统计学专业术语

贝叶斯统计把参数视为随机变量，用观测数据不断更新其后验分布。

变量是可取不同数值或类别的特征，分为定量变量与定性变量。

标准差是方差的平方根，与数据同量纲，是最常用的离散度量。

标准误是样本统计量抽样分布的标准差，度量统计推断的精度。

参数估计用样本统计量估计总体参数，分为点估计与区间估计。

抽样是从总体中按规则抽取部分个体进行观测的方法，分为随机抽样与非随机抽样。

第一类错误是拒真（弃真），第二类错误是取伪。

多元回归研究一个因变量与多个自变量之间的线性关系。

二项分布描述 n 次独立伯努利试验中成功次数的概率分布。

方差是各数据点与均值离差平方的平均，度量数据离散程度。

方差分析比较多个组间均值差异是否显著。

非参数统计不依赖总体分布形式，适用于定序数据与偏态分布。

分层抽样把总体按特征分成若干层、在各层内分别抽样，提高样本代表性。

峰度度量分布尾部厚度与峰部尖锐程度。

概率密度函数给出连续随机变量取值在某一区间的概率密度。

简单随机抽样使每个个体被抽中的机会均等，是最基本的概率抽样方法。

t 检验用于比较两组均值差异是否显著，适用于小样本。

假设检验先提出假设，再由样本证据决定接受或拒绝原假设。

极差是最大值与最小值之差，粗略反映数据离散程度。

极大似然估计以使样本出现概率最大的参数值为估计。

决定系数度量回归模型解释因变量变异的比例。

均值是全部数据之和除以数据个数，是最常用的集中趋势度量。

卡方检验比较分类数据的观测频数与期望频数差异。

累积分布函数给出随机变量取值不超过某点的概率。

离群点是明显偏离其他观测值的数据点，需识别并判断保留或剔除。

离散系数是标准差与均值之比，用于比较量纲不同的数据离散程度。

偏度度量数据分布的不对称程度。

频数分布把数据按区间或类别统计次数，展示数据分布形态。

泊松分布描述单位时间或空间中稀有事件发生次数的概率分布。

期望是随机变量取值以其概率加权后的平均，是重复试验的理论均值。

缺失数据是未能观测到的数据值，可用删除、插补或模型法处理。

生存分析研究事件发生时间的分布与影响因素，如病人存活时间。

时间序列按时间顺序排列观测值，分析趋势、季节与波动规律。

斯皮尔曼相关用秩次度量两变量的单调关系，适合非正态资料。

统计功效是当备择假设为真时正确拒绝原假设的概率。

相关系数度量两变量线性关系的强度与方向，介于 -1 与 1 之间。

线性回归用直线描述因变量与自变量间的线性关系。

显著性水平是判断结果是否显著的阈值，常用 0.05 或 0.01。

正态分布是钟形对称的连续分布，许多自然现象近似服从，是统计推断的基础。

p 值是在原假设成立下出现当前样本或更极端结果的概率。

指数平滑用加权平均预测时间序列，近期数据权重更高。

置信区间以一定置信水平给出总体参数可能落在的区间。

众数是数据集中出现次数最多的数值。

中位数是把数据从小到大排列后位于中间位置的数，不受极端值影响。

总体是研究对象的全体，样本是从总体中抽取的部分个体，统计推断以样本估计总体。

最小二乘法使观测值与拟合值离差平方和最小，用于估计回归系数。