自从进入了互联网时代,网络数据就一直以令人惊讶的速度增长着。然而,人们对网络搜索数据的利用率却不够高。若是不采用先进的科学方法和技术,我们就不可能获取网络搜索数据中的隐藏信息。所以我们希望通过利用统计科学方法,对网络数据进行充分地利用和分析。本文主要对所需要的网络数据进行了搜索和整理,利用统计学的知识从三个不同方面对网络搜索数据中若干统计推断问题进行了研究:使用网络搜索的老年人口数据进行空间分布特性的探索;使用网络搜索的百度指数预测消费价格指数(CPI,Consumer Price Index);以及使用改进的KNN(K Nearest Neighbors)算法对网络搜索的UCI数据进行初步分析。目前,中_的老龄化状况越来越严重,这种状况对社会发展各个方面都产生了严重影响。因此,通过网络搜索中国各个省市的老年人口数据,使用统计理论方法,在空间层面上对各区域的人口老龄化情况做空间分析,更有利于政府客观地、科学地、全面地认识中国老年人口分布和集聚状态。现在网络发展迅猛,已逐步取代传统媒体并成为用户获取网络数据的重要途径。在用户使用互联网(如百度指数)搜索相关信息的同时,互联网也记载了他们的查询记录,而CPI是反映经济价格的重要指标,与网络搜索数据存在一定的关联性,所以我们利用百度指数数据对CPI进行统计推断问题的研究就变得非常有意义。现有的数据挖掘技术已基本满足人们对不同场景信息挖掘的需要。然而,网络数据的复杂性对传统的数据挖掘算法产生了巨大的挑战,使用已有的技术不能高效处理这些数据。对于网络搜索的四个UCI数据集,传统KNN算法的分类精度不佳,因此,本文研究并改进KNN算法就显得极为迫切和必要。