应用统计学思考题,应用统计学在大数据背景下的应用与创新

一、软件介绍

　　1.spss

　　SPSS原名statistical Package for Social Sciences(社会科学统计软件包)，目前被IBM收购，但改名后仍叫SPSS。但它的全称是statisticalproductandandd，除了基本的统计分析功能外，还提供了非线性回归、聚类、主成分分析(PCA)和基本的时间序列分析。SPSS可以执行一些简单的数据挖掘任务，如K-Means聚类，但数据挖掘的主要任务一般由克莱曼婷(现在称为SPSS Modeler)完成。另外，SPSS Modeler的建模功能非常强大，非常智能。同时，您可以使用您的CLEF(克莱曼婷扩展框架)框架和Java来开发新的建模插件并对其进行扩展。

　　2.稀有

　　r是一个完整的数据处理、计算和绘图软件系统。其功能包括：数据存储和处理系统；数组运算工具(在向量和矩阵运算方面尤其强大)；一致的统计分析工具，优秀的统计映射功能，简单强大的编程语言：可以操作数据输入输出，实现分支循环，用户可以自定义功能。r与其说是一个统计软件，不如说是一个数学环境。因为R只提供了一些统计程序，而不是用户只需要指定数据库和一些参数就可以做出统计分析。R的思路是可以提供多种综合统计工具，但更重要的是可以提供各种数学计算和统计计算功能，让用户可以灵活分析数据，根据需求进行创作。

　　3.斯塔塔

　　Stata是一套完整一致的统计软件，可以提供用户数据分析、数据管理和专业图表制作。它提供了许多功能，包括线性混合模型，平衡迭代和多项式专业模式。用Stata画的统计图挺好看的。Stata具有强大的统计功能。除了传统的统计分析方法外，还有Cox比例风险回归、指数和威布尔回归、多重结果和有序结果的logistic回归、泊松回归、负二进制回归和广义负二进制回归、随机效应模型等。近20年来，

　　4.计算机编程语言

　　Python是一种面向对象的解释性计算机编程语言。Python的语法简洁明了。读好的Python程序就像读英语一样。你可以专注于解决问题，而不是理解语言本身。还拥有丰富强大的类库，包括numpy、matplotlib、Pandas的部署。是的，python支持大多数统计分析和建模工作。另外，感谢熊猫，python非常致力于结构化数据的处理。通常被称为粘合语言，它可以很容易地连接其他语言特别是C/C制作的各种模块，一个常见的应用例子是使用Python快速生成一个程序原型(有时是程序的最终接口)，用更合适的语言重写有特殊要求的部分。比如对性能要求高的情况，比如3D游戏的图形渲染模块，可以用C/C重写，封装在Python可以调用的扩展类库中。