統計學編程

㈠ 統計出身的想自學計算機編程，成為程序員，應該學點什麼

建議學好了C語言，學C++，學好了C++就能找一份很不錯的工作

C++應用領域
1.游戲
C++的效率是一個很重要的原因。

2.科學計算
在科學計算領域，FORTRAN是使用最多的語言之一。但是近年來，C++憑借先進的數值計算庫、泛型編程等優勢在這一領域也應用頗多。

3.網路軟體
C++擁有很多成熟的用於網路通信的庫，其中最具有代表性的是跨平台的、重量級的ACE庫，該庫可以說是C++語言最重要的成果之一，在許多重要的企業、部門甚至是軍方都有應用。

4.分布式應用。

5.操作系統
在該領域，C語言是主要使用的編程語言。但是C++憑借其對C的兼容性，面向對象性質也開始在該領域嶄露頭角。

6.設備驅動程序
也是因為效率的原因。

7.移動（手持）設備。

8.嵌入式系統。

9.教育與科研。

10.部分行業應用。

11.其他應用。

㈡ 考研考應用統計的話哪個方向不需要學編程這一類的呢

連心理學統計都要學編程。。。。

㈢ 統計學就業方向和前景

就業方向：

1、政府部門、統計局、各級管理部門等。政府部門一直是統計學畢業生比較理想的就業方向。主要從事普查、各種指數計算、報告編寫等。

2、銀行、保險、證券公司等金融部門。主要從事金融行業的用戶分析、風險分析，如一些高校開設了風險管理與精算方向，畢業生可以從事精算師等非常熱門的職業。想要在這個方向發展需要學好各種模型、統計軟體並補充一些經濟、證券、財務等知識。

3、市場調查公司、咨詢公司、各公司的市場調研部門、各公司的人力資源部門和工業企業的質量監測部門等。這一方向主要是各公司的調研部門從事問卷設計、整理和分析數據、撰寫數據報告等工作，也是該專業比較傳統的就業方向。

4、互聯網行業。這一方向主要是在互聯網公司做數據挖掘。從事這一方向除了傳統統計學外，還要掌握一些編程、資料庫語言的知識。

就業前景：隨著大數據時代的來臨，統計學和數據分析更是發生了革命性的變化。各行各業都產生了大量的數據。這些數據都需要用統計方法進行挖掘分析應用，才能成為有價值的信息資產。計算機和大數據為統計學帶來了廣闊的市場前景，帶火了統計學專業，統計學的熱潮已從研究生蔓延到本科。

統計學專業發展趨勢：

21世紀是知識經濟的時代，信息技術、計算機技術為統計學理論與方法的發展將產生巨大的推動作用。知識創新是時代的基本特徵。統計學理論與方法的創新必將為眾多領域和學科的發展體現出應有的價值。

統計學與其他學科的緊密結合將產生新的邊緣學科，許多學科的發展將依賴於統計理論與技術的應用，更為復雜數據的處理方法將成為統計理論界研究的熱點，實用快捷的統計方法與技術將更加普及。

㈣ 統計學專業出身，編程，資料庫能力強，精通統計分析軟體，這種情況的可以往哪些行業發展

女的嗎？可以往東莞服務行業發展。別人要你幫忙做作業，千萬不要答應，要有原則，賣身不賣藝。

㈤ 學統計學應該學哪個軟體SPSS SAS Matlab 還是R

學統計學SPSS SAS Matlab R這些軟體都要學。SPSS適合入門，SAS在數據處理方面更強，R跟MATLAB更靈活可以很方便的自己寫演算法。

統計學是通過搜索、整理、分析、描述數據等手段，以達到推斷所測對象的本質，甚至預測對象未來的一門綜合性科學。其中用到了大量的數學及其它學科的專業知識，它的使用范圍幾乎覆蓋了社會科學和自然科學的各個領域。

統計學的英文statistics最早源於現代拉丁文statisticum collegium（國會）以及義大利文statista（國民或政治家）。德文Statistik，最早是由Gottfried Achenwall於1749年使用，代表對國家的資料進行分析的學問，也就是「研究國家的科學」。在十九世紀統計學在廣泛的數據以及資料中探究其意義，並且由John Sinclair引進到英語世界。

統計學是一門很古老的科學，一般認為其學理研究始於古希臘的亞里斯多德時代，迄今已有兩千三百多年的歷史。它起源於研究社會經濟問題，在兩千多年的發展過程中，統計學至少經歷了「城邦政情」，「政治算數」和「統計分析科學」三個發展階段。所謂「數理統計」並非獨立於統計學的新學科，確切地說：它是統計學在第三個發展階段所形成的所有收集和分析數據的新方法的一個綜合性名詞。概率論是數理統計方法的理論基礎，但是它不屬於統計學的范疇，而屬於數學的范疇。

㈥ 經濟統計學需要會編程么

不需要

本人經濟統計學碩士，去的外企。不用會編程，一樣月入3萬+（不包括分紅獎金）

㈦ 學統計學計算機一定得學得好嗎大一用不用買電腦

當然，只要堅持學一定能學好，大一需要買電腦。
統計學於計算機專業的聯系：

縱觀統計學的發展狀況，與整個科學的發展趨勢相似，統計學也在走與其他科學結合交融的發展道路。歸納起來，有兩個基本結合趨勢。

一、統計學與實質性學科結合的趨勢

統計學是一門通用方法論的科學，是一種定量認識問題的工具。但作為一種工具，必須有其用武之地。否則，統計方法就成為無源之水，無用之器。統計方法只有與具體的實質性學科相結合，才能夠發揮出其強大的數量分析功效。並且，從統計方法的形成歷史看，現代統計方法基本上來自於一些實質性學科的研究活動，例如，最小平方法與正態分布理論源於天文觀察誤差分析，相關與回歸源於生物學研究，主成分分析與因子分析源於教育學與心理學的研究。抽樣調查方法源於政府統計調查資料的搜集。歷史上一些著名的統計學家同時也是生物學家或經濟學家等。同時，有不少生物學家、天文學家、經濟學家、社會學家、人口學家、教育學家等都在從事統計理論與方法的研究。在應用過程中對統計方法進行創新與改進。另外，從學科體系看，統計學與實質性學科之間的關系絕對不是並列的，而是相交的，如果將實質性學科看作是縱向的學科，那麼統計學就是一門橫向的學科，統計方法與相應的實質性學科相結合，才產生了相應的統計學分支，如統計學與經濟學相結合產生了經濟統計，與教育學相結合產生了教育統計，與生物學相結合產生了生物統計等，而這些分支學科都具有「雙重」屬性：一方面是統計學的分支，另一方面也是相應實質性學科的分支，所以經濟統計學、經濟計量學不僅屬於統計學，同時屬於經濟學，生物統計學不僅是統計學的分支，也是生物學的分支等。這些分支學科的存在主要不是為了發展統計方法，而是為了解決實質性學科研究中的有關定量分析問題，統計方法是在這一應用過程中得以完善與發展的。因此，統計學與各門實質性學科的緊密結合，不僅是歷史的傳統更是統計學發展的必然模式。實質性學科為統計學的應用提供了基地，為統計學的發展提供了契機。21世紀的統計學依然會採取這種發展模式，且更加註重應用研究。
這個趨勢說明：統計方法的學習必須與具體的實質性學科知識學習相結合。必須以實質性學科為依據。統計的工具屬性才能夠得以充分體現。

二、統計學與計算機科學結合的趨勢

縱觀統計數據處理手段發展歷史，經歷了手工、機械、機電、電子等數個階段，數據處理手段的每一次飛躍，都給統計實踐帶來革命性的發展。上個世紀40年代第一台電子計算機的誕生，給統計學方法的廣泛應用創造了條件。20年代發展起來的多元統計方法雖然對於處理多變數的種類數據問題具有很大的優越性，但由於計算工作量大，使得這些有效的統計分析方法一開始並沒有能夠在實踐中很好推廣開來。而電子計算機技術的誕生與發展，使得復雜的數據處理工作變得非常容易，那些計算繁雜的統計方法的推廣與應用，由於相應統計軟體的開發與商品化而變得更加方便與迅速，非統計專業的理論工作者可以直接憑借商品化統計分析軟體來處理各類現實問題的多變數數據分析，而無需對有關統計方法的復雜理論背景進行研究。計算機運行能力的提高，使得大規模統計調查數據的處理更加准確、充分與快捷。目前企業經營管理中建立的決策支持系統（DSS）更加離不開統計模型。最近國外興起的數據挖掘（Data mining,又譯「數據掏金」）技術更是計算機專家與統計學家共同關注的領域。隨著計算機應用的越來越廣泛，每年都要積累大量的數據，大量信息在給人們帶來方便的同時也帶來了一系列問題：信息過量，難以消化；信息真假，難以辨識；信息安全，難以保證；信息形式不一致，難以統一處理；於是人們開始提出一個新的口號「要學會拋棄信息」。人們考慮「如何才能不被信息淹沒，而是從中及時發現有用的知識，提高信息利用率？」面對這一挑戰，數據挖掘和知識發現（DMKD）技術應運而生，並顯示出強大的生命力。數據挖掘就是從大量的、不完全的、有雜訊的、模糊的、隨機的實際應用數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據挖掘是一門交叉學科，它把人們對數據的應用從低層的簡單查詢，提升到從數據中挖掘知識，提供決策支持。在這種需求牽引下，匯聚了不同領域的研究者，尤其是資料庫技術、人工智慧技術、統計、可視化技術、並行計算等方面的學者和工程技術人員，投身到數據挖掘這一新興的研究領域，形成新的技術熱點。雖然統計學家與計算機專家關心Data mining的視角不完全相同，但可以說，Data mining與DSS一樣，使得統計方法與計算機技術的結合達到了一個更高的層次。

因此，統計學越來越離不開計算機技術，而計算機技術應用的深入，也同樣離不開統計方法的發展與完善。這個趨勢說明：充分利用現代計算技術，通過計算機軟體將統計方法中復雜難懂的計算過程屏障起來，讓用戶直接看到統計輸出結果與有關解釋，從而使統計方法的普及變得非常容易。所以，對於財經類統計專業的學生來說，一方面要學好統計方法，但另一方面更加要學會利用商品化統計軟體包解決實踐中的統計數量分析問題，學好計算機信息系統開發的基本思想與基本程序設計，能夠將具體單位的統計模型通過編程來實現，以建立起統計決策支持系統。

所以統計與實質性學科相結合，與計算機、與信息相結合，這樣才能使統計工作更加的便捷，增強工作效率更好的服務社會。

計算機專業：

本專業是計算機硬體與軟體相結合、面向系統、側重應用的寬口徑專業。通過基礎教學與專業訓練，培養基礎知識扎實、知識面寬、工程實踐能力強，具有開拓創新意識，在計算機科學與技術領域從事科學研究、教育、開發和應用的高級人才。本專業開設的主要課程有：電子技術、離散數學、程序設計、數據結構、操作系統、計算機組成原理、微機系統、計算機系統結構、編譯原理、計算機網路、資料庫系統、軟體工程、人工智慧、計算機圖形學、數字圖像處理、計算機通訊原理、多媒體信息處理技術、數字信號處理、計算機控制、網路計算、演算法設計與分析、信息安全、應用密碼學基礎、信息對抗、移動計算、數論與有限域基礎、人機界面設計、面向對象程序設計等。

㈧ 統計學專業需要自學編程嗎

要，我看師弟做這塊經常要編程，崗位不同用的軟體也不一樣，先學好sas這種價值比較大。我自己是做統計報表工作那塊的，要學多點財務知識。

㈨ 請問各類數據統計分析和編程語言：Access, VBA, SQL, Python, SAS, Matlab, etc. 這些有什麼區別和聯系

首先你得對他們進行分類：
資料庫：Access、SQL、Oracle
數據分析類型：SAS、Matlab、Python、VBA
流行編程軟體：Python
其中作為資料庫現在以Oracle和SQL最流行，僅僅是管理資料庫而已
數據分析最老的是SAS，擁有大多的庫和包
Matlab相當於一個大型的計算器，對於計算非常簡單，也具備編程的效果，但是運行過慢
Python是現在主流的編程軟體之一，屬於綜合型軟體，數據分析、建站等都可以
VBA是VB衍生出來的軟體，excel自帶，具有VB的一些特性，實行軟體化非常簡單，同時也繼承了運行速度慢的基因
不知道你要走哪一行，所以不知道你會用到哪一些