生物统计学名词解释考试必备.docxVIP

1. 总体（population）：研究对象的全体，由具有共同性质的个体所组成。 2. 样本（sample）：从总体中抽取一部分个体所组成的集团。 3. 参数（parameter）：由总体全部观察值计算得到的用来描述总体特征的数。 4. 统计数（statistic）：由样本全部观察值计算得到的用来描述样本特征和估计总体特征的数 5. 平均数（average）：根据统计方法求得的一种常用特征数，作为一个资料集中性的代表值，反映资料中各观察值集中较多的中心位置。 6. 变异数（variant）：反映资料的变异性的代表值，常用的变异数有极差、方差、标准差、标准误和变异系数。 7. 概率的古典定义：在随机试验中，如果基本事件的总数n为有限多个，且每个基本事件的发生是等可能的，时间A 由其中m个基本事件所组成，则事件A的概率为 (P)=A中包含的基本事件数/基本事件数=m/n 8. 概率的统计定义:在相同条件下，重复某一试验n次，事件A发生的频率随着n的不断增大而在某个常数值p附近摆动，则称频率的稳定值p为事件A发生的频率，记为P(A) =p≈m/n 9. 随机变量（random variant）：设E为一随机试验，Ω为样本空间。如果对于Ω中的每个样本点ш，都有一个确定的实数X（ш）与之对应，则称X（ш）为随机变量，简称为X 10. 伯努利试验（Bernoulli trials）：随机变量X只有两个可能结果的实验 11. 统计推断（statistical inference）：利用研究获得的样本信息和假定的模型对总体特征做出概率性的推断。 12. 假设检验（test of hypothesis）：根据样本信息判断总体是否具有制定的特征 13. 参数估计（parametric estimation）：用样本统计数估计总体参数。 14. 抽样分布（sampling distribution）：统计量g（X1,X2,…,Xn）作为随机变量，也有自己的概率分布，则统计量的概率分布则称为抽样分布 15. 零假设（null hypothesis）和备择假设（alternative hypothesis）零假设：指进行统计检验时预先建立的假设。 备择假设：与零假设相对立的假设 16. I型错误（type I error）和II型错误（type II error） I型错误（type I error）：在进行假设检验时，由于检验统计量是随机变量，有一定的波动性，即使原假设H0为真，在正常的情况下，计算的统计量仍有一定的概率α(α称为显著性水平)落入拒绝域内，因此也有可能会错误地拒绝原假设H0，这种当原假设H0为真而拒绝原假设的错误， II型错误（type II error）：无效假设Ho是不正确的，我们却接受了他，犯了纳伪的错误。 17. 方差分析（ANOVA）：用于分析三个或三个以上平均数的差异显著性时用的分析方法 18. 多重比较（multiple comparison）：判断多个平均数中两两间差异显著性的假设测验方法 19. 单因素方差分析（one-factor ANOVA）：在影响的众多因素中，只选择其中一个因素对数据的影响的方差分析 20. 双因素方差分析（two-way ANOVA）：在影响的众多因素中，只选择其中两个个因素对数据的影响的方差分析 21. 非参数测验（non-parameter test）：一类不依赖于总体基础分布的统计测验方法进行有关统计假设测验。 22. 函数关系（functions）与相关关系（relations） 函数关系：变量与变量之间是相互联系并遵循一定的规律变化着，存在确定性关系。这种变化规律由变量在变化过程中的数值对应关系反映出来，这种变量之间确定的对应关系叫做函数关系 相关关系：变量之间的关系是非确定性的，但又呈一定规律的变化趋势的关系 23. 因果关系（cause-effect）与平行关系（parallels） 因果关系（cause-effect）：一个变量的变化受另一个变量制约的主从关系 平行关系（parallels）：两个变量之间的关系是共同受到另外因素影响的结果 24. 单相关（single correlation）与多元相关（multiple correlation） 单相关（single correlation）：研究两个变量之间的关系 多元相关（multiple correlation）：研究三个或以上变量间的关系 25. 自变量X和因变量Y 自变量X：是固定的，并没有试验误差或实验误差很小的变量 因变量Y：是随着自变量X的变化而变化，且受试验误差的影响的变量 26. 回归分析（regression analysis）与回归方程（regression equation） 回归分析（regr