内容发布更新时间 : 2024/12/23 20:43:12星期一 下面是文章的全部内容请认真阅读。

统计学（Statistics）：运用概率论、数理统计的原理与方法，研究数据的搜集； 分析；解释；表达 的科学。

总体（population）：大同小异的研究对象全体。更确切的说，总体是指根据研

究目的确定的、同质的全部研究单位的观测值。 样本（sample）：来自总体的部分个体，更确切的说，应该是部分个体的观察值。

样本应该具有代表性，能反映总体的特征。利用样本信息可以对总体特征进行推 断。

抽样误差（sampling error）在抽样过程中由于抽样的偶然性而出现的误差。表

现为总体参数与样本统计量的差异，以及多个样本统计量之间的差异。可用标准 误描述其大小。

标准误(Standard Error) 样本统计量的标准差，反映样本统计量的离散程度，

也间接反映了抽样误差的大小。样本均数的标准差称为均数的标准误。均数标准

误大小与标准差呈正比，与样本例数的平方根呈反比，故欲降低抽样误差，可增 加样本例数

区间估计（interval estimation）：将样本统计量与标准误结合起来，确定一个

具有较大臵信度的包含总体参数的范围，该范围称为臵信区间（confidence

interval，CI），又称可信区间。

参考值范围 描述绝大多数正常人的某项指标所在范围；正态分布法（标准差）、

百分位数法，参考值范围用于判断某项指标是否正常 t

臵信区间 揭示的是按一定臵信度估计总体参数所在的范围。分布法、正态分

布法（标准误）、二项分布法。臵信区间估计总体参数所在范围

参数统计（parametric statistics）

非参数统计（nonparametric statistics）是指在统计检验中不需要假定总体

分布形式和计算参数估计量,直接对比较数据(x)的分布进行统计检验的方法。

变异（variation）：对于同质的各观察单位，其某变量值之间的差异

同质（homogeneity）：研究对象具有的相同的状况或属性等共性。

回归系数有单位，而相关系数无单位 β

为回归直线的斜率(slope)参数，又称回归系数(regression coefficient)。

线性相关系数（linear correlation coefficient）：又称Pearson积差相关系

数（Pearson product moment coefficient），是定量描述两个变量间线性关系

的密切程度与相关方向的统计指标。

参数（parameter）：描述总体特征的统计指标。 统计量（statistic）：描述样本特征的统计指标。

实验设计的基本原则

对照 (control) 对受试对象不施加处理因素的状态。在确定接受处理因素的实

验组时，要同时设立对照组

重复 (replication) 相同实验条件下进行多次实验或多次观察。整个实验的重

复；观察多个受试对象（样本量）；同一受试对象重复观察。作用是估计变异大 小和降低变异

随机化(randomization) 采用随机的方式，使每个受试对象都有同等的机会被抽

取或分配到试验组和对照组。 HH

I类错误（假阳性错误） 真实情况为0是成立的，但检验结果为0不成立，

这样的错误称为I类错误。其发生的概率用 表示。在假设检验中作为检验水 准。一般取0.05或0.01。 HH

II类错误（假阴性错误） 真实情况为1是成立的，但检验结果为1不成立，