参数估计

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。

第一类错误是拒真（弃真），第二类错误是取伪。

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。

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。

极大似然估计以使样本出现概率最大的参数值为估计。

卡方检验比较分类数据的观测频数与期望频数差异。

统计功效是当备择假设为真时正确拒绝原假设的概率。

显著性水平是判断结果是否显著的阈值，常用 0.05 或 0.01。

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。

置信区间以一定置信水平给出总体参数可能落在的区间。

以先验更新后验。

以贝叶斯定理更新信念的统计方法。

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。

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。

统计量在重复抽样下的分布。

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。

不假设分布的假设检验。

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。