大数据对统计学的冲击与机遇
浅谈大数据时代统计学的挑战与机遇
浅谈大数据时代统计学的挑战与机遇
随着大数据时代的到来，统计学面临着巨大的挑战和机遇。
本文将从三个方面来谈论
这些挑战和机遇，分别是数据的规模和复杂性、数据的质量和可信度以及统计学的理论和
方法的创新。
大数据时代带来了数据的规模和复杂性的挑战。
传统统计学主要是针对小样本数据的
分析和推断，而大数据时代的数据量巨大、种类繁多，数据的规模和复杂性远远超过了传
统统计学所能处理的范围。
这就要求统计学家具备更强的计算和编程能力，能够运用高效
的算法和工具来处理大规模的数据，从而实现对数据的挖掘和分析。
大数据时代的数据质量和可信度也是一个重要的挑战。
由于数据规模庞大，数据的来
源和质量也变得更加复杂和不确定。
存在着数据质量不高、数据缺失、数据主观性等问题，这些都会对统计分析的结果产生影响。
统计学家需要更加关注数据的质量和可信度，发展
适应大数据环境的数据清洗和预处理技术，提高数据的可靠性和准确性。
大数据时代为统计学的理论和方法的创新提供了机遇。
传统统计学主要关注样本的抽
样和推断，而大数据时代的数据通常是全样本的，这就给统计学家提供了更多的机会来研
究和应用新的理论和方法。
基于大数据的机器学习方法、深度学习算法等已经在各个领域
取得了巨大的成功，这些方法不仅能够处理大规模的数据，还能够挖掘数据中的隐藏模式
和规律。
统计学家可以借鉴和引入这些新的方法，来处理和分析大数据，并为决策提供更
准确和可靠的信息。
浅谈大数据时代统计学的挑战与机遇
浅谈大数据时代统计学的挑战与机遇大数据时代的到来带来了数据的大规模产生和高速传输，推动了统计学的快速发展。
大数据时代也对统计学提出了新的挑战，同时也带来了许多机遇。
大数据时代给统计学带来的挑战之一是数据质量的问题。
在大数据时代，数据量的增加可能会导致更多的噪声和异常值，使得数据的质量下降。
统计学需要应对这些问题，开发出新的方法和技术，提高数据的准确性和可靠性。
大数据时代给统计学带来的挑战之二是数据的处理和分析的问题。
大数据的规模大大超过了传统的数据处理和分析方法的处理能力。
统计学需要发展出新的算法和技术，以应对大规模数据的处理和分析需求。
大数据时代还给统计学带来了数据隐私和安全的挑战。
大数据中可能包含有个人的敏感信息，如何在保护个人隐私的同时进行数据的分析和挖掘成为了一个挑战。
统计学需要充分考虑到数据隐私和安全的问题，研发出新的方法和技术来解决这些挑战。
大数据时代也给统计学带来了许多机遇。
大数据时代极大地推动了统计学的发展和应用。
大规模的数据收集和分析需要统计学的方法和理论来指导和支持。
统计学的理论和方法在数据挖掘、机器学习和人工智能等领域发挥着重要的作用。
大数据时代提供了更多的数据资源供统计学进行研究和实践，拓宽了研究领域和应用领域。
通过对大数据的分析和挖掘，统计学可以揭示数据中的隐藏规律和模式，为决策提供更加准确和可靠的依据。
大数据时代也给统计学带来了与其他学科的融合的机遇。
在大数据时代，统计学需要与计算机科学、人工智能等学科进行紧密合作，借助计算力和算法的发展，共同解决大数据分析和挖掘的问题。
通过与其他学科的融合，统计学可以不断吸纳其他学科的方法和理论，推动统计学的发展。
浅谈大数据对统计学的挑战和机遇
浅谈大数据对统计学的挑战和机遇引言国际数据公司的相关研究指出，2016年全球数据生产量达，且全球信息总量每隔两年增长一倍[1]。
在大数据时代下，对于统计学发展而言，挑战与机遇并存，挑战指的是现阶段传统统计学相关方法难以适用大数据，机遇指的是基于统计学，大数据展开数据处理、分析，促使大数据具备可视化特性。
由此可见，研究大数据对统计学的挑战和机遇有着十分重要的现实意义。
1.大数据及其目的现阶段，关于大数据仍旧没有一个十分明确的界定，大数据起初是源自于技术领域。
在信息量不断扩大的情况下，使得常规电脑原有存储空间已不能对新处理数据进行承载，新兴数据处理技术得以产生，好比雅虎的Hadoop平台、谷歌的MapReduce等。
此类技术能够对僵化层次结构、一致性予以消除，促进数据无需通过常规数据库表格进行排列，极大程度地提升了人们可处理的数据量[1]。
2.大数据与统计学的对比样本统计与全样本统计的区别样本统计属于统计学不可或缺的依赖，样本指的是结合相应的概率自总体中随机筛选并视作总体代表的集合内容，值得一提的是随机抽样是需要成本的，包括社会关系、资金成本或者时间成本等。
基于样本数量提升有限前提下，样本估计误差会随着总体数量增多而增大，这亦是样本统计无法避免的不足。
大数据时代下，联盟庞大的数据信息应运而生，数据信息发展表现出总体即是样本的态势，该属性很好的消除了样本统计这一不足。
大数据时代下的全样本统计，通常情况下可对完全总体进行覆盖，然而受大部分数据属于半结构、半结构数据影响，使得概率论应用遭受一定的制约[2]。
鉴于此，将全样本统计应用到统计学中，应当就总体数据展开相应的归纳、筛选，即好比在样本统计中展开数据预处理。
预测分析与非预测分析的区别统计学的创立，是为了对变量相互相关关系展开分析，因此获取数据是发生于变量确定之后的，数据分析价值是能够被预测的。
相较于统计学的预测分析，庞大数据将互联网、传感器作为载体，存在于分析需求之前，因此构建于大数据上的分析多为非预测性分析。
浅谈大数据时代统计学的挑战与机遇
浅谈大数据时代统计学的挑战与机遇
挑战：
1、数据量大：大数据时代，数据的增长速度远远超过了人类处理数据的速度，面临着海量数据的处理挑战。
2、数据质量不稳定：与传统数据不同，大数据来源较为复杂，像社交网络，物联网等多维度数据都会存在噪声、不完整、异常等问题，这些问题需要考虑清洗、抽样等处理方式，以更好的挖掘数据潜力。
3、数据分析难度大：面对海量数据，需要结合更多的技术手段与算法来处理和分析数据，比如机器学习、人工智能、数据挖掘等。
4、保护个人隐私：在大数据时代，个人信息的收集和使用受到了极大的关注，统计分析过程中必须考虑如何保证个人隐私的安全。
机遇：
1、数据的价值：大数据时代，人们所需要的信息越来越多，统计学可以通过分析大数据中的信息来发现潜在的价值和机遇。
2、预测的精度：大数据对于不同时期、不同地点、不同人群的数据分析能力，在预测中的精度可以较高的提升。
3、开放的环境：大数据提供了一个开放的环境，面对更多的数据，让统计学家和其他领域专家为了更好的解决具体问题能够开展人上合作与创新，可以较大的提升对于部分问题成果的质量。
4、更广泛的领域：大数据涉及的领域越来越广泛，涉及到医疗、金融、人力资源等多个领域，不同领域的统计分析方法和模型算法的更迭革新将提高统计学在各领域中的应用水平。
结论：
总之，大数据时代既给统计学带来了挑战，也带来了极大的机遇。
只有通过一定的技术和对于行业形势的深入了解，统计学能够在挑战中应对和解决问题，挖掘出数据中蕴含的价值，发挥出更多的作用。
因此，统计学将在大数据时代之中保持其重要的角色，并且随着时代的推进会不断的突破自己，创造出更多的发展机会。
浅谈大数据时代统计学的挑战与机遇
浅谈大数据时代统计学的挑战与机遇随着互联网、移动互联网、物联网等技术的迅猛发展，人类社会进入了大数据时代。
大数据时代带来了海量的数据，这些数据蕴含着丰富的信息和知识，给传统统计学提出了新的挑战和机遇。
本文将从大数据时代统计学的挑战和机遇两个方面展开讨论。
一、大数据时代统计学的挑战1. 数据量大传统的统计学方法往往是针对少量样本进行分析和推理的，而在大数据时代，数据量通常是以TB、PB甚至EB为单位的，这给统计学的理论和方法提出了巨大的挑战。
2. 数据类型多样在大数据时代，数据的类型也变得更加多样化，不仅有结构化数据（如关系型数据库中的数据），还有半结构化数据（如XML、JSON等）和非结构化数据（如文本、图像、音频、视频等），这使得传统的统计学方法面对这些数据类型时显得力不从心。
3. 数据之间的关联性复杂在大数据时代，数据之间的关联性变得更加复杂，往往是高维、混杂和嵌套的。
在这种情况下，传统的统计学方法很难有效地挖掘其中的规律和知识。
4. 数据处理和分析的效率大数据时代的数据处理和分析涉及到的数据量巨大，这就要求统计学方法在处理和分析大数据时要有很高的效率，否则很难满足实际应用的需求。
5. 隐私和安全保护在大数据时代，个人隐私和数据安全问题备受关注。
对于统计学来说，如何在维护隐私和数据安全的前提下进行大数据的分析和挖掘也是一个巨大的挑战。
二、大数据时代统计学的机遇1. 新的统计学理论方法的发展大数据时代需要新的统计学理论和方法来应对上述挑战，这给统计学的发展提供了机遇。
大数据时代的统计学会更加注重数据的特征提取和表示学习，更加注重数据的模式识别和预测能力等方面的方法研究。
2. 数据挖掘和机器学习大数据时代的数据量大、类型多样、关联性复杂，这为数据挖掘和机器学习等领域的方法提出了新的挑战和机遇。
传统的统计学方法可以结合数据挖掘和机器学习的方法，从而更好地利用大数据中蕴含的规律和知识。
3. 大数据时代的实证研究大数据时代使得统计学变得更加注重实证研究。
大数据对统计学来说是冲击和机遇
大数据对统计学来说是冲击和机遇大数据时代需要重视统计学我们现在要开始重视大数据，更要重视统计学，因为在数据足够大了之后，我们突然发现一切社会现象到最后都有统计规律，它不像物理学那样可以准确的去描述因果的关系，它从本质上来说就是一个统计的规律。
大数据的定义大数据（巨量数据集合（IT行业术语））（big data），是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。
在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。
大数据的4V特点：Volume （大量）、Velocity（高速）、Variety（多样）、Value（价值）。
统计学的定义统计学是对研究对象的数据资料进行搜集、整理、分析和研究，以显示其总体的特征和规律性的学科。
统计学的研究对象是客观事物的数量特征和数据资料。
统计学是以搜集、整理、分析和研究等统计技术为手段，对所研究对象的总体数量关系和数据资料去伪存真、去粗取精，从而达到显示、描述和推断被研究对象的特征、趋势和规律性的目的。
统计学，亦可简称为统计。
统计方法已被应用到自然科学和社会科学的众多领域，统计学也发展成为由若干分支学科组成的学科体系。
从统计方法的构成来看，统计学可以分为描述统计学和推断统计学;从统计方法研究和统计方法的应用角度来看，统计学可以分为理论统计学和应用统计学。
大数据对统计学的冲击(一)对描述统计学的冲击描述统计学(Descriptive Statistics)研究如何取得反映客观现象的数据，并通过图表形式对所收集的数据进行加工处理和显示，进而通过综合概括与分析得出反映客观现象的规律性数量特征。
内容包括统计数据的收集方法、数据的加工处理方法、数据的显示方法、数据分布特征的概括与分析方法等。
1.对数据搜集基本方法的冲击搜集数据的途径众多，可通过普查、统计报表、抽样调查、典型调查、重点调查等获得资料。
浅谈大数据时代统计学的挑战与机遇
浅谈大数据时代统计学的挑战与机遇随着大数据时代的到来，统计学面临着许多挑战与机遇。
本文将从三个方面来进行浅谈。
大数据时代给统计学带来了巨大的挑战。
传统统计学主要关注小样本数据的分析和推断，而大数据时代所涉及的数据规模通常非常庞大，传统的统计方法往往无法应对。
大数据具有高维、非线性、异质等特征，要求统计学家开发新的方法来分析这些数据。
大数据时代还涌现出许多新的数据类型，如互联网数据、社交媒体数据、传感器数据等，统计学家需要学习新的技术和知识来处理这些数据。
统计学面临着巨大的理论与方法创新的挑战。
大数据时代也给统计学带来了巨大的机遇。
大数据具有丰富的信息和知识，通过对大数据的分析，可以发现新的规律和关联，提供更准确的预测和决策支持。
通过对大规模的医疗数据分析，可以发现疾病的发病原因和风险因素，指导疾病的预防和治疗。
大数据可以帮助统计学家建立更加准确的模型和方法，提高统计推断和估计的准确性和可靠性。
大数据还可以帮助统计学家建立更加完善的数据库和模型，提供更好的数据资源和工具，为统计学的发展提供更加有力的支持。
大数据时代还给统计学带来了跨学科合作的机遇。
大数据的分析需要统计学、计算机科学、数学、经济学等多个学科的交叉合作。
统计学家需要学习其他学科的知识和技术，与其他学科的专家共同研究问题。
通过跨学科合作，可以共享数据和方法，共同解决复杂的实际问题。
在金融领域，统计学家可以与金融学家、计算机科学家和经济学家合作，开发高频交易模型和风险管理方法。
通过跨学科合作，可以加快统计学的应用和发展。
大数据时代给统计学带来了巨大的挑战与机遇。
面对巨大的数据规模和新的数据类型，统计学需要发展新的理论和方法来应对。
大数据也带来了丰富的信息和知识，可以为统计学的研究和应用提供更好的支持。
跨学科合作可以加快统计学的发展和应用。
统计学家应积极面对挑战，抓住机遇，不断创新和学习，为大数据时代的到来做好准备。
浅谈大数据时代统计学的挑战与机遇
浅谈大数据时代统计学的挑战与机遇随着大数据时代的到来，统计学面临着新的挑战与机遇。
大数据时代的到来带来了海量数据的爆发性增长，统计学在大数据中的应用变得更加重要。
大数据时代给统计学带来了挑战。
传统统计学主要基于小样本数据处理和分析，而大数据时代的数据量巨大，传统的统计方法已经无法处理如此庞大的数据量，因此需要发展新的统计方法和技术来应对这一挑战。
在大数据时代，数据的质量和可靠性成为了统计学面临的另一个挑战。
大数据中可能存在噪声、异常值等问题，这些问题对于统计分析的结果会产生很大的影响。
统一的数据清洗和处理方法对于大数据分析至关重要。
大数据时代的数据可视化也是一个挑战。
传统统计图形主要面向小样本数据，而在大数据时代，数据量的增大使得传统统计图形无法有效展示数据的特征与规律，因此需要发展新的数据可视化方法来帮助人们更好地理解和分析大数据。
大数据时代也带来了统计学的机遇。
大数据时代为统计学提供了更多的样本和观测数据，使得统计分析的结果更加准确和可靠。
大数据的应用可以挖掘更多的信息和规律，为科学研究和决策提供更有效的依据。
大数据时代为统计学的发展提供了新的思路和方法。
人们可以利用机器学习、深度学习等新兴技术对大数据进行分析和挖掘，从而发现未知的数据模式和规律。
这些新方法为统计学的研究提供了新的领域和方向。
大数据时代的统计学还可以与其他学科相结合，例如计算机科学、人工智能等，共同推动相关领域的发展。
统计学可以通过与其他学科的交叉合作，进一步拓宽研究思路和方法，加速新领域的发展。
大数据时代给统计学带来了挑战与机遇。
统计学需要面对大数据的规模、质量和可视化等问题，发展新的方法和技术来应对这些挑战。
大数据时代也为统计学提供了更多的样本和观测数据，以及与其他学科合作的机会，为统计学的发展带来了新的机遇。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
本科毕业论文(设计) 论文题目：大数据对统计学的冲击与机遇****：***学号： **********专业：统计学班级：统计1003班****：**完成日期：2014年 4月 10日大数据对统计学的冲击与机遇内容摘要2010年，全球数据跨入了ZB时代，据IDC预测，至2020年全球将拥有35ZB的数据量，大量数据实时地影响我们工作、生活，甚至国家经济、社会发展，大数据时代已经到来。
基于数据关系的内在本质决定了大数据与统计学之间的必然关系，大数据对统计学产生了冲击又提供了机遇。
本论文首先对现代统计学体系作了简要介绍。
根据统计方法将统计学分为描述统计学和推断统计学，首先从大数据对描述统计学的冲击进行分析，体现在：对搜集数据方法的冲击、对搜集数据类型的冲击、对数据存储方法的冲击。
再者对推断统计学的冲击进行总结。
大数据对统计学的机遇体现在：抽样平均误差的降低、统计学作用范围的扩大及统计学家地位的提升。
关键词：大数据统计学冲击机遇The impact and opportunitiesof big data on statisticsAbstract:In 2010,the quantity of data rcached ZB level.According to IDC,there will be at least 35zettabytes of stored data in 2020.Massive data are affecting our life,even the economy and the development of society.The Big data era alredy come.From the perspective of subject, big data can be regarded as a new dataanalysis method due to its function in storage, integration, processing and analysis formass data. The intrinsic nature of big data based on data relationships determines thecertain connection with statistics, thus big data brings both challenges andopportunities to the development of statistics. The statistical was divided into descriptive statistics and inferencial statistics. The challenges of descriptive statistics embodied in the impact on method of data collection, the impact on data type and the impact on data storage.The summary of inferencial statistics.Besides, strengthen convincingness of statistical result,extended statistics system, wilder functionfield as well as higher status of statistician.Key words：Big data statistics impact opportunity目录一、绪言 (1)(一)大数据的概念 (1)(二)大数据的四个特征 (1)(三)大数据在国内外研究现状 (2)(四)本论文结构安排 (2)二、统计学体系 (2)(一)统计学的含义 (2)(二)统计学的分科 (3)三、大数据对统计方法的冲击 (3)(一)对描述统计学的冲击 (3)(二)对推断统计学的冲击 (4)四、大数据给统计学带来的机遇 (10)(一)抽样平均误差的降低 (10)(二)统计应用范围的扩大 (10)(三)统计专业毕业生就业机会的增多 (11)五、结语 (11)参考文献 (11)附录 (14)一、绪言当我们对“云计算”、“物联网”等概念还感觉模糊不清的时候，“大数据”的发展就已经呈现出燎原之势了。
大数据这个概念的提出可以追述到上个世纪80年代，就有美国人提出来。
2008年9月，≪科学≫杂志文章“Big Data:Science in the petabyte Era”。
“大数据”这个词开始被人们所关注。
我们身处数据的云海里，几乎所有事物都与数据有关，体育、金融、医疗……我们每天都在产生数据，打电话、发微信、买车票、上班刷卡、到超市购物、在QQ上聊天、发微博……大量的数据无时无刻地影响我们的工作、生活乃至社会发展。
数据成为与自然资源、人力资源，同样重要的战略资源，引起了科技界和企业界的广泛的关注。
根据国际数据咨询（IDC）公司报告，全球数据量大概每两年翻一番，预计到2020年，全球将会拥有35ZB的数据量（如表1所示）。
(一)大数据的概念百度百科的定义：大数据指的是所涉及的资料量规模巨大道无法通过主流软件工具，在合理时间内达到搜集、管理、处理并整理称为企业经营决策目的的资讯。
麦肯锡的定义：大数据是指无法在一定时间内用传统数据库软件工具对内容采集、存储、管理和分析的数据集合。
无论从哪种定义，我们都可以看出，大数据并不是一种新的事物，就如同本世纪提出的“海量数据”这个概念一样，大数据只是数字化时代出现的一种现象。
(二)大数据的四个特征1.V olume（海量）数据量级已从TB发展至PB至ZB，可称海量、巨量乃至超量。
大数据通常指10TB规模以上的数据量。
当今社会之所有会产生如此巨大的数字量，一是由于各种网络技术的使用，是我们能够感知更多的事物。
二是由于通讯工具的使用，使人们能够随时随地地联系，从而产生数据。
2.Variety(多样化) 数据类型繁多，包括以事务为代表的结构化数据、以网页为代表的半结构化数据和以视频和语音信息为代表的非结构化等多类数据。
3.Velocity(高速) 数据流往往为高速实时数据流，需要快速、持续的实时处理。
4.V alue(价值密度低) 以视频安全监控为例，连续不断的监控流中，有重大价值的可能仅为一两秒的数据流。
(三)大数据在国内外研究现状针对大数据的四个4V(V olume、V ariety、V elocity、V alue)特性，研究主要是对网络上多种来源的数据进行性质分析和规律探索，很多学者尝试运用图论和统计分析等方法对数据进行定量分析。
特别值得注意的是，人们已经发现了复杂的网络大数据之中存在一些统计规律性。
1.国外研究现状2005年Barabási等人通过对大量电子邮件数据的分析，证明人类活动中的娱乐、工作和通信模式并不遵循泊松过程，而是基于决策排队过程的结果，即由于存在优先次序导致任务执行时间具有重尾效应[1]。
针对大数据的计算理论和算法的研究目前主要集中在大数据机器学习的基础理论、参数估计方法、优化算法等方面，形成的一系列成果为大数据高效计算提供了理论支持。
普林斯顿大学的Blei 等人在2011年针对大规模网络文本数据的主题建模，提出了在线学习算法，为大数据下非参数模型的高效估计奠定基础[2]。
2012年，美国加州大学伯克利分校Jordan等人开展了大数据分析的理论基础研究，目前已有的成果包括分布式优化算法[3]和大数据非参数估计方法[4]。
2.国内研究现状面对大数据的巨大的潜在价值，一些学者分析了大数据在在企业管理、甚至国家战略方面的价值。
2012年李国杰通过对大数据的研究，认为大数据已成为联系人类社会、物理世界和信息空间的纽带，需要构建融合人、机、物三元世界的统一信息系统，并且在将来应该将“大数据”战略到国家层面[5]。
同年，宋方通过对大数据对企业发展分析，认为未来，决定、评价企业价值的最大核心在于数据，数据积累量、数据分析能力、数据驱动业务而非流程驱动业务的能力将是决定企业生死和是否有价值的最大评判标准[6]。
2012年黄晓斌、钟辉新开展了大数据对企业竞争发展方向的研究，认为企业的发展方向与大数据有密切的联系[7]。
然后，大数据的巨大潜在价值之后，其所引发的问题也不容忽视，一些学者就根据大数据的问题作了分析。
如2012年涂子沛通过实例分析，说明在大数据下，会使个人隐私等问题日益严重[8]。
(四)本论文结构安排第一章介绍本论文的研究背景，通过对背景的介绍，了解大数据的特征以及国内外的研究成果。
通过对比国内外的研究，再结合自己在大学四年学习的统计专业知识，第二章较系统地介绍了描述统计学和推断统计学。
进而从大数据对这两个分支的冲击分别作了介绍，从统计分析方法理论为基础，重点说明了统计学分析方法体系以及大数据对其冲击和影响。
凡事有弊就有利，第三章着重从大数据对统计学的机遇出发进行了阐述。
二、统计学体系(一)统计学的含义统计学是对研究对象的数据资料进行搜集、整理、分析和研究，以显示其总体的特征和规律性的学科。
统计学的研究对象是客观事物的数量特征和数据资料。
统计学是以搜集、整理、分析和研究等统计技术为手段，对所研究对象的总体数量关系和数据资料去伪存真、去粗取精，从而达到显示、描述和推断被研究对象的特征、趋势和规律性的目的。
统计学，亦可简称为统计。
(二)统计学的分科统计方法已被应用到自然科学和社会科学的众多领域，统计学也发展成为由若干分支学科组成的学科体系。
从统计方法的构成来看，统计学可以分为描述统计学和推断统计学;从统计方法研究和统计方法的应用角度来看，统计学可以分为理论统计学和应用统计学。
描述统计学(Descriptive Statistics)研究如何取得反映客观现象的数据，并通过图表形式对所收集的数据进行加工处理和显示，进而通过综合概括与分析得出反映客观现象的规律性数量特征。
内容包括统计数据的收集方法、数据的加工处理方法、数据的显示方法、数据分布特征的概括与分析方法等。
推断统计学(Inferential Statistics)则是研究如何根据样本数据去推断总体数量特征的方法，它是在对样本数据进行描述的基础上，对统计总体的未知数量特征做出以概率形式表述的推断。
描述统计和推断统计二者彼此联系，相辅相成，描述统计是推断统计的基础，推断统计是描述统计的升华。
具体研究中，是采用描述统计还是推断统计，应视具体的研究目的而定，如研究的目的是要描述数据的特征，则需描述统计；若还需对多组数据进行比较或需以样本信息来推断总体的情况，则需用推断统计。