《数理统计》课程教学大纲.docx
《数理统计》教学大纲
课程名称：数理统计课程编号：F094091581
英文名称：MathematicalStatistics
学时：48学时 学分：3学分
开课学期：第4学期
适用专业：数据科学与大数据专业
课程类别：理论课
课程性质：专业基础课
先修课程：数学分析、高等代数、概率论
一、课程的性质及任务
《数理统计》课程是数据科学与大数据技术专业学生的专业基础课，是培养数据分析人才整体知识结构的重要组成部分。
通过本课程的学习，使学生能够理解统计学基本思想；具备将数理统计的基本思想、理论和方法综合应用于不同领域数据分析能力；能够应用R软件处理不同领域数据并对分析结果进行合理解释，为进一步学习后续课程和实际应用打下良好的基础。
依据河北工程大学数据科学与大数据技术专业培养计划，本课程需要培养学生的能力是：
能够掌握数理统计方法基本思想和相关方法用于识别大数据工程问题解决方案的比较与综合（毕业要求指标1.4）
能够运用数理统计的基本概念、原理和数据科学与大数据技术的专业知识，识别和判断复杂工程问题的关键环节和参数（毕业要求指标2.1）
能够对采集到的实验数据进行整理、分析和解释，并能通过数理统计方法得出有效结论（毕业要求指标4.3）
熟练掌握利用Python语言进行工程数据分析（毕业要求指标5.1）
二、课程目标与要求
2.1课程目标
能够理解数理统计方法的基本概念，理解统计思维的重要性。
能解释参数估计方法的基本思想，能准确应用点估计和区间估计方法解决复杂工程数据问题。
能解释假设检验基本思想，区间估计和假设检验的联系，能准确应用假设检验方法解决复杂工程数据问题。
数理统计本科课程教学大纲
PAGE14
PAGE69
2.2课程目标与毕业要求对应关系
毕业要求二级指标
毕业要求
1
2
3
●
1.4能够将数据科学与大数据技术相关知识用于大数据工程问题解决方案的比较与综合
1.能够掌握数理统计方法基本思想和相关方法用于识别大数据工程问题解决方案的比较与综合。
●
2.1能够运用数据和自然科学的基本概念、原理和数据科学与大数据技术的专业知识，识别和判断复杂工程问题的关键环节
2.能够运用数理统计的基本概念、原理和数据科学与大数据技术的专业知识，识别和判断复杂工程问题的关键环节和参数。
●
4.3能够对采集到的实验数据进行整理、分析和解释，并能通过信息综合、算法设计得出有效结论
3.能够对采集到的实验数据进行整理、分析和解释，并能通过数理统计方法得出有效结论
●
●
5.1掌握基本的大数据开发环境的配置和应用，熟练掌握软件开发语言（如Python、Java语言等），并能够运用集成开发环境进行复杂程序设计
4.熟练掌握利用Python语言进行工程数据分析
2.3课程目标与培养环节对应矩阵
序号
课程目标
理论教学
课内实验
课后作业
1
能够理解数理统计方法的基本概念，理解统计思维的重要性。
H
L
2
能解释参数估计方法的基本思想，能准确应用点估计和区间估计方法解决复杂工程数据问题。
M
L
3
能解释假设检验基本思想，区间估计和假设检验的联系，能准确应用假设检验方法解决复杂工程数据问题。
M
L
注：H表示该能力的在此环节重点培养；M表示该能力在此环节有应用要求；L表示该能力在此环节有所涉及。
Python程序设计课程教学大纲
PAGE2
PAGE102
2.4目标达成度的评价
课程目标1主要通过理论教学环节进行培养，在课后作业中有所涉及。主要通过课堂讨论、课后作业和期末考试中概念性、原理性题目进行考核。目标达成综合以上内容进行评价。
课程目标2主要通过理论教学环节、课后作业进行培养，在课后作业中有应用要求。主要通过课堂讨论、课后作业（计算、Python程序实现）和期末考试中概念性、原理性、计算题目进行考核。目标达成综合以上内容进行评价。
课程目标3主要通过理论教学环节、课后作业进行培养，在课后作业中有应用要求。主要通过课堂讨论、课后作业（计算、Python程序实现）和期末考试中概念性、原理性、计算题目进行考核。目标达成综合以上内容进行评价。
三、教学方法及手段
理论教学以课堂讲授为主，面向基础知识的准确、扎实掌握，突出对统计方法原理的分析、对方法的总结以及理论体系的完整建立；
理论教学强调将不同统计方法与不同领域数据相联系，面向知识的实际应用；
理论教学注重本课程与高等数学（1）-（2）、线性代数、概率论基础、Python程序设计等先修课程的联系，以不同领域数据分析需求作为本课程知识的应用背景，基于数理统计基本方法对数据进行分析、解释。
理论教学与课下相结合，进行数理统计方法的应用与训练。
课程强调学生的自主学习，强调通过自学的方式消化、吸收课程的庞大知识量，并在此基础上