刘雨蓉

(宁波工程学院，浙江 宁波 315211)

1 统计学理论与大数据的关联

1.1 内在逻辑关联

在数据分析上，传统统计学理论是利用概率论、数理分析工具来挖掘数据规律，以构建数学模型，大数据分析是通过计算机技术来整合、分析庞大数据库，挖掘数据本质规律，以发挥出对生产的指导作用。相较于以往的统计学分析理论，大数据分析技术更为完善，统计学分析会受到各类人为因素的影响，抽样调查也可能会遗漏数据，应用大数据分析，可以从根本上解决上述问题，提高数据分析的准确性。

1.2 方式的一致性

在传统统计分析与大数据分析上，分析对象均为定量数据，并非抽象事物，因此，在获取数据时，需要通过有效渠道来转化原始信息，形成良好数据形式，因此，从本质来看，传统统计学分析、大数据分析在数据形式上是相同的。

2 统计学理论在大数据时代的应用

大数据的应用符合社会发展趋势，在海量数据中，应用大数据技术，可以做出精准预测，目前，大数据分析已经在各个行业中得到了广泛应用，统计工具也在不断升级、转型，统计学理论与大数据分析的结合也成为大势所趋，针对此来看，统计学理论在大数据时代的应用会表现出几个趋势：

2.1 数据分析、统计学理论之间的结合

应用传统统计抽样方式，无法对庞杂数据来进行分析、处理，也难以展现出大数据的知识密度，获取的分析结果自然不够精确，这无疑会影响数据的挖掘、使用成效。将数据分析、统计学理论之间结合，能够打破传统数据分析模式的限制，充分发挥出大数据的价值。大数据内容多元、混乱，对数据形式准确性要求不高，可以利用统计学分析方式来对比数据变化，同时，大数据对数据精度的要求并不是很高，而是“以量取胜”，更加侧重于整体研究，通过数据分析、统计学理论之间的结合融合了两者优势。

2.2 创新数据分析理念

大数据具有价值、多样、高速、大量4个方面的特点。基于大数据分析的特点，既往相关专家总结出了如下公式，即：大数据=高频海量数据+复杂类型的数据。在大数据时代下，数据分析工作便是对海量数据的分析、归纳、统计、总结，挖掘出其中具有价值的信息和内容，进行对比，以得出具有价值的信息。在数据收集、处理环节中，需要进一步创新数据分析渠道，扩充数据来源，对于相关人员而言，要具备数据积累、处理的意识。大数据具有一定的流动性，在时间的流逝下，数据信息数量会继续增加，因此，相关人员要具备创新化的数据分析理念，让数据真正实现增值，以帮助人们更好地解决问题。

2.3 完善数据分析程序

在信息技术的发展与完善下，对大数据分析技术的应用也提出了更高要求，在具体操作上，需要基于传统数据分析方式来对各类现象进行预测、解释，发挥出大数据在数据分析中的作用，应用多元化的数据分析方式，与实际情况结合，在确保数据分析准确的基础上，优化统计质量管理模式，进一步挖掘大数据的价值，为行业发展注入全新活力。统计学理论在大数据时代的应用主要包括几种方法：

统计学方法：统计学理论主要研究的是概率分布指数族，其内容包括图表指数族、罗协变量信息效应等，应用十分广泛，在统计学理论中，指数族发挥着重要作用，在大数据时代的应用上，也要高度重视该种方法的应用。

大数据建模：基于云计算、大数据支持，快速线上算法也得到了广泛应用，在数据体量较大的情况下，传统的挑选、调取技术无法满足实际需求，此时，即可应用快速线上算法来解决问题。

巨型分布系统建模：在社会经济的发展下，每天都会产生海量数据，对于数据的存储、运行平台提出了更高要求，此时，可借助亿亿兆系统来处理，应用分布式综合大型科学数据库建模，再通过空间降维技术来得出多种算法。

不同类型、形式的大数据思维，其应用领域、重点也各有差异，在具体应用中，需要做到因地制宜，根据数据分析要求来探索有效的解决方法，积极改革传统统计工作，为统计分析的正常运行打下基础。

3 结语

统计学理论在大数据时代的应用需要从多个角度着手，充分结合统计学理论与大数据分析的优势，促进两者的深度融合，做到趋利避害，明确分析目标，排除冗余特殊值，提取出海量信息的规律，继而更好地为实践活动提供指导。