文档介绍：比例:一个样本中各个部分的数据占全部数据之比。比率:样本中各不同类别数值之间的比值。必然事件:在同一组条件下,每次试验一定出现的事件。变量:说明现象某种特征的概念。标准差:方差的平方根。标准分数:也称标准化值或分数,它是变量值与其平均数的离差除以标准差后的值。标准化残差:残差除以它的标准差后得到的数值。不规则波动:称为随机波动,指序列中的偶然性波动。不可能事件:在同一组条件下,每次试验一定不出现的事件。参数:用来描述总体特征的概括性数字度量,是研究者想要了解的总体的某种特征值。残差:因变量的观测值yi与根据估计的回归方程求出的预测值yi之差,用e表示。对于第i个观测值,残差为ei=yi-yi。充分统计量:在样本加工统计量的过程中不损失任何信息的统计量。抽样分布:样本统计量的分量。抽样框:用于抽选样本的总体单位信息,是概率抽样中所不可缺少的。抽样误差:由抽样的随机性引起的样本结果与总体真值之间的差异。处理:不同的因子水平。次序统计量:设有样本,若有满足如下条件的函数:每当样本得到一组观察值x1,x2,…xn时,其由小到大的排序x(1)<=x(2)<=…<=x(n)中,第i个值x(i)就作为统计量X(i)的观测值,而X(1),X(2),…,X(n)称为次序统计量。β错误:原假设为伪却在检验中未拒绝原假设,又称取伪错误错误或第Ⅱ类错误,用β表示其概率。а错误:原假设为真却在检验中原假设放弃,又称弃真错误或第Ⅰ类错误,用а表示其概率。单因素方差分析:研究一个分类型自变量同数值型因变量之间关系的一种统计方法。点估计:用样本估计量θ的取值直接作为总体参数θ的估计值。独立性:两个事件中不论哪一个事件发生与否并不影响另一个事件发生的概率,则称这两个事件具有相互独立性。独立性检验:对两个分类型变量是否存在相依关系的检验。如果存在相依关系,有必要对这种相关性进行进一步测定。独立样本:一个样本中的元素与另一个样本中的元素相互独立。对照组:随机抽选的实验对象的子集。在这个子集中,每个单位不接受实验组成员所接受的某种特别的处理。多元回归方程:描述因变量y的期望值与自变量x1,x2,…,xk之间关系的方程。一般形式为:E(y)=β0+β1x1+β2x2+…+βkxk。多元回归模型:描述因变量y如何依赖于自变量x1,x2,…,xk和误差项ε的方程。一般形式为:y=β0+β1x1+β2x2+…+βkxk+ε。多重比较方法:通过对总体均值之间的配对比较来检验哪些均值之间存在差异的分析方法。多重共线性:回归模型中两个或两个以上的自变量彼此相关。多重判定系数:回归平方和占总平方和的比例,反映因变量y取值的变量中,能被估计的多元回归方程所解释的比例。F分布:设随机变量Y与Z相互独立,且Y和Z分别服从自由度为m和n的X2分布,则X=(Y/m)/(Z/n)~F(m,n),称它服从第一自由度为m、第二自由度为n的F分布。方差:各变量值与其平均数离差平方的平均数。方差分析:缩写为ANOVA,通过检验多个总体均值是否相等来研究分类型自变量对数值型因变量影响的统计方法。方差分析表:用来汇总方差分析计算和结果的表。非抽样误差:抽样误差以外的,由其他各种原因引起的样本结果与总体真值之间的差异。非概率抽样:根据方便原则或依主观判断选择样本单位。非平稳序列:包含趋势性、季节性或周期性的序列,它可能只含有其中的