統計學是研究自然界、社會界中隨機現象數量規律的科學方法，并漸漸地滲入到生活中的方方面面。大數據是需要經過統計處理才能成為海量、高增長率和多樣化的信息資產，這種資產具有更強的決策力、洞察發現力和流程優化能力。大數據時代，我們更需要用數據挖掘等統計方法對數據進行分析應用。目前我國對大數據的應用還處于起步階段，還需要探索利用更多更高效的大數據模式。今天來介紹基于統計學的大數據在實際生活中的幾種應用。

基于統計學的大數據的理解

大數據只提供信息但不對其解釋，大數據是不能被直接拿來使用的。首先，大數據只反映信息，不能分析解釋信息，一般的人并不能明白這些信息是什么意思、有什么用途，所以需要統計學進行分析解釋；其次， 大數據并不能反映總體，大數據同樣具有不確定性，因為現象、環境、人的行為在不斷地變化，事物的發展充滿了不確定性，而統計學，就可以研究如何從大數據中挖掘和提取信息規律，找出最優化的方案和模型，同時也研究如何把大數據中的不確定性量化出來；最后，大數據可能有噪聲和污染，因為在數據的搜集和傳輸中可能受到客觀或人為因素的干擾，這樣的數據同樣不能真實地反映客觀實際，所以同樣需要統計學的方法進行處理和清晰，取其精華，去其糟粕。因此大數據時代，統計學依然是數據分析的靈魂。

大數據在彩票選號中的應用

當今社會彩票市場越來越火爆，很多彩民都密切關注怎么能夠將統計學理論運用到彩票選號中這一實際問題。實踐中，統計學理論在實際的應用主要體現在下面兩個方面：一是基于所獲得數據并配用合理的概率統計公式來得出各種彩票數字號碼出現的概率值，根據計算得出的最大可能數值進行選號。舉個例子，像“1234567”這樣一直連續數據的彩票號碼相比較“2674531”這種非連續性數據號碼來說，發生的概率極低，二者發生的概率值比例約為29∶6724491（1∶230000）。二是統計數據的應用。統計以前出現過的所有中獎號碼數據，然后進行計算整理，用統計數據預測的概率值來選擇選號區間及可能中獎號碼。而這些都是和大數據有關，因為各種數字組合是海量的，另外以往開獎次數也達到了幾萬次，中獎號碼數據也是海量的。這些都要使用統計方法對大數據進行處理。

 可以畫出所有號碼的曲線走勢圖，來顯示出每個號碼出現頻率的多少，這樣在觀察分析中就有直觀的效果。在對中獎數據的分析和觀察中，運用大數法則進行統計預測，就可以提高中獎概率。建立在走勢圖分析基礎上的彩票分析法具有較好的跟進性。通過列出統計數值預測的號碼與開出的號碼比較走勢圖，來建立兩者的相互關系，及時進行修訂，這樣就使鎖定的目標越來越小，而精度越來越高。

大數據在產品質量管理中的應用

在質量管理中，通常研究一個過程中生產的全體產品。如果需要觀測的總體N很大，有破壞性或者成本很高，那這種方法是不可取的。通常的做法是從總體中抽取一個或多個個體來進行觀測。這種從所需要觀測的總體中抽取部分個體，組成所研究對象的樣本，通過觀察樣本來推斷總體的方法就是概率統計的核心。

眾所周知，過去產品比較簡單，而現在的產品越來越復雜，特別是隨著社會的不斷發展，社會分工越來越細，很多產品都是由多個零部件組裝而成，這些零部件又是由很多廠家生產的，當前大部分工廠產品的檢驗主要是針對成品，由于實際情況，檢驗工廠生產的成品大部分都是隨機抽樣，相比市場抽樣合格率有所不足。而大數據的管理方式有了解決方案，檢驗部門借助成品檢驗結果數據、不合格檢驗數據，以及相適應的管理數據，了解出定性和定量指標與成品質量的關系。比如，如果需要了解廠家生產的產品的質量合格率，就應該了解這批產品的質量指標變化規律，由此可對工廠成品的質量做出合理的預測與決斷，從而提升檢驗工作的效率與準確率。

大數據在人口統計中的應用

人口統計是從大量的調查數據中研究人口現象的一種方法。通過統計方法和數據處理技術分析人口調查得到的大量數據，得出關于人口發展的各種現象和本質，預測人口數量的發展趨勢，據此制定各種人口政策和經濟發展政策，促進人口的可持續健康發展，最終達到人口與社會經濟協調發展。

1.人口數量預測和人口政策制度。關于人口的數據來源有很多，從全國普查到各種抽樣調查，從人口總量、分年齡、分性別、分行業數據，從遷移、婚育、教育等數據，從統計、公安、教育、社保等部門及其他相關機構的人口數據。這些就構成了人口的大數據。現有的模型都有著極其嚴格的限制條件和假設，比如生育率的正態分布、相同的人口政策等，而且現有的模型還忽略了社會、環境、經濟等這些對人口有著重要影響的因素，如生育的積極性、嬰兒的養育成本等，加上當前二胎政策開始正式實施。之前的各種人口預測模型并沒有對這些因素加以考慮或者難以量化。現有的多維家庭人口預測模型已經比較成熟，把各種家庭的結構數據在模型的基礎上進行定量的政策效果分析，是該模型發展的關鍵。現在需要的是對這些人口的大數據進行整合、發掘和應用，把有關影響因素量化，而這離不開統計的方法。

2.勞動力供需平衡預測模型。目前，國內外關于勞動力需求、勞動力供給及勞動力供需平衡預測模型考慮的因素都比較簡單和單一，并有一些嚴苛的假設條件。大多僅考慮了經濟因素以及在此基礎上對勞動力供需總量的平衡比較分析，并沒有考慮到復雜的社會因素。綜合起來，現有模型主要有以下不足：一是模型中只考慮了經濟中的產業政策對勞動力供需的影響，沒有考慮到產業結構的調整、科技進步催生的新興產業以及生態環境對勞動力供需產生的影響；二是大多模型都為靜態模型和單向影響，即只考慮經濟因素中的產業經濟對勞動力供需的影響，而未考慮勞動力供需對就業、產業經濟發展和產業結構調整的反饋影響。

 這些不足的原因就在于缺乏這些數據，所以需要通過對人口、金融、交通、電力、電信等各種大數據的整合和挖掘，找到有關衡量社會因素的指標。建立經濟、社會、環境因素對勞動力需求及供給數量的預測模型，并通過系統動力學方法，建立勞動力供需數量對經濟、社會、教育等問題的反饋影響，通過反饋機制將這些影響引入到勞動力供需預測模型中，對預測結果進行修正，最終建立區域經濟平衡時的勞動力供需預測穩態模型。

大數據在投資風險報酬分析中的應用

現代社會的投資環境越來越復雜，投資方式逐漸多樣化，投資對象也不斷創新。然而投資即意味著風險，風險和收益總是對應而生的。投資者一般根據自己的風險偏好選擇合適的投資產品。由于風險性投資能給投資者帶來超乎想象的報酬，所以投資者還是喜歡進行風險性投資的，這種報酬就稱為“風險報酬”。風險報酬的分析在很大程度上也是依賴于統計方法的應用。

風險可以分為市場風險、利率風險和流動性風險。這些風險都需要運用大數據借助統計方法來進行分析。如市場風險，可以運用統計的方法，對著各種投資工具的價格波動進行研究。比如說某種產品的價格具有隨季節波動的趨勢，我們就可以研究這種產品往年價格隨季節波動的特點，對今年的價格進行預測，從而調整今年的預期產量，找到利潤最大化的一點。對利率風險，可以用統計的方法，對金融的大數據，研究利率的時間變化規律；也可以研究不同的利率調整幅度對風險投資對象價格影響的廣度和深度。對流動性風險，統計可以基于歷史海量數據，研究歷史上導致流動性的若干因素，以及這些因素所產生影響的程度。