熟练掌握几种常用的离散型、连续型随机变量的函数命令；熟练掌握常用的描述样本数据特征的函数命令（如最值、均值、中位数（中值）、方差、标准差、几何平均值、调和平均值、协方差、相关系数等）；掌握常用的MATLAB统计作图方法（如直方图、饼图等）；能用MATLAB以上相关命令解决简单的数据处理问题；熟练掌握常用的参数估计和假设检验的相关的函数命令；能用参数估计和假设检验等相关命令解决简单的实际问题。

可以从统计研究对象的特征入手，实施以总体性为思维脉络的教学内容和以统计工作环节进行实操训练的教学方法。

  统计总体应该是数量的、变异的、随机的和具有规律性的，统计教学内容可以用总体性思维脉络作为主线进行安排

在大数据时代，传统的统计学面临着以下的挑战：
（1）全样而非抽样.不再依赖于抽样推断总体，抽样推断是信息缺乏和信息流通受限制的产物
（.2）效率而非精确.研究数据如此之多，不再热衷追求精确度，当数据数量较小时，精确很重要，因为所谓“差之毫厘便失之千里”.但在样本=总体的大数据时代，一方面有多少偏差就是多少偏差而不会被放大，另一方面快速获得一个大概的轮廓和发展脉络，就要比严格的精确性要重要得多
（.3）相关而非因果.原来人们通过因果关系进行预测，但现在已经可以通过大数据的相关关系进行预测了，也即，大数据时代只需要知道是什么，而无需知道为什么.
统计学从2011年2月后上升为一级学科后完全从数学和经济学中独立出来，成为了名副其实的一级学科.这是我国统计事业和教育工作的机遇也是挑战，也是完善统计人才培养体系的上层设计.

统计学专业的人才培养严重滞后于市场需求，即需求和供给信息不对称
主要表现为：社会需要大量的统计人才，而一般理工院校毕业的统计学专业学生又没法就业.2010年5月，教育部阳光高考网站公布了中国大学“红黄绿牌”专业名单，统计学被列为黄牌专业之一，意味着该专业学生失业量较大，就业率持续走低，且薪资较低.需求与就业方面的矛盾主要原因在于培养统计人才的过程中，没有与时俱进培养的统计专业的学生和社会需要的统计人才差距太大.一般理工科院校的统计专业都比较弱，实习条件差，学生基本处于简单的理论了解上，根本没上升到应用上.具体表现首先是教学模式单一，目前主要是以课堂教学、理论讲述为主，课程设置不合理，课程设置单一大数据统计相关支撑学科涉及的太少，学生的统计软件研发和应用能力低，编写统计程序的能力太弱，导致了大部分统计专业的学生毕业后根本不会做具体行业的统计，其次是教学实践环节弱，单一的理论教学，没有相应的教学实践，学生不能完成知识到能力的转化等.

实际工作中统计的原始数据准确性不高，统计结果精度低、统计出的结果与实际相差大
统计的目的是做推断和预测，为相关决策提供依据和参考.因此，高质量的统计数据是决策正确与否的保证.但当前，由于各种原因，统计数据与实际出入很大.以国家统计局的官方数据为例，国家统计局每年对于工资、房价等统计出的数据普遍会受到民众的质疑，质疑的原因在于统计数据与民众的切身感受差距很大.造成这个问题的深层次原因主要在于现行的统计方法在重要数据上大多沿用计划经济之初的统计方法，很多公众的统计数数据受社会 影响较大.

大数据时代交叉统计人才紧缺
统计学是一门系统学科,只有与其他学科纵横交错,才能发挥自己的作用.在大数据时代，需要我们对“海量”的数据进行处理、分析、挖掘，那就需求充分掌握统计和信息技术的复合型人才.而目前研究的高校的统计人才培养主要是从数学角度出发课程设置仅涉及到到统计学专业知识,而对技术、分析、管理技能；深度定量研究技能；其他跨学科技能，如生物学、社会学、经济学、环境学；数据开发的伦理观念；以及发现数据缺陷的洞察能力都没有涉及到，这样以培养的统计人才在统计时不会处理数据，等方面都很弱.

建立复合性、前沿性、符合社会实践需要的人才培养目标
准确定位大数据时代统计专业人才的培养目标.人才培养目标不是一成不变的，而是应该根据市场的需求不断调整变化的动态目标，培养目标的准确定位是提升统计专业人才培养质量的关键.培养目标的定位要有前沿性，对社会相关领域要有准确的预测.不能仅仅面对眼前，要做到着手眼前面向未来，随着大数据时代的来临，以往单一的培养目标在有些方面已经不和时宜.

优化课程设置，培养复合型人才，建立跨学院跨学校间的选课体系
大数据时代对统计人才的要求不仅仅停留在对统计知识的掌握，需要的是复合型人才，是对数学、统计学、机器学习等方面知识的综合掌控.在这一前提条件下，课程设置应该有针对性的区分，做到针对不同领域的统计学课程设置，借鉴研究生的课程设置.可以在大一主要设置统计学的基础知识的课程，大二，大三开始分不同领域的统计学配套专业知识的课程，这样以来可以是学生根据自己的知识情况和爱好及社会需求向不同领域发展，例如喜欢对经济学统计分析的学生可以学习经济学方面的知识，喜欢对社会学统计分析的学生可以学习社会学知识等，要解决这一问题，应该形成跨学院选课制度体系或跨学校间的选课体系

学生选课主要局限在本学院，例如统计学在数学学院，那么统计学的学生只能选数学学院设置的课程，而数学学院的课程基本上是单纯数学方面的课程，基本上没有学生选经济学院，生物学院等其他学院的课程.桂林是广西高校相当集中的地方，有师范大学，航天类大学，医学院，旅游类大学等如果能建立学生跨学校间的选课制度，就能实现统计和具体专业相结合，而打破纯抽象的数据.

在大数据时代，统计学是一门应用性特别强的学科，统计与分析是人认识社会了解社会现实及其他领域的科学准确，具体的手段与方法，统计数据，统计图可以使语言描写不清的问题一目了然，分析与预测可以是决策层作出科学准确的决策.因此在教学中，教师要广泛运用现代化的教学手段与教学方法，以增强其直观性、可操作性和实践性.突破“填鸭式”的教学方法，针对不同类型和层次的课程，可以采用多媒体教学、案例教学、项目教学、课堂讨论、模拟实训等方法与手段.特别是在现有课程设置的局限上应积极采用案例分析教学方法，同时要有教师在案例选择上，针对的面要广，涉及的范围要全面，放开书本的条条款款，从案例入手，用案例贯穿整个知识，作业布置也应该以案例为主，应该把学生分成3-5人一组，每一组的案例所涉及的领域都应该不一样，等作业完成后各组再互相交流讨论.考核也不能只局限以卷面试，应该建立作用评议、考试、档案袋评价法多种形式的综合考评体系

更新教育理念，创新教学手段、教学方法、及考核体系

学校应该积极和社会联系，取得社会对大数据统计分析的信任形成决策有据可参的社会工作作风.学生以青年志愿者组织形式定期对社会相关部门的数据提供分析，为部门反馈分析结果以供部门决策参考.例如环境部门，交通部门，医院等，学生也应该时常深入社会和企业中去收集采集原始数据.

要培养适合社会需求的人才，教师队伍是关键.那么大数据时代背景下，统计人才培养模式中的关键因素是师资队伍建设，师资队伍建设应该首先发展，教师应该掌握各行业统计的规律，明确统计在各行业的作用和具体方法，掌握大数据在统计学发展的世界前沿知识.我们可以采用“引进来，走出去”的策略.一方面，积极争取引进优秀人才，聘任具有丰富的统计从业经验的企业高层管理人员、高级技术人员担任客座教授,也可适当聘请兄弟院校专家作为兼职教师.另一方面，可以选派优秀骨干教师到到兄弟院校或国外学习进修,不断更新知识.同时,要注意国内国际统计学术动态和人才交流,密切与统计科研和应用部门的信息沟通,促进与国际统计接轨

大数据时代面临的统计挑战

新型教学模式的尝试

在试点专业实施教学翻转全新教学模式的尝试，将传统的“课堂教学”拓展为课上讨论课下自主学习、线上交流线下实践的教学方式。学生在课下利用网络学习平台，观看微课视频，学习掌握知识要点，并找出学习过程中遇到的难点，通过微信、QQ群以及教学交流讨论区等多种网络方式与同学交流或者请教老师。然后，在视频学习的基础上，学生完成视频最后布置的针对性练习。课上，教师集中回答问题，讲解习题答案，了解学生对知识的掌握程度。全新的教学内容，融入任务驱动教学、主题构建教学等多样教学方法，兼容概念理论、逻辑分析、实践操作于一体，构建了全新的教学翻转模式。

通过模型理论介绍、建模步骤流程图、结合权威文献模型选择等实现，零计量、Stata基础，照样做好计量实证分析。还赠送Eviews操作高清视频哟！