自考数理统计复习资料之名词解释.DOC

自考数理统计复习资料之名词解释 总体：总体（population）是根据研究目的确定的同质的观察单位的全体，更确切的说，是同质的所有观察单位某种观察值（变量值）的集合。总体可分为有限总体和无限总体。总体中的所有单位都能够标识者为有限总体，反之为无限总体。 样本：从总体中随机抽取部分观察单位，其测量结果的集合称为样本（sample）。样本应具有代表性。所谓有代表性的样本，是指用随机抽样方法获得的样本。 变异：个体间测量结果的差异称为变异。变异是生物医学研究领域普遍存在的现象。严格的说，在自然状态下，任何两个患者或研究群体间都存在差异，其表现为各种生理测量值的参差不齐。 标准差（standard deviation）是方差的正平方根，使用的量纲与原量纲相同，适用于近似正态分布的资料，大样本、小样本均可，最为常用。(S:样本标准差,:总体标准差） 标准误：通常将样本统计量的标准差称为标准误。许多样本均数的标准差称为均数的标准误（standard error of mean，SEM），它反映了样本均数间的离散程度，也反映了样本均数与总体均数的差异，说明均数抽样误差的大小。(：率的标准误,：均数的标准误,：标准误的点估计值) 中位数：将一组观察值由小到大排列或从大到小排列，位次居中的那个数。 四分位数间距（inter-quartile range）是由第3四分位数和第1四分位数相减计算而得，常与中位数一起使用，描述偏态分布资料的分布特征，较极差稳定。 极差（range）亦称全距，即最大值与最小值之差，用于资料的粗略分析，其计算简便但稳定性较差。 统计推断：通过样本指标来说明总体特征，这种通过样本获取有关总体信息的过程称为统计推断（statistical inference）。 抽样误差（均数/率的误差）：由个体变异产生的，由于抽样造成的样本统计量与总体参数的差异，称为抽样误差（sampling error）。 参数估计：指用样本统计量估计总体参数。参数估计有两种方法：点估计和区间估计。 可信区间：按预先给定的概率确定的包含未知总体参数的可能范围。该范围称为总体参数的可信区间（CI）。它的确切含义是：可信区间包含总体参数的可能性是1-，而不是总体参数落在该范围的可能性为1-。 I型和II型错误：I型错误（type I error），指拒绝了实际上成立的H0，这类“弃真”的错误称为I型错误，其概率大小用表示；II型错误（type II error），指接受了实际上不成立的H0，这类“存伪”的错误称为II型错误，其概率大小用表示。 假设检验中P的含义：指从H0规定的总体随机抽得等于及大于（或等于及小于）现有样本获得的检验统计量值的概率。 完全随机设计：只考虑一个处理因素，将全部受试对象随机分配到各处理组，然后观察实验效应，这种设计叫做完全随机设计。 随机区组设计：事先将全部受试对象按自然属性分为若干区组，原则是各区组内的受试对象的特征相同或相近，且受试对象数与处理因素的水平数相等。然后再将每个区组内的观察对象随机地分配到各处理组，这种设计叫做随机区组设计。 率：又称频率指标，说明一定时期内某现象发生的频率或强度。计算公式为： ， 表示方式有：百分率（%）、千分率（‰）等。 构成比（proportion）又称构成指标，说明某一事物内部各组成部分所占的比重或分布。计算公式为： ，通常以百分数表示。 比（ratio）又称相对比，是A、B两个有关指标之比，说明A是B的若干倍或百分之几。计算公式为：比 ，表示方式为倍数或分数。 二项分布：若一个随机变量X，它的可能取值是0,1,…,n，且相应的取值概率为 则称此随机变量X服从以n、π为参数的二项分布（Binomial Distribution），记为 X～B（n,π）。 Poisson分布：若离散型随机变量X的取值为0,1,…,n，且相应的取值概率为 （μ0） 则称随机变量X服从以μ为参数的Poisson分布（Poisson Distribution），记为X～P（μ）。 直线回归（linear regression）建立一个描述应变量依自变量变化而变化的直线方程，并要求各点与该直线纵向距离的平方和为最小。直线回归是回归分析中最基本、最简单的一种，故又称简单回归（simple regression）。 回归系数（regression coefficient）即直线的斜率(slope)，在直线回归方程中用b表示，b的统计意义为X每增（减）一个单位时，Y平均改变b个单位。 直线相关（linear correlation）又称简单