统计学基础知识要点 很重要
统计学基础知识要点
统计学基础知识要点统计学是一门研究数据收集、分析和解释的学科，是许多学科和领域中必不可少的工具。
在本文中，将介绍统计学的基础知识要点，帮助读者理解统计学的基本概念和应用。
一、数据类型在统计学中，数据可以分为两种类型：定量数据和定性数据。
定量数据是以数值表示的，可进行数值计算和比较的数据，如身高、体重等；定性数据则是描述个体特征的非数值数据，如性别、颜色等。
了解数据类型对于选择合适的统计方法非常重要。
二、测量尺度测量尺度指的是衡量数据的方式，常见的测量尺度包括名义尺度、序数尺度、区间尺度和比率尺度。
名义尺度仅用于分类，如性别；序数尺度可以排序，但没有固定的数值差异，如教育程度；区间尺度具有固定的数值差异，但没有绝对零点，如温度；比率尺度具有固定的数值差异和绝对零点，如年龄。
三、描述统计学描述统计学是对数据进行整理、总结和描述的方法。
其中常见的统计量包括平均数、中位数、众数和标准差等。
平均数是一组数据的算术平均值，中位数是将一组数据按大小顺序排列后的中间值，众数是数据中出现频率最高的值，标准差衡量数据的离散程度。
四、概率与概率分布概率是用来描述随机事件发生可能性的数值，常用的表示方法是百分比或小数。
概率分布是描述随机变量可能取得各个值的概率的函数或表格。
常见的概率分布包括正态分布、均匀分布和泊松分布等。
五、参数估计与假设检验参数估计是根据样本数据来估计总体特征的方法，常见的参数估计方法包括点估计和区间估计。
假设检验是通过对样本数据进行统计推断来对总体假设进行验证的方法，常用的假设检验方法包括t检验和卡方检验等。
六、相关分析与回归分析相关分析用于研究两个变量之间的关系，可以通过计算相关系数来描述变量之间的相关程度。
回归分析是一种用于预测和解释因果关系的统计方法，可以建立变量之间的数学模型。
七、抽样与调查抽样是从总体中选择出样本的过程，通过对样本进行研究得出对总体的结论。
调查是一种常用的数据收集方法，可以通过问卷调查、访谈等方式获取数据。
统计学考研统计学基础知识精讲要点
统计学考研统计学基础知识精讲要点统计学是一门研究数据收集、整理、分析和解释的学科，它在各个领域中都扮演着重要角色。
考研统计学是统计学的一部分，涵盖了统计学的基础知识。
本文将重点讲述统计学考研统计学基础知识的要点，帮助考生更好地掌握这门学科。
一、统计学基础概念1. 总体和样本：总体指研究对象的全体，样本则是从总体中选取的一部分。
在统计学中，我们通常通过对样本的研究来推断总体的性质。
2. 参数和统计量：参数是用来描述总体特征的数字指标，统计量是用来描述样本特征的数字指标。
通过样本统计量的计算，可以对总体参数进行估计。
3. 随机变量和概率分布：随机变量用来描述可能的结果，而概率分布则描述了这些结果出现的可能性。
二、描述统计学1. 数据的分类和整理：在统计学中，我们通常将数据分为定性数据和定量数据。
定性数据是描述性的，比如性别、颜色等；定量数据则是数值型的，可以进行计算和比较。
2. 描述统计量：描述统计量是用来总结、描述样本数据的数字指标，常见的描述统计量包括均值、中位数、众数和标准差等。
3. 统计图表：统计图表是用来直观地展示数据分布和关系的工具。
常见的统计图表包括条形图、饼图、折线图和散点图等。
三、概率与统计推断1. 概率：概率是描述随机事件发生可能性的数值，它用来度量事件的发生程度，常用的表示方法包括频率概率和古典概率。
2. 概率分布：概率分布描述了随机变量的取值和对应的概率。
常见的概率分布包括离散分布（如二项分布、泊松分布）和连续分布（如正态分布、指数分布）。
3. 统计推断：统计推断是根据样本数据对总体参数进行推断的过程。
常用的统计推断方法包括参数估计和假设检验。
四、参数估计1. 点估计：点估计是使用统计量对总体参数进行估计。
常见的点估计方法包括样本均值估计总体均值和样本比例估计总体比例。
2. 区间估计：区间估计是对总体参数提供一个置信区间的估计方法。
常见的区间估计方法包括均值的置信区间估计和比例的置信区间估计。
统计学的知识点
统计学的知识点统计学是一门研究如何收集、整理、分析、解释和推断数据的科学。
它在当今社会中扮演着越来越重要的角色，涉及到诸如经济学、心理学、医学、社会学等方面的研究。
下面将介绍一些统计学的基本知识点，并探讨它们在实际应用中的作用。
一、数据收集数据收集是统计学的一项重要工作，它涉及到数据来源的选择、问卷设计、样本选取和调查方式等方面。
数据收集的质量直接影响到后续的数据分析和推断结论的准确性。
在数据收集过程中，需要根据研究的目的和问题，选择合适的调查方式和问卷设计，保证数据的完整性和准确性。
二、描述性统计描述性统计是对数据进行汇总和描述的方法，通过计算数据的中心位置、散布程度、正态分布等指标，可以了解数据的基本特征。
其中，中心位置包括平均值、中位数和众数等不同的指标，可以反映数据的平均水平；散布程度包括标准差、方差等指标，可以反映数据的离散程度；正态分布指数据符合正态分布的概率分布规律，常用于数据拟合和预测。
三、推断统计推断统计是利用样本数据对总体数据进行推断和估计的方法。
通过抽样得到样本数据，利用统计学方法对样本进行分析，推断总体的参数和区间估计等指标。
推断统计可以帮助研究者制定决策，进行风险分析和效益评估等应用。
四、假设检验假设检验是一种用来判断样本数据是否符合总体分布规律的方法。
研究者通过对样本数据的分析，提出一个假设，然后利用显著性水平、检验统计量等指标进行假设检验，判断所提出的假设是否成立。
假设检验在医疗、金融、环境等领域的应用广泛。
五、回归分析回归分析是一种用来研究自变量和因变量之间关系的方法。
通过建立一个数学模型来描述自变量和因变量之间的关系，从而预测因变量的变化。
回归分析在市场调研、投资决策等方面的应用广泛，能够为决策者提供重要的数据支持。
总之，统计学在现代社会中发挥着越来越重要的作用。
统计学的科学方法和技术不仅可以帮助研究者更好地设计研究、收集数据、分析结果，还可以为决策者提供有力的数据支持，提高决策的精准度和效率。
统计学重要知识点
统计学重要知识点：1.统计计量活动的直接后果就是反映客观事物的现状与过程并与客观事物的质密切相关的各种数字。
2.据晋皇甫谧（公元215－282年）《帝王世纪丛书》记载，早在夏朝时候，为了治国治水的需要，就有过初步的国情统计。
3．国际统计学会在罗马召开第一届大会的时间是1887年。
4.第一个使用“统计学”这个名称的统计学派是记述学派。
5.统计最基本的特点是数字。
6．为搜集某种社会经济现象在某时某地的情况而专门组织的一次性全面调查，称为普查。
7.调查对象和调查单位就是统计调查中的总体和总体单位。
8．因被调查者故意弄虚作假而产生的误差称为立意误差。
9.根据社会经济现象的特点和统计研究的目的要求，按照某种重要标志把总体分成若干部分的科学分类，称为统计分组。
10.统计分组的依据或标准是分组标志。
11.反映总体单位在各组的分布状况的一系列数字，称为分布数列。
12.时期指标数值的大小与时期的长短密切相关。
13.同质总体各单位某一数量标志在一定时间、地点、条件下所达到的一般水平，称为平均指标。
14．总体中出现次数最多的标志值称为众数。
15.通过变异度指标则可反映统计数列分布的离散程度。
16.变异度指标的类型包括全距、四分位差、平均差、标准差 、偏度、峰度 、方差。
17.偏态分布有如下关系：-x >e M >o M 及-x <e M <o M 。
18.二阶原点动差、三阶原点动差可表示为： ∑∑==n i n i i i i f f x112/ 和∑∑==n i ni i i i f f x 113/。
19.概率可分为古典概率、试验概率、主观概率。
20.随机抽样在同时考虑取样的方式和对样本的要求时，可分为：考虑顺序的不重复抽样 、考虑顺序的重复抽样 、不考虑顺序的不重复抽样。
21.抽样调查的组织形式可分为：简单的随机抽样、类型抽样、等距抽样、整群抽样、多级抽样。
22.在双测检验中，原假设和备择假设的形式可选择： ----≠=O O O X X H X X H :;:1;O O O P P H P P H ≠=:;:1。
统计学基础知识点总结
统计学基础知识点总结统计学是研究数据收集、分析和解释的科学。
它提供了一种用来了解和解释各种数据的方法和工具。
统计学的基础知识点是学习统计学的基础，下面是一些重要的基础知识点总结：1. 数据类型：统计学中的数据可以分为两类：定量数据和定性数据。
定量数据是可以量化的，例如身高、温度等，而定性数据是描述性质和特征的，例如性别、颜色等。
2. 数据收集：数据收集是统计学的基础，它包括设计问卷、调查、实验等方法来收集数据。
收集数据时需要注意样本的代表性，并尽量避免抽样偏差。
3. 描述性统计：描述性统计是用来总结和描述数据的方法。
常用的描述性统计包括计算平均数、中位数、范围和标准差等指标来衡量数据的集中趋势和离散程度。
4. 概率：概率是研究随机事件发生可能性的数学工具。
它可以用来计算事件发生的概率，从而预测未来事件的可能性。
概率可以分为古典概率和条件概率等不同类型。
5. 概率分布：概率分布是描述随机变量的分布规律的数学模型。
常见的概率分布包括均匀分布、正态分布和泊松分布等。
概率分布可以用来计算随机变量的期望、方差等统计指标。
6. 假设检验：假设检验是统计学中用来验证关于总体参数的假设的方法。
通过对样本数据进行统计分析，可以得出关于总体参数是否符合假设的结论。
假设检验包括设定假设、选择检验统计量、计算显著性水平和做出决策等步骤。
7. 相关分析：相关分析是用来研究两个变量之间关系的方法。
它可以通过计算相关系数来衡量两个变量之间的相关性，并判断相关性是否显著。
常用的相关系数有皮尔逊相关系数和斯皮尔曼相关系数。
8. 回归分析：回归分析是研究因果关系的统计方法。
它通过建立数学模型来描述自变量和因变量之间的关系，并可以用来预测因变量的取值。
常见的回归分析包括线性回归和多元回归等。
9. 抽样分布：抽样分布是指统计量在不同样本中的分布情况。
它可以用来计算统计量的置信区间和显著性水平等，从而对总体参数进行推断。
10. 统计软件：统计软件是进行统计分析的工具。
统计学基础知识点
统计学基础知识点统计学是一门研究收集、整理、分析和解释数据的学科，它在各个领域都扮演着重要的角色。
无论是在科学研究、商业决策还是社会政策制定中，统计学都提供了有力的工具和方法来帮助我们理解和解释数据。
本文将介绍一些统计学的基础知识点，包括数据类型、数据收集和整理、描述统计和推断统计等。
一、数据类型在统计学中，数据可以分为两种类型：定量数据和定性数据。
定量数据是可以用数字来表示和度量的，例如身高、体重、年龄等。
定性数据则是描述性的，不能用数字来度量，例如性别、颜色、职业等。
了解数据的类型对于选择适当的统计方法非常重要。
二、数据收集和整理数据的收集是统计研究的第一步。
收集数据的方法包括观察、实验和调查等。
观察法是通过观察现象来收集数据，实验法是通过控制变量来观察因果关系，而调查法则是通过问卷调查或访谈来收集数据。
在收集到数据后，我们需要对数据进行整理和清洗。
数据整理包括数据输入、数据编码和数据录入等步骤，确保数据的准确性和一致性。
数据清洗则是处理数据中的异常值、缺失值和离群值等，以保证数据的可靠性和可用性。
三、描述统计描述统计是对数据进行总结和描述的方法。
常用的描述统计方法包括中心趋势度量和离散程度度量。
中心趋势度量包括平均数、中位数和众数等，用于描述数据的集中程度；离散程度度量包括标准差、方差和范围等，用于描述数据的分散程度。
另外，描述统计还可以通过绘制图表来展示数据的分布和关系。
常用的图表包括条形图、饼图、直方图和散点图等，它们能够直观地展示数据的特征和趋势。
四、推断统计推断统计是基于样本数据对总体进行推断的方法。
在统计推断中，我们通过对样本数据的分析来对总体参数进行估计，并对估计结果进行推断。
常用的推断统计方法包括假设检验和置信区间。
假设检验是用来检验某个假设是否成立的统计方法。
在假设检验中，我们先提出一个原假设和一个备择假设，然后利用样本数据进行假设检验，从而得出对原假设的结论。
置信区间是对总体参数的一个范围估计。
统计分析学基础知识点总结
统计分析学基础知识点总结一、统计学的基本概念1.总体和样本总体是指研究对象的全部个体或事物的集合，样本是从总体中抽取的部分个体或事物的集合。
在统计学中，我们通常通过对样本进行分析来进行总体的推断。
2.变量和数据类型变量是指在研究中所测量的特定属性或属性，它可以是数量变量（比如身高、体重）也可以是分类变量（比如性别、职业）。
数据类型包括定量数据和定性数据，定量数据是指其取值可以进行数值运算，定性数据是指其取值为某种类别或符号。
3.测度尺度在统计学中，我们通常将变量分为不同的测度尺度，包括名义尺度（仅仅表示事物标识的意义）、顺序尺度（表示顺序关系）、区间尺度（表示等距关系）和比率尺度（表示等比关系），不同的尺度对于统计分析的方法和技术有重要的影响。
4.概率概率是描述不确定事件发生可能性的一种数值。
在统计学中，我们通过概率来对随机事件进行描述和预测，并且使用统计概率来进行统计推断。
5.统计量统计量是指从样本数据中计算得到的数值指标，比如均值、方差、标准差等。
统计量可以帮助我们从样本数据中获取总体特征的信息，并且在假设检验、参数估计等统计推断中起到重要的作用。
6.概率分布在统计学中，我们通常通过概率分布来描述随机变量的取值概率规律。
常见的概率分布包括正态分布、均匀分布、指数分布等，它们在统计分析中都有重要的应用。
7.统计推断统计推断是指根据样本数据对总体特征进行推断的一种方法。
它包括参数估计和假设检验两种基本方法，通过这些方法，我们可以对总体参数进行估计和推断。
8.统计学的应用统计学在科学研究、社会调查、市场调查、生物医学等领域都有重要的应用，它可以帮助我们从数据中获取信息，揭示事物规律，为决策提供依据。
二、常用的统计方法和分析技术1.描述统计描述统计是指通过对数据的整理和描述来获取数据特征的一种方法。
常见的描述统计方法包括均值、中位数、众数、标准差、方差等指标，它们可以帮助我们了解数据的集中趋势和离散程度。
统计学基础知识点总结
统计学基础知识点总结1.数据与变量数据是指收集到的一组数字或符号，而变量是指可以变化的数值。
在统计学中，常用的变量类型有两种：定量变量和定性变量。
定量变量是用数字表示的，如身高、体重等；而定性变量是用非数字表示的，如性别、血型等。
2.数据的描述在统计学中，常用的描述性统计方法有中心趋势度量和离散程度度量。
中心趋势度量包括均值、中位数和众数，用来衡量数据的集中程度；离散程度度量包括极差、方差和标准差，用来衡量数据的分散程度。
3.概率与概率分布概率是指在一定条件下某事件发生的可能性，它是统计学中的重要概念。
概率分布是用来描述随机变量可能取值的分布情况的概率分布函数，常见的概率分布有正态分布、均匀分布、二项分布和泊松分布等。
4.统计推断统计推断是指根据样本数据对总体特征进行推断的方法，它包括点估计和区间估计两种方法。
点估计是通过样本数据估计总体参数的数值，而区间估计是通过样本数据估计总体参数的范围。
5.假设检验假设检验是统计学中用来检验总体参数假设的方法，它包括参数假设检验和非参数假设检验两种。
参数假设检验是对总体参数的假设进行检验，常用的方法有t检验、F检验等；非参数假设检验是对总体分布形式的假设进行检验，常用的方法有卡方检验、秩和检验等。
6.相关性与回归分析相关性是指两个变量之间的关系程度，常用的相关性指标有Pearson相关系数和Spearman秩相关系数；回归分析是用来分析自变量与因变量之间的关系的方法，常用的回归分析方法有一元线性回归分析和多元线性回归分析。
7.贝叶斯统计学贝叶斯统计学是一种基于贝叶斯定理的统计学方法，它与频率统计学有所不同。
在贝叶斯统计学中，统计推断是基于先验概率和似然函数进行的，而不是基于频率分布进行的。
8.实验设计实验设计是指在统计实验中如何设计实验方案，以达到准确、可靠、有效地进行统计分析的目的。
常用的实验设计方法有完全随机设计、区组设计和受试者设计等。
以上就是统计学基础知识点的总结，通过学习这些知识点，可以帮助人们更好地理解和应用统计学在各种领域中的实际问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第一章：导论1、什么是统计学？统计方法可以分为哪两大类？统计学是收集、分析、表述和解释数据的科学。
统计方法可分为描述统计方法和推断统计方法。
2、统计数据可分为哪几种类型？不同类型的数据各有什么特点？按照所采用的计量尺度不同，分为分类数据、顺序数据和数值型数据；按照统计数据的收集方法，分为观测的数据和实验的数据；按照被描述的对象与时间的关系，分为截面数据和时间序列数据。
按计量尺度分时：分数数据中各类别之间是平等的并列关系，各类别之间的顺序是可以任意改变的；顺序数据的类别之间是可以比较顺序的；数值型数据其结果表现为具体的数值。
按收集方法分时：观测数据是在没有对事物进行人为控制的条件下等到的；实验数据的在实验中控制实验对象而收集到的数据。
按被描述的对象与时间关系分时：截面数据所描述的是现象在某一时刻的变化情况；时间序列数据所描述的是现象随时间而变化的情况。
3、举例说明总体、样本、参数、统计量、变量这几个概念。
总体是包含研究的全部个体的集合。
比如要检验一批灯泡的使用寿命，这一批灯泡构成的集合就是总体。
样本是从总体中抽取的一部分元素的集合。
比如从一批灯泡中随机抽取100个，这100个灯泡就构成了一个样本。
参数是用来描述总体特征的概括性数字度量。
比如要调查一个地区所有人口的平均年龄，“平均年龄”即为一个参数。
统计量是用来描述样本特征的概括性数字度量。
比如要抽样调查一个地区所有人口的平均年龄，样本中的“平均年龄”即为一个统计量。
变量是说明现象某种特征的概念。
比如商品的销售额是不确定的，这销售额就是变量。
第二章：数据的收集1、调查方案包括哪几个方面的内容？调查目的，是调查所要达到的具体目标。
调查对象和调查单位，是根据调查目的确定的调查研究的总体或调查范围。
调查项目和调查表，要解决的是调查的内容。
2、数据的间接来源（二手数据）主要是公开出版或公开报道的数据；数据的直接来源一是调查或观察，二是实验。
3、统计调查方式：抽样调查、普查、统计报表等。
抽样调查是从调查对象的总体中随机抽取一部分单位作为样本进行调查，并根据样本调查结果来推断总体数量特征的一种数据收集方法。
特点：经济性，时效性强，适应面广，准确性高。
普查是为某一特定目的而专门组织一次性全面调查。
我国进行的普查主要有人中普查、工业普查、农业普查等。
统计报表是按照国家有关法规的规定，自上而下地统一布置、自下而上地逐级提供基本统计数据的一种调查方式。
除此之外，还有重点调查和典型调查。
4、统计数据的误差通常是指统计数据与客观现实之间的差距，误差的主要类型有抽样误差和非抽样误差两类。
抽样误差主要是指在样本数据进行推断时所产生的随机误差（无法消除）；非抽样误差是人为因素造成的（理论上可以消除）5、统计数据的质量评价标准：精度，即最低的抽样误差或随机误差；准确性，即最小的非抽样误差或偏差；关联性，即满足用户决策、管理和研究的需要；及时性，即在最短的时间里取得并公布数据；一致性，即保持时间序列的可比性；最低成本，即在满足以上标准的前提下，以最经济的方式取得数据。
6、数据的收集方法分为询问调查与观察实验。
7、统计调查方案包括哪些内容？调查目的即调查所要达到的具体目标；调查对象和调查单位，调查对象是根据调查目的确定的调查研究的总体或调查范围，调查单位是构成调查对象中的每一个单位；调查项目和调查表，就是调查的具体内容；其它问题，即明确调查所采用的方式和方法、调查时间及调查组织和实施细则。
第三章：数据整理与展示1、对于通过调查取得的原始数据，应主要从完整性和准确性两个方面去审核。
2、对分类数据和顺序数据主要是做分类整理，对数值型数据则主要是做分组整理。
3、数据分组的步骤：确定组数、组距，最后制成频数分布表统计分组时“上组限不在内”，相邻两组组限间断，上限值采用小数点。
组中值＝（下限值+上限值）/24、频数：落在各类别中的数据个数；频数分布指把各个类别及落在其中的相应频数全部列出，并用表格形式表现出来；比例：某一类别数据占全部数据的比值；百分比：将对比的基数作为100而计算的比值；比率：不同类别数值的比值；分类数据的图示包括条形图和饼图。
5、直方图与条形图的差别：条形图是用条形的长度表示各类别频数的多少，宽度则是固定的，直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其高度与宽度均有意义。
其次，直方图的各矩形通常是连续排列，而条形图则是分开排列。
最后，条形图主要用于展示分类数据，而直方图则主要用于展示数值型数据。
第四章：数据分布特征的测度1、一组数据的分布特征可以从哪几个方面进行测度？一是分布的集中趋势反映各数据向其中心值靠拢或聚集的程度；二是分布的离散程度，反映各数据据远离其中心值的趋势；三是分布的形状，反映数据分布偏斜程度和峰度。
2、简述众数、中位数和均值的特点和应用场合及关系。
众数是一组数据分布的峰值，不受极端值的影响，缺点是具有不唯一性。
众数主要作为分类数据的集中趋势测度值。
中位数是一组数据中间位置上的代表值，不受数据极端值的影响。
中位数以及其他分位数主要适合于作为顺序数据的集中趋势测度值。
均值是就数值型数据计算的，具有优良的数学性质，缺点是易受数据极端值的影响。
均值主要适合于作为数值型数据的集中趋势测度值。
关系：如果数据的分布是对称的，众数、中位数和均值必定相等，即Mo=Me=xbar；如果数据是左偏分布，说明数据存在极小值，三者之间的关系表现为：xbar＜Me＜Mo；如果数据是右偏公布，说明数据存在极大值，必然拉动均值向极大值一方靠，则Mo＜Me＜xbar（图）3、为什么要计算离散系数？第一，极差、平均差、方差和标准差等都是反映数据分散程度的绝对值，其数值的大小取决于原变量值本身水平高低的影响。
第二，它们与原变量值的计量单位相同，采用不同计量单位计量的变量值，其离散程度的测度值也就不同。
因此，为消除变量值水平高低和计量单位不同对离散程度的测度值的影响，需要计算离散系数。
4、均值是集中趋势的最主要测度值，它主要适用于数值型数据，而不适用于分类数据和顺序数据。
5、四分位差主要用于测度顺序数据的离散程度，数值型数据也可以计算四分位差，但不适合于分类数据。
6、方差是各变量值与其均值离差平方的平均数。
方差的平方根是标准差。
方差、标准差计算公式（分组数据、未分组数据两种，自己写）样本方差和标准差计算公式（同上）7、对于分类数据，主要用异众比率来测度其离散程度；对于顺序数据，主要用四分位差来测度其离散程度；对于数值型数据，主要用方差或标准差来测度其离散程度。
8、经验法则：68%－1；95%－2；99%－3第五章：抽样与参数估计1、常用的概率抽样方法主要有：简单随机抽样，分层抽样，系统抽样，整群抽样2、置信水平（P115）第七章：相关与回归分析1、解释相关关系的含义，并说明其特点。
相关关系是变量与变量之间存在的不确定的数量关系。
特点是：一个变量的取值不能由另一个变量唯一确定，当变量x取某个值时，变量y的取值可能有几个。
2、简述相关系数的取值及其意义，并说明相关程度的几种情况。
相关系数－1≤r≤1 。
若0≤r≤1 ，表明x与y之间存在正线性相关关系；若－1≤r＜0 ，表明x与y之间存在负线性相关关系；若r＝1，表明x与y之间为完全正线性相关关系；若r＝－1 ，表明x与y之间为完全负线性相关关系。
｜r｜≥0.8时，可视为高度相关；0.5≤｜r｜＜0.8时，可视为中度相关；0.3≤｜r｜＜0.5时，视为低度相关；当｜r｜＜0.3时，说明两个变量之间的相关程度极弱。
3、解释回归模型、回归方程、估计的回归方程的含义回归模型是描述因变量y如何依赖于自变量x和误差项的方程。
回归方程是描述因变量y的期望值如何依赖于自变量x的方程。
估计的回归方程是利用最小二乘法，根据样本数据求出的回归方程的估计。
4、简述参数最小二乘估计的基本原理。
xy1ˆˆˆββ+=这一公式的x和y的n对观察值，用于描述其关系的直线有多条，用距离观测点最近的一条直线，用它来表示x 与y 之间的关系与实际数据的误差比其它任何直线都小。
根据这一思想确定直线中未知常数0ˆβ和1ˆβ的方法称为最小二乘法，即：最小=--=-∑∑==ni iini i x yyy 121012)ˆˆ()ˆ(ββ5、简述判定系数的含义和作用回归平方和占总平方和的比例，称为判定系数。
它测度了回归直线对观测数据的拟合程度，它反映了在因变量y 的总变量差中由于x 与y 之间的线性关系所解释的比例。
第八章：时间序列分析和预测1、利用增长率分析时间序列时应注意哪些问题？ 首先，当时间序列中的观察值出现0或负数时，不宜计算增长率；其次，在有些情况下，不能单纯就增长率论增长率，要注意增长率与绝对水平的结合分析。
第九章：指数1、什么是指数？它有哪些性质？反映复杂现象在不同场合下综合变动的一种特殊相对数，称为指数。
性质：相对性；综合性；平均性；动态和静态兼有的特性。
2、指数有哪些类型？ 根据对比场合不同，分为动态指数和静态指数；根据指数研究对象的范围不同，分为个体指数和总指数。
；根据编制方法的不同，总指数分为综合指数和平均指数；根据指数反映的性质不同，分为质量指数、数量指数；根据比较时所采用的基期不同，分为定基指数和环比指数；根据计算采用权数与否，分为简单指数和加权指数。