思维与文明(统计学课程心得)

思维与文明(统计学课程心得)（精选3篇）

思维与文明(统计学课程心得) 篇1

[思维与文明(统计学课程心得)]统计学的第一节课老师就给了下马威--写一篇心得体会，思维与文明(统计学课程心得)。于是一个晚上敲完了以下的文字。写得比较仓促，有些东西也木有严肃考证，可能有些错误，如果发现了，欢迎大家指正。其中的观点也仅仅是一家之言，欢迎大家讨论。--思维与文明--从统计学与文科的交汇说开去这并不是我第一次上统计学课程了。大学时，学校秉持通识教育的理念，强迫所有学生或选修或必修了法律、教育学、心理学、社会调查、电子政务，甚至数学、逻辑学、统计学、mis设计等课程--尽管我们仅仅是一帮政治学专业的学生，看到柏拉图、亚里士多德、密尔、罗尔斯、萨托利、阿伦特等名字觉得无比亲切，但看到回归、方差、内涵逻辑、模态逻辑、模块、流程图就一个头两个大了。曾经也拿着台湾政治学专业的课表反思过我们的专业性到底在哪里?但是自大学毕业三年时间过去了，回看当年，才渐渐体悟到大学课程设计的用心良苦。这些不同学科的交融，不仅仅是增广见闻的途径，仅仅通过一个学期涉猎一个学科，知识的增长显然是有限的。但它们更是对思维的一种训练。认真学习过这些课程，至少思维已不会因高中文理分科的惯性而陷入社会科学研究的人文主义陷阱中。社会科学有其独有的研究方法，如果你是历史、哲学、文学批评研究、艺术史、宗教研究这些人文专业的学生，用人文主义的思维方式做研究应该是没有太大问题的，但对社会科学的学生，尤其是政治学人来说，这样的思维是不上道的，甚至，在我看来，将很难建立适宜取向的政治学学科体系。听柯老师讲述统计学的来源：统计学statistics的词源源于status,state，最初是对国家的状态作调查研究，它的学科来源包括国势学、政治算数和概率论。--对于政治学与统计学曾有一段如此的交汇有些意外，但细想这也是理所当然。西方社会科学研究，包括政治学研究一直秉承着严肃求知的态度。在苏格拉底的一系列对话中最关心的一个问题是：如何获得真理?他的对话所讨论的问题的往往没有明确的结论，在这里，获致正确结论的方法比结论本身更重要。之后柏拉图《理想国》中蕴藏的演绎思辨的研究方法，亚里士多德《政治学》中的比较分析也成为社会科学思辨研究与经验研究分野的滥觞。这些学术研究的态度体现了西方人独特的思维。西方人的思维方式特殊性到底在哪里?我想，大致包括以下几点：一是西方人的思维具备清晰的理性。西方人追求概念的清晰性、推理的逻辑性，不容模糊、臆测、自相矛盾、胡蒙乱猜。对比中国人的思维，则呈现相当程度的模糊性，它是一种交感似的思维，心得体会《思维与文明(统计学课程心得)》。卡希尔曾说原始人对事物的认识更多地以来情感的统一而不是以来逻辑的法则。如此看来，中国人的思维更趋于原始人的思维。这种思维进一步演化为宇宙生命一体化的思维，或者说一元主义世界观(李泽厚)。二是抽象思维与演绎推理的能力。梭罗曾说：有关真理最明晰最美丽的陈述最终必以数学来描述。西方人重数学，这里的数学不同于中国的算术。例如三角形，中国人也知道三角形的三边和三个内角是怎样一种关系，但中国人是拿尺子量出来的，而希腊人是推理出来的。诚如丹皮尔所说演绎逻辑运用逻辑推理，从归纳法所得出的前提演绎出它的推论，才是真正的科学。从经验到推理，是从工匠到科学家的进步。三是形而上的追求。研究与思考寻根问题，古希腊的哲学强调在大千世界的表象中发现统一的本源、统一的规律。为求知而求知是一种美德。据说由此欧几里得的学生曾问老师：我们研究几何有什么用呢?欧几里得勃然大怒，道：你竟然问我研究几何有什么用?这本身是对学问的亵渎。反观中国，史学、天文学、农学、兵学都以实用为目的，所谓经世致用即如此。必须强调的，西方形而上的追求与中国一元主义世界观是不同的。中国的一是浑然而一的一，西方的是超绝的一，是外在的一，是由它开始单线的二元对立的关系(田辰山)。人类思维的果实是其所孕育的文明。西方的思维习惯在社会领域表现为精确制定规则的能力，创立、更新、反思组织制度的能力。传统中国政治文明中当然也有一套精确的制度，但是那些制度很大程度是非逻辑思维的结果，有许多情感因素、宗教因素、意识形态因素。中国文明的生成阶段的政治整合和秩序维持中曾借用部落时代的宗教资源，这一原始的思维方式被较完整的保存下来。(杨阳)这也并不是说西方文明并不存在宗教因素，但是他们的宗教因素与政治权力一直保持着一定的张力，政教是两分的。辜鸿铭曾言：真正的中国人是指带着孩童般的心灵，过着成年理性生活的人。诚以为然，有着对世界单纯的认知，过着实用主义的生活，这是中国人的思维方式。传统有传统的魅力，辜鸿铭对传统中国人投去赞叹的目光，本人也并非批判这样的思维方式。只是认为在中国政治文明向现代文明转型的过程中，传统中国的思维方式或多或少将是一个障碍。现在我们可以从政治学跳回传播学研究。按照传播学界的粗略划分，传播学存在欧洲批判学派和美国实证-经验主义学派的分野。就目前观察所得，国内传播学者批判学派占了很大比重，但就目前中国社会的主流价值取向来看，西方马克思主义的那套逻辑应该并不占据主流，这实在是一个很奇怪的反差。最近渐渐明白，这种学术风格的形成一来与中国主流意识形态的影响相关，新左的逻辑在中国官方意识形态话语中是相对安全的，二来更与中国大部分传播学者的学科背景相关。中国传播学脱胎于宣传学，而宣传工作者又很多来自文学、语言学等学科，他们从人文思维出发的西马逻辑建立学术框架相对更容易一些。只是本人一直认为，欧洲批判主义学派的研究从人的异化、霸权等概念出发，事实上是对人类终极价值的关怀--人何以为人?人何以不为人?诸如此类问题--并不是说这类问题不重要，只是以政治学思维来看，我们对强制与自由是有严格界定的，政治学意义上的强制应该是有国家强力为后盾的，当没有国家的强力，现代人的异化如果是在一种自发的霸权之下被迫形成，这样的状态人应该还是自由的，脱离强制的。在外在强制解除的情况下，人至少能保留表面意义上的民主、自由等框架，如果以彻底反霸权的逻辑思考问题，反击的是整个现代文明，问题是，当你推翻整个现代文明，是否有更好的文明体系来替代?在中国现代文明因子孕育的当下，以一名知识分子的责任来看，对现代的文明的反抗是否适宜中国文明发展的期盼?因此，对中国的传播学来说，这种原来的纯文科的学科(更偏向于人文思维的学科)，需要更多社会科学思维的进入，这个过程的完成需要更多的诸如统计学等科学思维的影响。褪除中国国情，传播学研究本身也是技术含量非常高的学科，以政治传播为例，西方竞选传播研究、舆论极化的测量等技术已经非常成熟，而这依赖于数学、统计学、计算机科学等科学方法的支持。如此看来，不论对传播学本身学科的发展，还是从宏观社会的发展，理性科学的思维还是非常重要的。

思维与文明(统计学课程心得) 篇2

生物统计学是应用数理统计的原理和方法, 处理、整理和分析生物科学研究中的资料, 揭示生物学本质的一门科学[1], 其在现代生物学和生产实践具有不可替代的作用[2]。通过向学生讲授数理统计的基本原理, 使学生能独立设计科学实验、正确处理和分析实验数据, 对实验结果作出科学合理的解释[3], 以培养学生科学运用统计学的方法分析和解决问题的能力、探索问题的能力, 激发学生的开拓创新精神[4]。

2.课程建设的必要性

大连民族大学生物技术专业于2011年开始招生, 作为新办专业, 原来的教学计划中没有“生物统计学”的课程, 只设置有32学时学校平台课程“概率论与数理统计”, 旨在使学生掌握数理统计的基本原理和分析方法。但在实际课程讲授过程中存在以下问题:一是概率论部分的讲授占用了超过2/3的学时, 数理统计部分讲授较少, 使学生缺乏数据处理与统计分析的必要训练。如在2014届本科生答辩过程中发现毕业论文中缺乏统计分析, 在答辩时也没有试验设计与假设检验的概念。二是强调数学属性, 而忽视实际应用。授课教师在讲授过程中过分强调公式的记忆和推导, 学生课后练习多通过查找书后附表与手工计算结合的形式, 长期忽略其应用性特点, 忽视了利用计算机软件进行试验设计和数据统计分析的能力培养[5]。三是缺乏足够的实践环节, 面对实践中的新问题不能采用恰当的统计方法。生物统计学是应用型学科, 实践环节的缺乏, 导致学生对生物统计学的应用能力偏低[6]。此外, 我校生物技术专业本科生在大二上半年需要进入各老师的实验室参与实验室工作, 课程的讲授与他们在实验室所见、所做和统计学联系不上, 不会设计实验和分析数据。因此, 更新教育理念、建立以应用能力培养为导向的生物统计学课程, 是培养社会适应型人才的急待解决的问题[7]。

针对上述生物统计学中的不足, 在教学中应注重思维培养和能力提高, 基本思路是以统计思维培养为主线, 以实际应用为主导, 理论教学与实践教学相互渗透融为一体的教学方式。

3.以统计思维培养为主线

所谓统计思维, 就是面对社会生活中的各种问题, 能够从统计学角度进行思考, 并能恰当运用数理统计的方法来分析和解决问题[8]。类似于美感、乐感、节奏感等, 当遇到有关问题时, 能想到从统计的视角收集数据和分析数据。以“参与式”教学方式与案例讲解作为统计思维培养的主要形式。

3.1通过“参与式”教学方式让学生理解生物统计学基本概念。

在教学中准备“参与式”的教学素材, 能够让学生深刻掌握统计背后的真正含义。如在讲授统计学基本知识时, 将他们通过“参与式”教学的形式引入统计学的大门。通过一个常识问题的逐步深入使学生加深思考:“如何比较两个同学的身高”, “如何比较学习本课程班级同学的身高”, “如何比较大连市全体本科生的身高”。使学生逐步了解均值、方差等常用统计指标, 并增加对抽样概念的感性认识。在讲授抽样分布内容时, 很多学生很难理解“统计数的抽样分布”与前面所讲授的各种分布函数之间的关系。因此, 采用“参与式”教学方式, 给出红、绿、蓝、白四个小球 (分别代表1、2、3、4) 。首先, 让学生做样本容量为n=2 (总体数为N=16) 的放回抽样;其次, 分别计算16次抽样的平均值、统计出均值为1、1.5、2、2.5、3、3.5和4情况出现的概率;再次, 根据概率绘制出概率分布图;最后, 给学生讲解总体 (16种抽样可能) 、样本 (每次抽的2个小球) 、样本抽样分布 (绘制的图形) 的概念与实验中哪些过程相对应。

3.2在教学方式上, 通过案例讲解让学生清楚理解不同统计方法背后的含义。

以方差分析为例, “处理”、“重复”、“处理效应”、“实验误差”和“总变异”等, 通过的公式描述和推导的形式很难使学生了解该方法背后的含义。因此, 选择“我国不同省市平均身高”为案例进行讲解。各个省市抽样出的人在理论上应该身高是相等的, 但由于其所处的地理环境和后天的生活习惯不同, 造成每个人的平均身高不同。不同的省份就是处理, 每个省份抽出的不同人就是重复;地理环境就是组间效应, 个体的差异/基因的微小差异就是试验误差, 即由组内效应造成的;方差分析实际上就是解每一个观测值 (抽取出个人的身高) 与总体平均数、组间效应和组内效应的线性方程的过程, 即方差分析的基本思想———将观测值出现变异分解为处理效应的变异和试验误差的变异。通过这个实例的讲解, 使学生对方差分析有了进一步的感性认识, 能让学生更加深刻理解各种统计方法。

3.3实际应用为主导。

注重实际应用, 本课程安排多次上机实训, 通过R统计软件和实践专题训练的形式, 帮助学生巩固和加深对统计学的理解。R语言具有开放的源代码, 完全不用担心版权问题, 具有丰富的统计函数及强大的图表制作功能, 并可以通过安装新的包进一步增强其功能[9]。国内外许多大学开始采用自由软件R作为统计教学辅助工具[10]。专题训练的数据都来自于本专业教师的相关的研究成果。设计的专题训练包括:“生物专业技术试验数据预处理与分析”、“不同水氮条件对文冠果产量的影响”、“盐碱梯度下吴屯杨长势分析”、“农家肥对蔬菜品质的影响”等。经过这些专题的训练, 学生能独立应用这些数据完成数据的统计和结果分析, 达到与本专业教师的科研项目相结合的目的。

实践专题的设计遵循“实验设计”、“资料整理在实施过程中始终以应用为主导, 与特征数的计算”、“统计推断”、“方差分析”、“直线回归与相关分析”、“图表制作”为主线, 通过教师的逐步操作讲解。将学生分为若干学习小组完成专题训练, 所有专题研究均要求撰写有一定水平的研究报告, 学生在课堂中向其他学生讲述:如何设计实验、如何提出异常数据、采用何种分析方法、如何得出具体结论, 等等, 最后老师评述学生在专题训练中的优点和不足, 初步实现了从被动接受知识向提升应用能力和创新潜能的转变。

4.结语

本文结合生物统计学教学中存在的问题, 以学生统计思维培养为主线, 以实际应用为主导, 在教学中注重思维培养和能力提高, 将传授知识、培养能力和提高素质有机结合。通过对2014级本科生的讲授, 在“2015年的辽宁省大学生市场分析大赛”过程中得到了许多指导老师的肯定:“学生在比赛准备过程中可以较熟练的应用统计学的基本原理和方法解决实际问题。”笔者希望通过本论文的“砖”为生物统计学的教学改革引出更多的“玉”。

摘要：统计学是现代生物科学研究和实践应用中不可缺少的工具。针对大连民族大学生物技术专业生物统计学课程中存在的“理论讲述占用学时长、强调数学属性、忽视实际应用, 导致学生实践应用能力低等”问题, 提出在教学中注重学生思维培养和能力提高, 以统计思维培养为主线, 以实际应用为主导, 采用理论教学与实践教学相互渗透融为一体的教学方式, 在教学过程中取得了较好的效果。

关键词：统计学思维,应用能力,R语言,案例教学,生物统计学

参考文献

[1]李春喜, 邵云, 姜丽娜.生物统计学 (第四版) [M].北京:科学出版社, 2008.

[2]王永立, 乔琳, 樊淑华.生物统计学课程教学改革探索与尝试[J].周口师范学院学报, 2011, 28 (5) :82-4.

[3]赵亮, 高贵珍, 刘小阳, 等.应用能力培养导向的生物统计学课程改革初探[J].宿州学院学报, 2013, 28 (11) :108-10.

[4]戚文华, 蒋雪梅.高校生物统计学课程教学改革与探索[J].教育教学论坛, 2014 (42) :109-11.

[5]朱香萍, 李桢, 张庭荣.信息时代《生物统计学》教学的探索与实践[J].农业网络信息, 2008 (2) :81-4.

[6]陈秀莉.生物统计学教学改革实践与体会[J].阴山学刊, 2014, 28 (3) :90-2.

[7]孙耀中.生物统计学课程教学中对学生的综合能力培养[J].河北科技师范学院学报, 2006 (1) :60-2.

[8]周建军, 张理, 唐年胜.统计学教学中统计思维培养的几点思考[J].科技信息, 2013 (23) :19, 29.

[9]张哲, 张豪.浅谈R语言在生物统计学教学中的应用[J].教育教学论坛, 2013 (27) :54-5.

吴喜之：《逆向思维与统计》 篇3

刊登于2003年1月的《统计与信息论坛》

人们，特别是中国人，习惯于“顺向思维”。也就是说，人们的思维不愿意超越现有的程式。说得不好听，就是因循守旧，固步自封。或者说，现成的东西，老祖宗留下来的东西，外国人的东西，老师、专家或权威说的，领导说的，书上或杂志上发表的，学校中学来的，都不愿意怀疑，更不要说批判了。看上去，这有些道家思维方式，顺其自然嘛。然而，仔细想想，却不是那么回事。如果僵化地理解“顺其自然”的话，我们应该仍然住在山洞中，渔猎为生，身上裹着兽皮或树叶，有没有火还不一定呢。道家的思维方式有许多可取之处，特别是当我们在现代生活中陷人苦恼时，很有解脱作用。但是，自然界本身并不鼓励被动地“顺其自然”。简单僵化地理解“无为”二字就意味着迟早要被大自然所淘汰。

顺向思维实际上是一种消极的惰性。自古以来，文章中不断出现诸如“子曰”，“黑格尔云”，“马克思说”，„怪经写道”，“某某领导指出”，“某定理表明”等等。为了避害，为了不“犯上”或者不得罪哪一方，这样做可以理解。但是在对生存没有任何威胁时仍旧不敢怀疑和创新，则说明头脑或者被管教得麻木了，或者其大脑的年龄已经进人暮年了。

我当然不希望人们去干违法的事情，虽然合法的事情并不见得合理。但是法律毕竟是人类社会能够保持生活稳定的一个发明。如果你不喜欢某法律，你可以通过某些途径去改变它。法律仅仅是一些有权力的人对事物的合理性的争论的一个妥协的结果，和是非没有任何必然的联系。是非是政客们谈论得最多的东西，虽然他们一般也不相信自己的说教。“是非”是人类社会中，人们为了“稳定”，或者“服从”而产生的概念，其标准随时代、环境、族群、历史和宗教等许多因素而异。纯粹的自然界则绝对没有是非对错的。有一个非洲学生问我：“如果你不信教，你怎么知道对错呢？” 可见无神论者在西方世界和邪恶是同义词。实际上，坚持不同的是非观是世界上包括家庭矛盾和世界大战在内的所有冲突的根源。我以为，纯粹数学为仅有的存在绝对的“是”与“非”的世界。

物理学的发展是逆向思维的典型。例如，牛顿力学中的模型可以说明许多现象，但并不能解释很多现象;对它的怀疑就产生了相对论，把牛顿的模型改进了。物理学就是这样在否定中发展。在所有的科学中，可能仅有数学才是在肯定中发展的。由于其独特性，许多人不认为数学是科学。但数学的发展也是在原有系统下问题不能解决时才发展的。数学书念得越多，数学家创造力越低。数学家陈省身中学就把微积分念完了。他比后来念了两年菲赫金哥里茨的八卷中文本的《微积分学教程》的许多学生有创造性。当然，如果把数学作为工具，是学得越多越好。我有一个学生，数学出身，没有在本科学过统计学，对什么统计结论都怀疑，结果作出许多由于怀疑而形成的论文。人们都知道，在学习数学的过程中，仅仅看书和听讲是不会有好结果的。最重要的是自己动脑筋做大量的习题。这是创造性的思维，对培养今后的创造能力有很大的好处。但是，如果看习题答案，则会产生依赖性和死记硬背的思维模式，与创造力的培养背道而驰。有人认为，文科需要更多的死记硬背工夫。这是错误的。但这种印象反映了我们文科教育存在的问题。死记硬背只能培养庸才、奴才和应声虫，而绝不是天才。

统计与物理有很多相似之处。比如，它们的模型都可以根据数据来产生和验证，它们都是在否定旧模型中发展的。但是，在得不到数据的情况下，物理学家可以按照已经掌握的物理规律来提出假设(这些假设也是不同于现存的)，这在近代物理中是相当普遍的作法，反过来这些物理模型又与数学的发展相辅相成。当

然，这些先验理论的最终被承认，一定要有实验结果的支持，否则仅仅是猜想而已。与此相反，统计学家在没有数据支持的情况下，一般不去假定全新的统计模型。只有崭新的数据结构才能产生新的模型，同时推动数理统计的发展。

在纯粹数学的世界之外，不存在完美的模型，计模型当然不能例外。统计模型是根据某些数据而建立的，新的数据必然会改进原有的模型。而数据本身仅仅反映了我们所研究客体的某些方面，不避免地有误差甚至会有其他干扰。数据和模型之间的关系在统计学中是一对永恒的互相约制、互相进的两个重要因素。

统计学的一个重要但又不易为人所理解的特点是它从来不绝对地说“是”或者“不是”。统计学只能够说可能，而且往往提供某事可能发生的概率。这其实并不是统计学生性圆滑，而是现实世界的真实体现。现实世界充满了不确定性;从某种意义来说，生活中惟一确定的事情就是其不确定性。也正是这些不确定性使得生活充满了魅力和迷人的色彩。有多少人会享受其未来每一时刻全部已经确定了的世界呢？统计结论的不确定性恰恰符合我们所生活的世界。

在一些充满定理、引理、推论及证明的经典数理统计学教学中，学生很容易得到统计学是数学的一部分的印象。对于学过数学分析的学生来说，这些并非深奥的“数学”既不系统又不漂亮，但又难以理解。而对于非数学专业的人来说，这些“数学”却十分奇特深奥，也不易理解。这不怪学生，应该怪写书的人把以归纳为主的统计学按照以演绎为主的数学来写了。以假设检验为例，它是运用“证明某个事物的正确性不如否定其对立面容易”的简单逻辑，通过数学过程来实现的一个方法;它通过数据和模型的矛盾来否定旧的模型。但是数理统计学教学中对于统计学思维的不理解往往掩盖了假设检验的重要而简单的思维方式。于是一些不恰当的结论不仅出现在学生作业中，也常见于教师的讲课和教科书的编写中。比如经常出现在“零假设下拒绝零假设的概率为α的情况下接受零假设”的结论。如果你负责的话，接受零假设时应该给出犯错误的概率(所谓犯第二类错误的概率β)，而不是α，否则就不要说“接受”二字。实际上通常数理统计学教科书的假设检验部分(除了实践中少见的两点检验之外)对单边和双边检验无法算出β.因此在不能拒绝时只能够说没有足够证据拒绝零假设，而不能说“接受”二字。

一个简单的例子，可以说明这个问题。一般认为考试分数近似于正态分布(我们可以假设分数的最高分可以超过100)。我们得到一个数据，则可以进行t-检验：H0：μ=100对H1：μ<100。如果样本数据为50和0分(样本均值25分)，检验结果为t-统计量为t=-3,df=1, p-value= 0.1024。于是按照一些统计学教科书，我们应该“在水平a=0.1下接受这50分和0分所代表的总体的均值为100",了。作为对比，相应于样本数据为 l00,100,100,100,100,100,99,99,99,99分(样本均值99.6分)的总体的同样t-检验的结果为t=-2.4495, df=9, P-value=0.0184，这时应该在水平a=0.05下拒绝总体均值为100的零假设。令人不得不遗憾的是，至今还有相当多的统计教师和教科书作者不知道假设检验的主要目的是为了拒绝而不是接受。

我们究竟是接受，还是拒绝，还是怀疑老师给我们灌输的东西？我并不想让大家和老师过不去。但是毕竟社会是向前发展的，青出于蓝而胜于蓝。如果总是老师比学生强，那社会不就倒退了吗？目前，由于一些学校考核的诸如奖励所谓“第一作者”的荒唐规定，许多老师总是在与学生合作的论文中把自己的名字写在第一位，无论老师在其中的贡献有多少。这不仅仅不公平，电推迟了学生得到学界承认并获得自己应有地位的进程。由于种种原因，目前许多统计学专业的学生的素质和数学基础都优于他们的教师。许多导师根本不怎么用计算机，更不会编写自己的程序。希望我们的统计学老师同事们，能够尽可能接触新的东西，学习新的知识，开拓新的方向，以避免最后仅有的优势是“经验”和一些没有“权威”的权力和“资格”了。

统计学的更新很快，特别在计算机飞速发展的今天更是如此。新的算法和理论以很快的速度取代了旧的。然而通常意义下的传统数学家是不用计算机的，一些学数学出身的统计学教师往往跟不上时代。一个简单

例子是许多数理统计教师不讲P-值，而只讲与显著性水平α相关的拒绝域或临界点。这在过去计算机不发达而查表为惟一途径的过去还说得过去，但是在今天，则绝对是失职了。目前流行的主要统计软件包在检验结论中仅仅给出P-值，而不会提供拒绝域或临界点。这和在计算器普及的今天还在出售《四位对数表》一样可笑。

统计学科的内容不仅在不断变化更新，而且有许多争议之处。这在有绝对“是非”标准的纯粹数学是少见的。由于统计学不是确定性的推理，有争议是极其自然的。这似乎仅仅是看问题的角度问题。比如逻辑严密的贝叶斯统计决策的先验分布被认为是太主观了。而经典的（非贝叶斯）统计，虽然貌似客观，但有许多逻辑问题不好解释;同时也有主观决定什么样的显著性水平才算“显著”之类的问题。这样的百家争鸣有利于统计学科的发展。经典统计学处理许多问题比较方便，而且容易形成应用软件，便于推广。而对于诸如可靠性、临床试验、序贯分析和一些决策问题，贝叶斯统计又有其优越性。无论理论统计学家们如何争论，一个理论，一个方法，只要能够解决实际问题就会发展。统计学家不应自己画地为牢。许多很有发展前途的数据分析领域，就是由于统计界的有意无意的“疏忽”，而从统计手中溜走了。

在具体做研究上，逆向思维就更加重要了。你可以问自己，念书，读文章时是采取“验证——接受”的模式，还是“怀疑——能否去否定”的模式。前者只能鹤鹉学舌，而且还不一定学得像;而后者才有可能创新。利用怀疑的态度学习，即使不能否定，也会对所涉及的概念有透彻的理解。文革时，有一些不同背景的20多岁的年轻人，聚集在一起，试图批判相对论。当时，他们天天讨论理论，设计实验去核对光速不变原理的合理性。现在人们笑话他们无知和狂妄。但是正是这种“无知”和“狂妄”才能够敢于突破现有知识的束缚，有所突破和创新。这伙年轻人中的许多人后来说，他们的良好的研究思维方式主要受益于当年批判相对论的那段经历。