统计学名词解释与重点.doc

統 計 學 名 詞 解 釋 與 重 點 1.名義變數：只用來判定類別，數字不是用來比較大小的變數，如：0、1分別代表男、女。P8[1] P3[2] 2.次序變數：可用來判定類別、比較大小、優劣，但不能衡量彼此間的差距，如：考試名次。P8[1] P3[2] 3.等距變數：可用來判定類別、比較大小，還可算出差距。如：溫度差。P9[1] P3[2] 4.比率變數：可用來判定類別、比較大小、算出差距，還可表示比例關係，如：60cm是30cm的兩倍。P9[1] P3[2] 5.莖葉圖(枝葉圖)：在直方圖中長方形之內代入實際數字，兼具數字和圖形的優點，可以使我們看到資料的次數分配圖形而不致喪失原有的訊息，亦即可以將資料復原。P25[1] P7[2] 6.集中量數：描述所搜集到的資料裡各分數之集中情形的最佳代表值，也是描述一個團體中心位置的一個數值。P34[1] △ 7.變異量數(離中量數)：表示團體中各分數之分散情形的統計數，即用來表示個別差異大小的指標。P53[1] 8.變異係數：標準差的大小與平均數大小相比起來是佔平均數的多少百分比。CV=SD*100/M。P67[1] 9.相對地位量數：描述一個人在其所處團體中與別人比較起來，或與某一參照點比較起來，佔在什麼地位。P73[1] 10.線性轉換：原始分數X減去其平均數，再除以標準差。這種轉換過程叫做線性轉換。P29[2] 11.常態分配：常態分配是指一般值較多見，異常值較少見的分配，形狀如鐘形。P35[2] △12.常態化T分數(Normalized T Score)：經過常態化的標準分數，其平均數為50，標準差為10，T=10z+50。P92[1] △13.偏態(Skewness)：大部份的分數落在平均的一邊，呈非對稱性分佈。正偏態g1>0，負偏態g1<0。P106[1] 14.峰度：次數分配較常態分配曲線平坦者，為低闊峰分配g2<0。較常態分配曲線為尖峻，但兩端之分數又較多者，為高狹峰分配g2>0。g2=0時為常態分配。P108[1] △15.簡單迴歸(線性迴歸)：根據一個預測變項來預測一個效標變項的迴歸分析稱為簡單迴歸。P145[1] 16.迴歸：凡用可控制的自變數X，對未知的依變數Y，做估計或預測的統計方法，稱為迴歸。P43[2] 17.迴歸係數：迴歸方程式^Y=bX+a中之斜率b，稱為迴歸係數，表X每變動一單位，Y亦變動b單位。P47[2] 18.最適合線：兩變數有相關時，可找出一直線通過各點附近，使這條直線最能代表各點，此線即為最適合線。最適合線可由最小平方法求出。P47[2] 19.估計(預測)標準誤：根據迴歸線上的分數^Y來預測Yi所產生的估計誤差。像這樣利用迴歸公式來根據Xi預測Yi所產生的誤差，不叫做標準差，而特別叫做估計標準誤。σyx=σy=。P171[1] △20.等分散性(Homoscedasticity)：不管預測變項之分數高或低，效標變項的估計標準誤均一樣大的特性，稱為等分散性。P171[1] 21.決定係數(變異比率)：表依變數Y的變異中有多少百分比，可由控制的自變數X來解釋。r2=。P46[2] 22.疏離係數：疏離係數的平方(1-r2)是表Y之變異中，不能由自變數X所決定或解釋的部份，疏離係數以表之。P49[2] 23.統計迴歸效應：在第一次測試較差的學生可能在第二次測試時表現好些，而第一次表現好的學生則可能相反，這種情形稱為統計迴歸效應。P50[2] 24.解釋最小平方法在直線迴歸的意義：利用最小平方法所得之直線迴歸預測線，能使各樣本點至此線平行於Y軸的距離平方和最小，且滿足(1)Σ(Y-^Y)=0 (2)Σ(Y-^Y)2為最小。P52[2] 25.簡單事件：指在機率的實驗裡，只做一次試驗者，是為簡單事件。通常要使用加法定理，分為互斥事件與非互斥事件。P178[1] △26.複雜事件(Compound Event)：指在機率的實驗裡，利用一個個體連續試驗數次或利用數個個體試驗一次。通常要使用乘法定理，分為獨立事件與相依事件。P178[1] 27.虛無假設：(想要拒絕之假設)按事實推論相反方向所陳述的假設，其敘述變項間沒有差異、沒有影響、沒有關係，但若經統計考驗方法證實推翻虛無假設，則可獲得與事實相符的結論。P90[2] 28.對立假設：(想要支持之假設)陳述未知的母群體性質者，可用以表示虛無假設的其餘可能成果，對立假設可不必直接驗證，只要虛無假設被推翻，自然就會支持對立假設。P90[2] △29.第一類型錯誤：拒絕虛無假設(Ho)時可能犯的錯誤，稱為第一類型錯誤，以α來代表。P200[1] △30.第二類型錯誤：接受虛無假設(Ho)時可能犯的錯誤