研究的問題.其次，預(yù)測必須是不確定的.如果預(yù)測的結(jié)果只有一種，也就是預(yù)測的結(jié)果是確定的，那這也不屬于統(tǒng)計學(xué)要研究的問題.比如，我們想知道人體的骨骼有多少塊骨頭？于是，抽選部分人作為樣本，通過對樣本研究獲得已知數(shù)據(jù)，進(jìn)而來預(yù)測其余未被抽中的人，這種預(yù)測具有確定性，人體骨骼是由206塊骨頭組成.這就不屬于統(tǒng)計學(xué)要研究的問題.再比如，一種新藥出廠后用于臨床試驗獲得已知數(shù)據(jù)，然后對更廣泛的同類型病人的療效做預(yù)測性推斷，具有不確定性.

二、什么是大數(shù)據(jù)

當(dāng)今，“大數(shù)據(jù)”如日中天，似乎已經(jīng)成為人們的流行語，那什么是大數(shù)據(jù)呢？麥肯錫對大數(shù)據(jù)的定義是從數(shù)據(jù)集的“大體量”入手的：大數(shù)據(jù)是指那些規(guī)模大到傳統(tǒng)的數(shù)據(jù)庫軟件工具已經(jīng)無法采集、存儲、管理和分析的數(shù)據(jù)集.維基百科采納了麥肯錫的定義，認(rèn)為大數(shù)據(jù)是一組龐大而復(fù)雜的數(shù)據(jù)集的集合，大且復(fù)雜到難以用現(xiàn)有的數(shù)據(jù)庫管理工具或傳統(tǒng)的數(shù)據(jù)處理應(yīng)用來處理，大數(shù)據(jù)就是一切可記錄信號的集合.狹義地講，大數(shù)據(jù)是一個大樣本和高維變量的數(shù)據(jù)集合.廣義地講，大數(shù)據(jù)涵蓋多學(xué)科領(lǐng)域、多源、混合的數(shù)據(jù)，自然科學(xué)、人文社會、經(jīng)濟學(xué)、通訊、網(wǎng)絡(luò)、商業(yè)和娛樂等各種領(lǐng)域的數(shù)據(jù)集相互重疊連成了一片數(shù)據(jù)的海洋.大數(shù)據(jù)涉及各種數(shù)據(jù)類型，包括文本與語言、錄像與圖像、時空、網(wǎng)絡(luò)與圖形.我認(rèn)為，當(dāng)今流行的“大數(shù)據(jù)”是通過互聯(lián)網(wǎng)獲得的足夠大量的、包含一切數(shù)據(jù)類型的數(shù)據(jù)的集合.

三、大數(shù)據(jù)時代，統(tǒng)計學(xué)是不可或缺的

我們姑且先不去談大數(shù)據(jù)和統(tǒng)計學(xué)中的數(shù)據(jù)誰更全面，誰更方便獲得，誰更相對有代表性；不去談什么樣本和總體，我們就只是來說一說，大數(shù)據(jù)時代，只是有全部的數(shù)據(jù)就足夠了嗎？筆者認(rèn)為當(dāng)然不是.無論是大數(shù)據(jù)還是統(tǒng)計學(xué)中的樣本數(shù)據(jù)最初都是雜亂的、無序的，所以說，大數(shù)據(jù)時代，數(shù)據(jù)的處理、理論分析等的問題就顯得尤為重要了.這些重要問題的解決都離不開統(tǒng)計學(xué)，它需要統(tǒng)計理論和統(tǒng)計分析方法.

就是舍恩伯格和庫克耶也不同意安德森的極端觀點.他們指出“大數(shù)據(jù)絕不會叫囂‘理論已死”，因為“大數(shù)據(jù)是在理論的基礎(chǔ)上形成的”，無論是如何搜集數(shù)據(jù)、分析數(shù)據(jù)、還是解讀研究結(jié)果，都得依賴?yán)碚?“大數(shù)據(jù)時代絕對不是一個理論消亡的時代，相反地，理論貫穿于大數(shù)據(jù)分析的方方面面.”

綜上，即便是在大數(shù)據(jù)時代，統(tǒng)計學(xué)也是不可或缺的.