误差理论数据处理分析
常见的统计软件有SAS,SPSS,MINITAB,EXCEL等。这些统计软件的功能大同小异，
SPSS，其界面友好，功能强大，易学，易用，包含了几
SPSS感觉比EXCEL更丰富，也更准
各有所侧重。其中的SAS和SPSS是目前在大型企业，各类院校及科研机构中较为流行的两种统计软件。特别是
乎全部尖端的统计方法，具备完善的数据定义，操作管理和开放的数据接口以及灵活美观的统计图表制作。作为专业的统计软件，确。
以下是我运用一组数据，然后运用
SPSS软件分析后的图表
描述统计量
N 全距极小值极大值均值标准差方差
统计量统计量统计量统计量统计量标准误统计量统计量
抗拉强度y 屈服强度x
有效的 N （列表状态）
16 16 16
12.47 10.16
67. 47.14
80.36 57.30
73.0525 50.6237
.86948 .71705
3.47793 2.86821
12.096 8.227
表1
从表1中分析，抗拉强度的极小值为67.，极大值为80.36，均值标准误差为0.86948，标准差为3,47793，方差为12.096。屈服强度的极小值为47.14，极大值为57.30，均值标准误差为0.71705，标准差为2.86821，方差为8.227。
Anova
b
模型平方和df 均方F Sig.
1 回归176.469 1 176.469 497.056 .000
a
残差4.970 14 .355
总计181.440 15
a. 预测变量: (常量), 屈服强度x。
b. 因变量: 抗拉强度y
表2
从表2中分析，回归平方和为176.469，自由度为1，均值方差,176.469，显著性为497.056，残差平方和为4.970，自由度为14，均值方差为0.355。
系数
a
非标准化系数标准系数
模型B 标准误差试用版t Sig.
1 (常量) 12.514 2.719 4.602 .000
屈服强度x 1.196 .054 .986 22.295 .000
a. 因变量: 抗拉强度y
表3
从表3从分析，常数量B为12.514，非标准化系数的标准误差为2.719，T值为4.602。标准系数使用版为0.986，T值为22.自变量的B值为1.196，非标准化系数的标准误差为0.054，295。
残差统计量
a
极小值极大值均值标准偏差N
预测值68.8865 81.0363 73.0525 3.42996 16 残差-.995 1.00316 .00000 .575 16 标准预测值-1.215 2.328 .000 1.000 16 标准残差
-1.672
1.684
.000
.966
16
a. 因变量: 抗拉强度y
表4
图1
图2
从散点图可以看出，抗拉强度Y与屈服强度X大致呈线性关系。人们假设Y与X之间的内在关系是一条直线，这些点与直线的偏离是实验过程中其他一些随机因素的影响而引起的。
心得体会
在学习SPSS中必须学会的是“数据组织方式和数据测度”，这个对于那些学习信息的人容易理解，对文科出身的人不容易理解。但是这个问题对于初学者很重要。在实际使用SPSS时，就得按部就班地按照先定义变量，测调度，在录入（导入数据），再分析。分析并不是整个流程。
在大二快结束的学习过程中参加了
SPSS的课程学习，尽管我只是大略地学习，
泛泛地接触这门课程，但是对这门课的兴趣很浓。参与这次实践的经历深刻改变了我对这门课的认识。我越发感到我需要这门课程，我必须掌握这门统计技术，分析方法。这就是社会的需求，学校的标准，也是个人发展得需要。
虽然只有几周的学习时间，但我已经对该课程有了更多的了解，十分感谢黄璟老师讲解的这门课，提供了这个平台。理论加实践，为不同基础的学生提供了好的学习环境。我认为开设很有必要，应当成为重点。
现实生活中的数据多不胜数，但要得到有用的数据并不容易，这就要应用数据分析的方法确定数据的属性，再用清理工具（清洗、集成、转换、消减）进行筛选转化为有用的信息，再用
SPSS深入分析，得出规律。
统计学提供了一套完整的科学方，
统计
对数据的分析是以统计学为基础的，
软件则是实现的手段，统计分析软件具有很多有点。它功能全面，系统地集成了多种成熟的统计分析方法；有完善的数据定义、操作和管理功能；方便地生成各种统
计图形和统计表格；使用方式简单，有完备的联机帮助功能；软件开放性好，能方便地和其他软件进行数据交换。我们接触最多的统计软件是学中应用EXCEL,在数据分析中则主要是结果。
这门课程中我们学了另外一种数据分析方法就是聚类分析。它与“物以类聚，人以群分”是同样的道理。多元统计分析方法就是对样品或指标进行量化分类的问题，它们讨论的对象是大量的样品，要求能合理地按各自的特性也就是相似性来进行合理的分类，没有任何模式可供参考或依循，即是在没有先验知识的情况下进行的。我们学习了Q型聚类法、R型聚类法以及系统聚类法。Q型聚类分析样品间的聚类，用距离来测度亲疏程度。R型聚类分析变量间的聚类，用相似系数来测度亲疏程度。常用的Q聚类法有闵氏距离和马氏距离，只是我们必须掌握的。具体的计算方法有最短距离法、最长距离法、重心法、离差平方和连接法等等。在最后一节课老师讲了贝叶斯理论，根据先验概率和实验事件得出后验概率，
从而得出更为可信的概率。
EXCEL 和SPSS。在统计
SPSS，它具有很好的人机界面和完善的输出
最后，这门课程就学完了，学到了很，还有很多不懂。本课程需要很好的统计和概率论的基础，要不，很难听懂或者简直听不懂。同时，老师很少强求我们及时做作业，以至于我们知识掌握不牢固，前学后忘现象严重。有时候觉得老师讲得过深，我们根本无法接受。希望老师以后讲授本课程时把难度降低一点，多给学生练习的机会。我希望在考试之前把学懂的知识巩固，把不懂得尽量弄懂，但愿以后在工作中能轻松运用。