统计学基础知识要点
统计学基础知识
统计学基础知识统计学基础知识汇总统计学是一门阐明如何去采集、整理、显示、描述、分析数据和由数据得出结论的一系列概念、原理、原则、方法和技术的科学，是一门独立的、实用性很强的通用方法论科学。
你知道多少统计学基础知识呢?下面是yjbys小编为大家带来的统计学基础知识。
欢迎阅读。
一、名词解释1、统计学统计学是一门阐明如何去采集、整理、显示、描述、分析数据和由数据得出结论的一系列概念、原理、原则、方法和技术的科学，是一门独立的、实用性很强的通用方法论科学。
2、指标和标志标志是说明总体单位属性或特征的名称。
指标是说明总体综合数量特征和数量关系的数字资料。
3、总体、样本和单位统计总体是统计所要研究的对象的全体，它是由客观存在的、具有某种共同性质的许多个体所构成的整体。
简称总体。
构成总体的个体则称为总体单位，简称单位。
样本是从总体中抽取的一部分单位。
4、统计调查统计调查是根据统计研究的目的和要求、采用科学的方法，有组织有计划的搜集统计资料的工作过程。
它是取得统计数据的重要手段。
5、统计绝对数和统计相对数反映总体规模的绝对数量值，在社会经济统计中称为总量指标。
统计相对数是两个有联系的指标数值之比，用以反映现象间的联系和对比关系。
6、时期指标和时点指标时期指标是反映总体在一段时期内累计总量的数字资料，是流量。
时点指标是反映总体在某一时刻上具有的总量的数字资料，是存量。
7、抽样估计和假设检验抽样估计是指根据所抽取的样本特征来估计总体特征的统计方法。
假设检验是先对总体的某一数据提出假设，然后抽取样本，运用样本数据来检验假设成立与否。
8、变量和变异标志的具体表现和指标的具体数值会有差别，这种差别就称为变异。
数量标志和指标在统计中称为变量。
9、参数和统计量参数是反映总体特征的一些变量，包括总体平均数、总体方差、总体标准差等。
统计量是反映样本特征的一些变量，包括样本平均数、样本方差、样本标准差等。
10、抽样平均误差样本平均数与总体平均数之间的平均离散程度称之为抽样平均误差，简称为抽样误差。
统计基础必学知识点
统计基础必学知识点1. 数据的分类：数据可以分为定性数据和定量数据。
定性数据是描述性的，如性别、颜色等；定量数据是可量化的，如年龄、身高等。
2. 数据的度量尺度：数据的度量尺度分为四种类型，分别是名义尺度、顺序尺度、间隔尺度和比例尺度。
名义尺度是无序的分类数据，顺序尺度是具有次序关系的数据，间隔尺度是具有固定间隔的数据，比例尺度是具有固定比例关系的数据。
3. 频数与频率：频数是指某个数值出现的次数，频率是指某个数值出现的次数与总数的比值。
4. 数据的中心趋势度量：数据的中心趋势度量包括平均数、中位数和众数。
平均数是一组数据的总和除以数据个数，中位数是将数据按照大小排列后的中间值，众数是一组数据中出现次数最多的数值。
5. 数据的离散程度度量：数据的离散程度度量包括范围、方差和标准差。
范围是一组数据的最大值与最小值之差，方差是数据与其均值之差的平方和的平均值，标准差是方差的平方根。
6. 直方图和箱线图：直方图是将数据按照一定的区间划分，并统计每个区间内数据的频数或频率，在坐标系上绘制柱状图。
箱线图是通过四分位数和异常值来描绘一组数据的分布情况。
7. 相关系数：相关系数是用来描述两组数据之间的相关性强度和方向的指标。
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. 概率与统计分布：概率是事件发生的可能性，统计分布是对数据的概率分布进行描述的函数。
常见的统计分布包括正态分布、泊松分布、二项分布等。
9. 抽样与统计推断：抽样是从总体中选取一部分样本进行研究，统计推断是通过样本数据对总体进行推断。
常用的统计推断方法包括点估计和区间估计。
10. 假设检验：假设检验是对统计推断的一种方法，通过构建假设、选择显著性水平和计算检验统计量，判断样本数据是否能够拒绝原假设。
常见的假设检验方法有单样本t检验、双样本t检验、方差分析等。
统计学知识点全归纳__全面准确
统计学知识点全归纳__全面准确统计学是一门研究和应用统计原理和方法的学科。
统计学的目的是通过收集、整理、分析和解释数据来描述和推断人类活动中的规律性和不确定性。
下面将全面准确地归纳统计学的基本知识点。
1.数据收集和整理-数据的收集方法：可以通过抽样或完全普查进行数据收集。
抽样是从总体中选择一部分样本进行调查或实验，以此来推断总体的特征。
2.描述统计-数据的概括性度量：包括测量中心趋势的平均数（如算术平均值、中位数和众数）、测量离散程度的方差和标准差、测量数据分散程度的四分位数等。
-数据的可视化表示：可以使用直方图、箱线图、散点图、饼图等图表来展示数据的分布和关系。
3.概率与随机变量-概率的概念：概率是描述事件发生可能性的数值，范围从0到1、事件的概率可以通过频率或基于概率模型推断得到。
-随机变量：随机变量是随机试验结果的数值表示。
可以分为离散随机变量和连续随机变量。
4.概率分布-离散分布：包括二项分布、泊松分布等。
二项分布描述了一次试验中两个可能结果的概率分布，泊松分布描述了随机事件在固定时间或空间区域内发生的次数的概率分布。
-连续分布：包括正态分布、指数分布等。
正态分布是最常见的连续概率分布，它以钟形曲线显示数据的分布情况。
-概率密度函数和累积分布函数：概率密度函数描述了随机变量落在一些区间内的概率密度，累积分布函数描述了随机变量小于或等于一些值的概率。
5.抽样分布和统计推断-抽样分布：根据中心极限定理，当样本容量足够大时，样本均值的抽样分布会近似服从正态分布。
-参数估计：通过样本统计量（如样本均值、样本方差）来推断总体参数的数值。
-假设检验：用来检验一个关于总体参数的假设是否成立。
根据样本数据和给定的显著性水平，对假设进行接受或拒绝的判断。
6.相关分析和回归分析-相关分析：用来研究两个变量之间的关系。
可以通过计算相关系数（如皮尔逊相关系数）来衡量两个变量之间的线性相关程度。
-回归分析：用来研究一个或多个自变量与因变量之间的关系。
统计初步知识点总结
统计初步知识点总结一、统计学的基本概念1. 统计学的定义统计学是一门研究数据收集、处理、分析、解释和推断的学科。
它通过收集大量的数据，并利用数理统计方法对数据进行分析，从而得出有关总体特征的结论。
2. 统计学的发展与应用统计学起源于古代的人口普查和财产统计，随着科学技术的进步，统计学逐渐发展成为一门独立的学科。
它在经济学、医学、社会学、政治学等领域都有着广泛的应用，成为这些领域中不可或缺的工具。
3. 统计学的基本概念(1) 总体和样本：总体是指研究对象的全体，样本是从总体中抽取出来的一部分。
通过对样本的研究，可以对总体做出推断。
(2) 参数和统计量：参数是总体特征的数值度量，统计量是样本特征的数值度量。
通过统计量对参数进行估计。
(3) 变量和数据：变量是统计研究的对象，数据是对变量进行观测和测量的结果。
(4) 随机变量和概率分布：随机变量是随机现象的数学模型，概率分布描述了随机变量的取值规律。
二、统计方法1. 数据的收集数据的收集是统计学研究的基础，它包括实地调查、实验观察、问卷调查、文献资料收集等方式。
合理、科学的数据收集是统计研究的前提和基础，对于数据的真实性和可靠性至关重要。
2. 数据的描述数据的描述包括数据的整理、汇总和展示，通过频数分布表、统计图表等方式对数据进行直观展示，从而揭示数据的分布特征和规律。
3. 统计推断统计推断是利用样本数据对总体特征进行推断的过程，包括参数估计和假设检验两个方面。
(1) 参数估计：通过样本数据对总体参数进行估计，得到对总体的估计值和置信区间估计。
(2) 假设检验：根据样本数据对总体参数提出假设，并通过统计方法对假设进行检验，判断原假设是否成立。
4. 相关性分析和回归分析相关性分析是研究变量之间相关关系的方法，通过相关系数来度量两个变量之间的相关程度。
而回归分析则是研究变量之间的因果关系，并用回归方程来描述变量之间的函数关系。
5. 方差分析和协方差分析方差分析是比较多组样本均值之间差异的一种统计方法，协方差分析则是研究两个或多个变量之间的协方差关系。
统计学理论基础知识(史上最全最完整)
统计学理论基础知识(史上最全最完整)统计学是一门关于收集、分析、解释和展示数据的学科。
它在许多领域中都发挥着重要作用，包括自然科学、社会科学、商业和医学等。
基本概念- 数据：统计学的研究对象，可以是数值、文字或图像等。
- 总体与样本：总体是我们想要研究的所有个体或事物，而样本是从总体中选择的一部分。
- 参数与统计量：参数是总体的数值特征，统计量是样本的数值特征。
- 频数与频率：频数是某个数值出现的次数，频率是频数与样本大小之比。
描述统计学- 中心趋势：用于衡量数据集中的位置，常用的统计量有平均数、中位数和众数。
- 变异程度：用于衡量数据集中的离散程度，常用的统计量有标准差、方差和四分位数。
- 数据分布：用于描述数据集中每个值的频率分布情况，常用的图表有直方图和箱线图。
推断统计学- 参数估计：通过样本统计量对总体参数进行估计，包括点估计和区间估计。
- 假设检验：根据样本数据对总体参数的假设进行推断性统计分析，包括设置原假设和备择假设，并进行显著性检验。
相关分析- 相关系数：用于衡量两个变量之间的关联程度，常用的相关系数有Pearson相关系数和Spearman等级相关系数。
- 回归分析：用于建立变量之间的数学关系，常用的回归分析有线性回归和多元回归。
统计学软件- 常用统计软件：如SPSS、R、Excel等。
- 数据可视化工具：如Tableau、Power BI等。
这份文档提供了统计学的基础知识概述，包括基本概念、描述统计学、推断统计学、相关分析和统计学软件。
它将帮助读者理解统计学的核心概念和方法，为进一步探索统计学打下坚实的基础。
统计学基础知识
统计学基础知识统计学是一门研究收集、整理、分析和解释数据的学科，它在各个领域都有广泛的应用。
无论是在科学研究、经济管理、医学领域还是社会科学等领域，统计学都扮演着重要的角色。
本文将介绍统计学的基础知识，包括数据的类型、统计描述、概率与概率分布以及假设检验等内容。
一、数据的类型在统计学中，数据可以分为两种类型：定量数据和定性数据。
定量数据是用数值表示的，可以进行数学运算，如身高、体重等；而定性数据则是描述性的，通常用文字或符号表示，如性别、职业等。
了解数据的类型对于选择合适的统计方法非常重要。
二、统计描述统计描述是对数据进行概括和总结的过程。
其中最常见的统计描述指标包括均值、中位数、众数、标准差和方差等。
其中，均值是指所有观测值的平均值，中位数是将数据按大小排列后位于中间的数值，众数是数据中出现次数最多的数值。
标准差和方差是用来衡量数据的离散程度。
通过统计描述指标，我们可以更好地了解数据的分布和趋势。
三、概率与概率分布概率是统计学中一个重要的概念，它用来描述一个事件发生的可能性。
概率值介于0和1之间，0表示不可能事件，1表示必然事件。
概率分布则是对所有可能事件及其对应概率的描述。
常用的概率分布包括正态分布、二项分布和泊松分布等。
正态分布是一种最为常见的连续性概率分布，它的特点是均值和标准差完全确定了分布的形状。
二项分布是一种离散性概率分布，用于描述在给定次数的独立重复试验中成功次数的概率。
泊松分布则是一种用于描述单位时间或单位空间内事件发生次数的概率分布。
了解概率与概率分布对于统计学分析和预测具有重要意义。
四、假设检验假设检验是统计学中常用的方法之一，用于通过对样本数据进行分析来对总体进行推断。
假设检验通常包括两类假设：零假设和备择假设。
零假设是一种关于总体参数的陈述，备择假设则是对零假设的否定。
通过对样本数据进行统计分析，我们可以进行假设检验来判断零假设是否成立。
常见的假设检验方法包括t检验、卡方检验和方差分析等。
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
统计学基础知识统计学是一门研究收集、分析、解释和展示数据的学科。
它提供了一种方法，能够更好地理解和应用各种数据。
统计学在各个领域都有重要的应用，不论是在科学研究、商业决策还是社会科学中，都离不开统计学的支持。
本文将介绍统计学的基础知识，包括统计学的定义、常见的统计术语以及常用的统计方法。
一、统计学的定义统计学是一门研究如何收集、整理、分析和解释数据以及从数据中得出结论的学科。
它包括描述性统计和推论统计两个方面。
描述性统计用来总结和描述数据的特征，如平均数、中位数、频率分布等；推论统计则用来根据样本数据推断总体的特征，如置信区间、假设检验等。
二、常见的统计术语1. 总体与样本：总体是指研究对象的全体，样本是从总体中抽取的一部分。
通过对样本进行统计分析，可以得到对总体的推断。
2. 变量：研究对象的属性或特征，可以是数量型（如身高、年龄）或质量型（如性别、颜色）。
3. 数据类型：数据可以分为定性和定量两种类型。
定性数据用来描述特征或分类，如性别、颜色；定量数据用来表示数量或程度，如身高、温度。
4. 频数和频率：频数是指数据中某个取值出现的次数，频率是指某个取值出现的频率，即频数除以总数。
5. 中心趋势：用来描述数据的集中程度，包括平均数、中位数和众数。
平均数是所有观测值的总和除以观测值的个数，中位数是将观测值按大小排序后的中间值，众数是出现次数最多的值。
6. 离散程度：用来描述数据的离散程度，包括极差、方差和标准差。
极差是最大观测值与最小观测值之差，方差是观测值与平均数之差的平方和的平均数，标准差是方差的平方根。
三、常用的统计方法1. 描述性统计：描述性统计用来总结和描述数据的特征。
常见的描述性统计方法包括计数、百分比、平均数、中位数、众数、极差、方差和标准差。
2. 概率分布：概率分布描述了随机变量的取值及其对应的概率。
常见的概率分布包括正态分布、泊松分布和二项分布等。
3. 推论统计：推论统计用来从样本数据中推断总体的特征，并进行统计推断。
- 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。
x y 10ˆˆˆββ+= 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=--=-∑∑==n i i i n i i x y yy 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。