2、总体：总体是指具有相同属性的个体的集合，称为总体。
3.连续变量：指在不变量的范围内可以提取一定范围内的所有值。
4、不连续变量：也叫离散变量，是指在变量序列中，只能得到固定的值，而且通常是整数。
5、准确度：是指在调查或实验中某一测试指标或形状的观测值接近真实值的程度。
6、准确性：是指在一次调查或实验中对同一测试指标或形状的重复观察结果相互接近的程度。
7、数据：是指生物实验和调查中在一定条件下可获得的大量原始数据中观察特定事物或现象的结果。
8、数量性状数据：一般通过计数和测量或测量获得。
9、质量特征数据：是指对于某种现象只能观察而不能测量的数据，也称属性数据。
10. 统计数据； 是指通过计数得到的数据。
11、测量数据：通过测量或测量获得的数据。
12. 普查：指对每一个单独的研究对象进行测量或测量的综合调查。
13、抽样调查：属于非全面调查。 它是根据一定的原则选择研究对象的某些个体进行测量或测量。 将抽样调查获得的数据作为样本进行统计处理，然后利用样本特征数对总体进行统计处理。 推断。
14、全范围（range）：指样本数据中最大观测值与最小观测值之差。 组中位数：指两组下限和上限之间的中间值。
15.算术平均值：指观察总数除以总体或样本数据中的观察数量所得到的商。
16、中位数：指按大小顺序排列的试验或调查数据中所有观测值中位于中间位置的观测值。
17. 众数：数据中出现次数最多的观测值或出现次数最多的组的中点值。
18、几何平均值：指数据中几个观测值乘平方根得到的值。
19、方差：指与均值的偏差的平方和除以样本量n，得到平均平方和。
20、标准差：指方差的平方根之和。
21、变异系数：指样本标准差除以样本均值所得的百分比。
22、概率：指某事件A在n次重复测试中出现多少次。 当测试次数n继续增加时，事件A发生的频率W(A)越来越接近某个值P。所以令P为事件A发生的概率。
23、和事件：指至少发生一个事件A和事件B。事件A和事件B的发生构成的新事件称为事件A和事件B。
24、产品事件：指事件A和事件B同时发生而形成的新事件，称为事件A和事件B的产品事件。
25、互斥事件：指事件A和事件B不能同时发生，称为事件A和事件B互斥。
26.相反事件：指事件A和事件B之一必须发生，但不能同时发生。
27、独立事件：指事件A的发生与事件B的发生无关。
28、完整的事件系统：指如果多个事件A1、A2、、、、、、An互斥且每次测试结果中必须出现其中一个，则事件A1、完整的事件系统A2、、、、、、、 An 是一个完整的事件系统。
29、概率加法定理：指互斥事件A和B的概率之和等于事件A和事件B的概率之和，P(A+B)=P(A)+P( B）。
30、概率倍增定理：指事件A和事件B是独立事件，那么事件A和B同时发生的概率就等于事件A和事件B的概率倍增定理的乘积，即： P(A*B)=P(A)*P(B)。
31、伯努利大数定律：假设M是n次独立试验中事件A出现的次数，而不是每次试验中事件A出现的概率，那么对于任意小的正数ε，有以下关系：跛行 {m/np<ε}=1
32.欣钦大数定律：它用来解释为什么可以用算术平均数来推断总体平均数m。
33、统计推断：指从样本统计量中推断总体参数，包括参数估计和假设检验。
34、假设检验：是指根据总体理论分布和小概率原理，对未知或不完全已知的总体提出两个相互对立的假设。 然后，结合样本的实际结果，经过一定的计算，在一定的概率意义上得出结论。 应该接受的那种假设性推论。
35.
36、参数估计：指根据样本结果对一定概率水平上的总体参数进行估计。
点估计利用样本统计量直接给出总体相应参数的估计。 由于抽样误差的存在，不同的样本会得到不同的点估计。 点估计缺乏明确的精度概念，而区间估计则有一定的局限性。 可以弥补这个缺点
37、小概率原理：是指如果假设一些条件，并且在假设的条件下能够准确地计算出事件A的概率a，那么在假设的条件下，在n次独立的重复测试中，该事件就会以预定的概率发生。 ，而在一项实验中，独立几乎是不可能的。
38、显着性水平：在原假设和备择假设之后，确定否定H0的概率标准。 该概率称为显着性水平。
39、方差同质性：指每个总体的方差相同。
40、α误差：H0为真，但假设检验否定了它，这是否定真实假设的误差，称为α误差。
41. Beta误差：是指如果H0不为真，但假设检验时接受H0而拒绝HA，则产生接受不真实假设的误差，称为β误差。
42、适用性检验：指比较观测值与理论值是否一致的假设检验和适用性检验。
43、独立性检验：指研究两个或多个因素是否相互独立或相互影响的一类统计方法。
44、相关性分析：是研究现象之间是否存在一定的依赖关系，针对具体的依赖现象探讨关联方向和关联程度。 它是研究随机变量之间相关性的一种统计方法。
45、回归分析：是确定两个或多个变量之间相互依赖的定量关系的统计分析方法。
46.回归系数：y^=a+bx。 当自变量x变化1个单位时，变量y增加或减少的平均单位数就是回归线的斜率b。
47、回归截距：y^=a+bx，a为x=0时的Y^值，即直线在y轴上的截距，称为回归截距。
48、距离回归平方和：反映排除x和y之间相关程度和性质的统计量。
49、回归平方和：它反映了y总体变化中因x与y呈直线关系而减少y变化的部分。
50、相关系数：是指通过计算表示x与y之间相关程度和性质的统计数。
51、决定系数：变量x引起的y变异的回归平方和与y变异总平方和的比值。
52、转换：在估计总体相关系数p的置信区间时，需要将r转换为z。
53、实验设计：泛指整个研究课题的设计，包括实验计划的制定、实验单位的选择、分组的安排、实验过程中实验指标现象的记录、整理和整理等。实验数据分析等内容。
54、试验结果的再现：是指在相同条件下，进行试验或实践时，应重复得到与原试验结果相似的结果。
55. 治疗因素：一般是指给予受试者某种外部干预。
56、主效应：引起实验结果变化的多种因素中的主要因素。
57. 相互作用：因素之间的相互作用。
58、主体：是处理因素的对象，实际上是根据研究目的建立的观察群体。
59、治疗效果：是治疗因素对受试者的反应，是研究的最终表现。
60、误差：由于实验中的偶然影响或非处理因素，导致观测值偏离实验处理真实值的差异。
61、随机误差：试验中许多不可控的偶然因素造成的试验结果与真实结果之间的误差。
62、系统误差：由于实验处理以外的条件明显不一致而引起的倾向性或方向性偏差。
63. 重复性：在实验中，具有相同处理设置的测试单元的数量。
64、随机化：指在不带任何主观偏见的情况下，安排在哪个实验单位进行重复治疗或治疗组合。
65、平均乘积：是x和y的平均偏差的乘积之和，简称平均乘积。
66. 协方差：平均乘积对应的总体参数。
67. 协方差分析：将回归分析与方差分析结合起来。
68、试验控制：为了提高试验的准确性和灵敏度，必须严格控制试验条件的均匀性，使各处条件尽可能一致。
69、统计控制：是实验控制的辅助手段。 它使用统计方法来校正不同自变量对因变量的影响。
70. 估计器：估计总体参数的统计量
71.无偏估计量：如果一个统计量的理论均值（即数学期望）等于总体参数，则该统计量称为无偏估计量
72.矩估计：使用样本矩作为总体矩的估计
73、矩估计方法（数值特征法，矩量法）利用样本矩作为对应总体矩的估计量，也可以利用样本数字特征作为对应总体数字特征的估计量。 利用矩量法得到的估计值称为估计值。其思想的本质是用样本来代替整体矩的原理，称为替换原理。
74.有效估计量：假设a1和a2是A的两个无偏估计量，如果var(a1)
75、抽样误差：抽样引起的样本值与总体值之间的差异成为抽样误差。 直接原因是：群体中个体之间存在差异，或者在重复实验中存在一些服从一定分布的偶然误差。
76、标注误差（标准误差）：描述样本均值波动的统计量，是X的方差或标准差。平均抽样误差是Sigma误差）
77. 估计样本均值的方差：SX 平方，=S 平方/n
78.估计标准误差：SX，=S/根n
79、置信区间：当达到一定的置信水平（如95%）时，预测量的可能范围（如E(y)±1.96 sigma，其中sigma为标准差）
置信区间的含义是：重复采样多次，每次样本量相等，每次样本值确定一个区间[a1,a2]。 该区间包含a的概率为100(1-alpha)%，不包含a。 的概率为 100 alpha%
80、置信度（置信度、置信系数、可靠性）是指总体参数值落在样本统计值一定区域内的概率； 置信区间是指一定置信水平下样本统计值与总体参数值之间的差异。 误差范围。 置信区间越大，置信水平越高。
81、拟合优度检验：总体分布类型的检验，包括检验观测数与理论书的一致性，通过检验观测数与理论书的一致性来判断事件之间的独立性
82.皮尔逊定理：如果n足够大，无论总体服从什么分布，卡方总是近似服从自由度为ma-1的卡方分布。
83、方差分析：可以同时判断多组数据平均值之间差异的显着性，并能将随机变异与混杂条件分开，从而为判断因素是否对实验结果产生确定影响提供依据。
84.方差分析的先决条件：等方差、正态性、独立性
85、固定因素：如果故意选择某个因素的水平，则该因素就是固定因素。方差分析得到的结论只适用于选定的少数水平，不能推广到未考虑的水平。
86、固定效应模型：用来处理固定因素的模型称为固定效应模型或固定模型
87. 随机因子：如果某个因子水平是从该因子水平的总体中随机选择的样本，则该因子称为随机因子。 从随机因素的a水平得到的结论可以推广到该因素的所有因素。 水平地
88. 用于处理随机因素的模型称为随机效应模型
89. 多重比较：测试均值对之间差异的显着性
90. LSD方法在统计推断中犯I类错误的概率很高，而Duncan方法犯I类错误的概率很小。
91.多重方差齐性检验（Bartlett检验，Bartlett卡方检验）：当从独立正态总体中抽取随机样本时，可以计算统计量K平方。 当 n=min(nj) 足够大时，K 方的采样分布非常接近自由度为 a-1 的卡方分布。 这允许您对多个群体执行卡方检验。
92. 两个因素相互作用产生新效应的现象称为交互作用。
93、因素水平变化引起的因素效应的变化称为因素的主效应
94. 跨组设计：假设药物A具有水平a，药物B具有水平b。 共有ab剂量组合，每组重复n次。共有abn患者参与实验。 这种实验设计称为交叉设计。
95.相关：给定两个随机变量X和Y，对于任意一个随机变量的每一个可能值，另一个随机变量都有一定的分布与之对应，那么就说这两个随机变量之间的关系存在相关性
96.如果变量之间的关系可以表示为函数关系，则它们之间的关系称为确定性关系
97、回归关系、相关关系：在统计学中，变量之间的非确定性关系称为相关关系，也称为回归关系。
98.如果存在一个随机变量Y的分布对应于普通变量的每个可能值xj
99. 具有回归关系的两个变量之间不会存在与任何 xi 精确对应的 yi 。 但为了描述两个变量之间的定量关系，可以选择x=xi时Y的平均误差角。 相应地，标准Y乘以X=xi称为Y乘以X的条件平均值。
100、n个数据Y1，y2...yn的偏差平方和，记为SYY，称为偏差总平方和，它反映了n个yi倍的离散程度。
101.Regression sum of squares (yfold-ypull) sum of squares,几个SSR。是n个yi折的偏差平方和，反映n个yi折的离散程度
102. 残差平方和（residual sum of squares）（yi-yi）平方和，记为SSe，是除x对Y的线性影响之外的其他剩余因素引起的平方和。这些因素包括x对Y的非线性影响 Y和实验误差、观测误差等随机因素
103. 相关分析是分析两个或多个随机变量之间相关程度的统计方法。
104.两个随机变量之间的相关性称为简单相关性或单一相关性，三个或更多变量之间的相关性称为多重相关性或复杂相关性。
在单一回归中，回归的显着性可以用相关系数来表示。 类似地，在多元回归问题中，回归的显着性可以用复相关系数来表示。
105.在统计学中，衡量变量之间密切关系的统计量称为相关系数
106、消除其他变量的影响后两个变量之间的相关性称为偏相关（纯相关）。为了反映两个变量之间的真实关系，需要保证在其他变量不变的情况下计算它们的相关系数。 此时的相关系数称为偏相关系数或纯相关系数。
107. 样本均值作为总体均值的估计非常出色：无偏（均值等于总体均值）、有效（方差小于其他估计）、一致（总体均值是极值）
108. 概率论中证明随机变量之和的分布服从正态分布的一类定理称为中心极限定理。
109.如果X是随机变量，则F(x)=P(X
评论列表