统计学重点整理
统计学重点
复习重点:统计学基本概念、问题简答复习重点统计1.简述统计的含义及其相互之间的关系。
统计资料、统计工作、统计学统计资料是统计工作的成果统计工作满足对统计资料的准确性统计学与统计工作是理论和实践的关系2.简述变量分配数列编制的步骤。
步骤：①将原始资料按其数值大小重新排列②确定全距③确定组距和组数④ 确定组限⑤ 编制变量数列3.什么是统计指标、什么是统计标志？说明二者的联系与区别。
统计指标是反映社会经济现象总体数量特征的概念标志指标简称标志，是反映总体单位某种特征的名称。
区别：指标是说明总体特征的，而标志是说明总体单位特征的；标志有不能用数值表示的品质标志和能够用数值表示的数量标志两种，而指标都能用数值表示联系：许多统计指标的数值是从总体单位的数量标志汇总而来的；指标和数量标志之间存在着转化关系。
4.什么是发展速度？包括哪些类型？各类之间的数量关系？发展速度是两个时期发展水平之比，它表明现象发展的程度和方向。
(一)定基发展速度＝报告期水平÷某一固定时期水平(二)环比发展速度＝报告期水平÷前一期水平数量关系：1.环比发展速度的连连乘积等于相应的定基发展速度2.相邻的两个定基发展速度之比等于相应时期的环比发展速度5.什么是结构相对指标、强度相对指标和比例相对指标？各类之间的关系如何？结构相对指标是利用分组的方法，将总体去区分为性质不同的若干部分，以部分数值与总体数值对比，计算各部分所占比重或比率的相对数，是反映同一时期总体内部组成状况的综合指标。
部分与总体的关系比例相对指标是反映同一总体内部各部分之间数量对比关系的综合指标，用来反映总体各组成部分之间的数量联系程度和比例关系。
部分与部分的关系强度相对指标是将两个性质不同但有一定联系的总体的指标对比而得到的相对数，用以反映现象强度、密度或普遍程度的综合指标。
关联指标间的关系6.什么是统计调查？有哪些类型？统计调查方案包括哪些内容？统计调查是根据研究的任务和目的，按照预先设计的方案，采用统计学的理论和方法，对所研究对象进行有计划，有组织的搜集资料的工作过程。
统计学知识点梳理
复习提纲：〔计算局部全用红色标注了！其他红色的是我的推断，可能出什么题型；有下划线的重点记忆！当然整理的知识点都是重点！都要背和理解！Fighting！〕第一章绪论一．统计的含义即统计工作、统计资料和统计学统计工作：统计实践活动，搜集，整理，分析和提供关于社会现象数字资料工作总称统计资料：统计实践活动过程中所取得的各项资料，包括原始资料和加工整理资料统计学：关于认识客观现象总体数量特征和数量关系的科学二．统计工作过程就一次统计活动来讲，一个完整的认识过程一般可以分为统计调查、统计整理和统计分析三个阶段。
统计调查：第一阶段，是认识客观经济现象的起点，是统计整理和统计分析的根底。
统计整理：第二阶段，处于统计工作的中间环节，起着承前启后的作用。
统计分析：第三阶段，通过第三阶段，事物由感性认识上升到理性认识。
三．总体与总体单位〔会辨析总体与总体单位即可〕总体，亦称统计总体，是指客观存在的、在同一性质根底上结合起来的许多个别单位的整体；构成总体的这些个别单位称为总体单位。
总体由总体单位构成，要认识总体必须从总体单位开始，总体是统计认识的对象。
例如：所有的工业企业就是一个总体，其中的每一个工业企业就是一个总体单位。
四．标志和指标标志是用来说明总体单位特征的名称。
指标，亦称统计指标，是说明总体的综合数量特征的。
一个完整的统计指标包括数量指标名称和指标数值两局部。
〔以上内容理解即可〕1.指标和标志的区别和联系〔简答〕指标与标志的区别：〔1〕指标是说明总体特征的，而标志是说明总体单位特征的；〔2〕指标都能用数值表示，而标志中的品质标志不能用数值表示，是用属性表示的；〔3〕指标数值是经过一定的汇总取得的，而标志中的数量标志不一定经过汇总，可直接取得；〔4〕一个完整的统计指标，一定要讲时间、地点、范围，而标志一般不具备时间、地点等条件。
指标与标志的联系：〔1〕有许多统计指标的数值是从总体单位的数量标志值汇总而来的；〔2〕两者存在着一定的变换关系，即由于研究目的不同，原来的统计总体如果变成总体单位了，那么相应的统计指标也就变成数量标志了。
统计学重点
第一章1、数据类型：按照所采用的计量尺度不同，我们将数据分为：分类数据（归于某一类别的非数字型数据，ex:血型），顺序数据（有序类别的非数据型数据，ex:喜好，产品等级），数值型数据（按照数字尺度测量的观测值）2、统计量：用来描述样本特征的概括性数字度量，它是根据样本数据计算出来的一些量，是样本的函数，样本统计量通常用小写英文字母表示，若存在未知变量就不是统计量。
第二章1、概率抽样（随机抽样）：（1）特点：按一定的概率以随机原则抽取样本（抽取样本时使每个单位都有一定的机会被抽中）。
每个单位被抽中的概率是已知的，或是可以计算出来的。
当用样本对总体目标量进行估计时，要考虑到每个样本单位被抽中的概率（2）简单随机抽样：体现在每一个样本点的选取上（简单直观方便，但是效率低）（3）分层抽样：适用于总体差距大，体现在每一层样本点选取上（精度最高）（4）系统抽样：第一个样本点的选取是随机的（简单，提高精度，但是方差估计难）（5）整群抽样：要求：群集间互斥且周延，群集与群集间差异小，群集内类似总体每一群的选取是随机的（简单，相对集中，方便，但是精度较差）（6）多阶段抽样：先抽取群，但并不是调查群内的所有单位，而是再进行一步抽样，从选中的群中抽取出若干个单位进行调查。
2、非概率抽样（1）抽取样本时不是依据随机原则，而是根据研究目的对数据的要求，采用某种方式从总体中抽出部分单位对其实施调查（2）有方便抽样、判断抽样、自愿样本、滚雪球抽样、配额抽样等方式3、比较：4、抽样误差：所有样本可能的结果与总体真值之间的平均性差异影响因素：样本量的大小、总体的变异性第三章1、数据审核：（1）原始数据：完整性，准确性；（2）二手数据：适用性，时效性，确认是否有必要做进一步的加工整理2、分类数据的图示：（1）条形图：主要反映分类数据的频数分布（2）帕累托图：各类别数据出现的频数多少排序的柱形图，用于展示分类数据分布。
（3）饼图：主要用于表示样本或总体中各组成部分所占的比例，用于研究结构性问题。
管理统计学期末知识点重点归纳
管理统计学期末知识点重点归纳●发展历程●政治算术学派，英国威廉·配地、代表著作是《政治算术》。
“无统计学之名，有统计学之实”。
●国势学派，德国康令和阿亨瓦尔。
“有统计学之名，无统计学之实”。
●数理统计学派，大数定律，比利时凯特勒，被称为“近代统计学之父”●统计学基础概念●统计含义●1统计工作（实践）过程：设计—调查—整理—分析——统计资料的提供和开发 2统计资料（成果） 3统计学●统计学是研究如何测定、收集、描述和分析大量客观现象总体数量的数据和给出正确认识的方法论科学（性质）。
●研究对象：是客观现象总体的数量方面，即现象总体的数量特征和数量关系。
作为自己的研究对象。
●研究目的：是通过现象总体的数量表现、数量特征和数量关系，综合考察总体现象的特征及其发展变化的规律。
●研究对象的特点：数量性，总体性，具体性，社会性●统计学的基本方法：1大量观察法；2统计分组法；3综合指标法；（常用的综合指标有总量指标、相对指标、平均指标、变异指标、动态指标和统计指数等。
）4归纳推断法●统计的基本职能：1统计信息（统计信息以数量性和总体性为特征）2统计咨询；3统计监督（特点：数量性；总体性）●三者的关系：三者是相互联系、相辅相成的。
搜集和提供统计信息是统计最基本的职能。
统计的信息职能是保证统计咨询和统计监督职能有效发挥的基础。
统计咨询职能是统计信息职能的延续和深化。
统计监督职能是在统计信息、咨询职能基础上进一步拓展，并促进统计信息和咨询职能的优化。
●集中统一是我国统计工作所具有的特点，也是统计工作组织的基本原则●总体与总体单位●总体/统计总体：是客观存在的，在某一方面具有相同性质的，许多个别事物组成的整体。
●特征：同质性、大量性、差异性分类1有限总体：单位数有限，可数，可以进行全面调查和非全调查；2无限总体：不可数，只能采取非全面调查。
●总体单位：构成总体的个别单位●两者关系：1构成总体的单位同质，2总体与总体单位有相对性●流量（时期）与存量（时点）●统计标志1性质：品质指标（说明总体单位的属性特征，在原始状态下无法量化）数量标志（数量特征，可量化）2变异情况：可变标志（标志表现有差别，决定总体的差异性）不变标志（标志表现无差别，总体的同质性）●统计指标：反映社会经济现象总体数量特征的概念及其具体数值。
统计学概念整理 以及试题(附答案)
一基本概念、1、统计总体简称总体是我们要调查或统计某一现象全部数据的集合。
总体单位是构成总体的各个个别单位，它是组成总体的基本单位，也是调查项目的直接承担者。
如：对工业企业进行调查，全国工业企业是总体，每一个工业企业就是单位。
2标志与指标指标是反映统计总体的数量特征，标志反映的是总体单位的特征。
指标分为数量指标和质量指标。
（都可以用数量表示）数量指标，反映总体总规模或总水平，如人口数，产量，耕地面积。
质量指标，反映总体内在质量，如产品合格率，劳动生产率等。
标志分为品质标志和数量标志。
品质标志，如人的性别，籍贯等。
（只能用文字表示）数量标志，人的年龄，身高，职工工资等。
（用数量表示）关系：1）、指标反映的是总体，标志反映的是单位；2）、表示方法不同（文字还是数字）；3）、标志是构成指标的基础，指标是标志的汇总，在一定情况下可以互相转化。
如A同学，性别女，女是A的标志，B同学，性别男，男是B的标志……假设一共有5位男同学，3位女同学，男女性别比为5：3，这个5：3就是指标了。
没有前面每个同学的性别标志，就不能通过加总得到后面的5：3.3从统计学而言，理论上，一切认识的对象均可被量化。
而其量化的方法则无外乎四种－－定量、定比、定序、定类。
（定距尺度没有绝对零点，比如IQ）1、定类尺度：也称类别尺度或名义尺度，是将调查对象分类，标以各种名称，并确定其类别的方法。
它实质上是一种分类体系。
2、定序尺度：也称等级尺度或顺序尺度，是按照某种逻辑顺序将调查对象排列出高低或大小，确定其等级及次序的一种尺度。
3、定距尺度：也称等距尺度或区间尺度，是一种不仅能将变量（社会现象）区分类别和等级，而且可以确定变量之间的数量差别和间隔距离的方法。
4、定比尺度：也称比例尺度或等比尺度，是一种除有上述三种尺度的全部性质之外，还有测量不同变量（社会现象）之间的比例或比率关系的方法。
4.变异与变量在一个总体中，当某标志在每个总体单位上的具体表现都相同时，称此标志为不变标志。
管理统计学复习重点
管理统计学复习重点1、理解描述统计学与推断统计学(p3)2、熟悉定量数据与定性数据的图表描述，常用图表3、熟练掌握加权算术平均数、标准差、标准差系数的计算方法（参考教材p47、p60例题）4、理解样本均值的抽样分布及中心极限定理(p95)5、理解点估计的三个评价标准，区间估计的置信水平的概念（教材p110）6、熟练掌握总体均值的区间估计方法（参考教材p127习题8）7、理解影响样本容量大小因素（置信水平、总体方差、允许误差），是怎样影响的？8、理解假设检验的原理、步骤及两类错误9、熟练掌握总体均值的假设检验（参考教材p141例题8.6）10、理解方差分析的概念、原理及基本步骤11、熟练掌握单因素方差分析方法，理解单因素方差分析表的内在联系（参考教材p165）12、熟练掌握多元线性回归分析方法，重点熟悉Excel回归分析输出表的内在联系（参考教材p221）13、理解时间序列的组成因素及两类模型14、熟悉选择拟合时间序列趋势模型的分析方法15、理解拉氏指数和帕氏指数16、熟练掌握总量指标的两因素分析方法（参考教材p268）17、理解CPI指数及其经济意义，CPI指数与购买力指数的关系18、(本题共20分)某农场负责人认为早稻收获量（y：单位为kg/公顷）与春季降雨（x1：单位为mm）和春季温度(x2：单位为℃)有一定的联系，通过7组试验获得了相关的数据。
利用Excel得到下面的回归结果（α=0.1）：方差分析表（2）写出早稻收获量与春季降雨量、春季温度的多元线性回归方程，并解释各回归系数的意义。
（3）检验回归方程的线性关系是否显著？（4）检验各回归系数是否显著？R，并解释它的实际意义。
（5）计算判定系数2（6）计算估计标准误差Se，并解释它的实际意义。
(完整版)医学统计学重点总结
1.简述总体和样本的定义，并且举例说明。
总体是研究目的确定的所有同质观察单位的全体。
样品是从研究总体中抽取部分有代表性的观察单位。
2.简述参数和统计量的定义，并且举例说明。
描述总体特征的指标称为参数，描述样本特征的指标称为统计量。
3.变量的类型有哪几种？举例说明各种类型变量有什么特点。
①定量数据：计量资料；定量的观测值是定量的，其特点是能够用数值的大小衡量其水平的高低。
②定性数据：计数资料；变量的观测值是定性的，表现为互不相容的类别或属性。
③有序数据：半定量数据/等级资料；变量的观测值是定性的，但各类别（属性）有程度或顺序上的差异。
4.请举例说明一种类型的变量如何变换为另一种类型的变量。
定量数据>有序数据>定性数据--------------->5.请简述什么是小概率事件？概率是描述事件发生可能性大小的度量，P 0.05事件称为小概率事件。
≤6．举例说明什么是配对设计。
配对设计是将受试对象按某些重要特征相近的原则配成对子，每对中的两个个体随机地给予两种处理。
①同源配对：同一受试对象或同一标本的两个部分，随机分配接受两种不同处理；②异源配对：为消除混杂因素的影响，将两个同质受试对象配对分别接受两种处理。
7.非参数假设检验适合什么类型数据进行分析？①总体分布类型未知或非正态分布数据；②定量或半定量数据；③数据两端无确定的数值。
8．简述P 25 P 5０ P ７5的统计学意义。
（条件：明显偏态且不能转化为正态或近似对称；一端或两端无确定数值；分布情况未知）用来描述资料的观测值序列在某百分位置的水平，四分位数间距可以作为说明个体差异的指标（说明个体在不同位置的变异情况）。
9.直条图、直方图、圆饼图的使用条件是什么？直条图：各自独立的统计指标的数值大小和他们之间的对比；直方图：连续变量频数分布情况；圆饼图：全体中各部分所占的比例。
10.统计分析包括哪两个方面的内容？为什么要进行统计推断？统计描述和统计分析；统计描述用来描述及总结一组数据的重要特征，其目的是使实验或观察得到的数据表达清楚并便于分析。
社会统计学重点归纳
社会统计学重点归纳社会统计学是研究社会现象和社会问题的一门学科，它运用数理统计的方法对社会现象进行分析和解释。
社会统计学的核心任务是通过收集、整理和分析社会数据，揭示社会现象背后的规律和趋势，为社会科学研究提供数据支持。
首先，社会统计学的基本概念和原理是我们了解的重点。
社会统计学的基本概念包括总体、抽样、变量、频数等。
总体是研究对象的全体，抽样是从总体中选取样本来代表总体，变量是研究对象的属性或特征，频数是某一变量取值的次数。
社会统计学的基本原理包括随机抽样、抽样误差、样本容量等。
了解这些基本概念和原理是进行社会统计学研究的基础。
其次，社会统计学的数据收集方法和数据分析技术是我们需要掌握的重点。
社会统计学的数据收集方法包括问卷调查、访谈调查、观察方法等。
问卷调查是通过编制问卷，向研究对象发放并收集回答的数据；访谈调查是通过面对面或电话等方式与研究对象进行交流，收集数据；观察方法是通过观察社会现象或行为，获取数据。
社会统计学的数据分析技术包括描述统计和推论统计。
描述统计是对数据进行整理、概括和展示，包括频数分布、频率分布、中心趋势和离散程度等指标；推论统计是根据样本数据推断总体特征，包括抽样分布、参数估计和假设检验等方法。
再次，社会统计学的应用范围和意义是我们需要关注的重点。
社会统计学在社会科学研究中起着重要的作用。
它可以帮助我们了解社会现象的分布和变化趋势，揭示社会问题的成因和解决方案。
社会统计学在人口学、经济学、社会学、心理学等学科中都有广泛的应用。
例如，人口统计学可以对人口的数量、结构、分布等进行研究，为制定人口政策和规划提供依据；经济统计学可以对经济发展的各个方面进行研究，为制定经济政策和决策提供支持；社会学统计学可以对社会问题和社会现象进行研究，为社会管理和社会改革提供指导。
最后，社会统计学的发展趋势和挑战是我们需要关注的重点。
随着社会的发展和变化，社会统计学也在不断发展和进步。
社会统计学的发展趋势包括数据科学的兴起、大数据的应用、人工智能的发展等。
- 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)。
参数(parameter)：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。
所关心的参数主要有总体均值、标准差、总体比例等。
总体参数通常用希腊字母表示统计量(statistic)：用来描述样本特征的概括性数字度量，它是根据样本数据计算出来的一些量，是样本的函数。
所关心的样本统计量有样本均值(x)、样本标准差(s)、样本比例(p)等。
样本统计量通常用小写英文字母表示1、概率抽样：简单随机抽样（SRS）、系统抽样（SYS）、分层抽样（STS）、整群抽样（STS）、多阶段抽（MSS）简单随机抽样（SRS）特点：总体中每一个样本点均有相同机率被抽中、抽出某个样本后不影响另一个样本抽出的机率（独立性）、经常先列样本名册后用计算机产生随机数或随机表抽选放回和不放回：放回（重复）抽样；无放回（不重复）抽样系统抽样（SYS）等距抽样：将所有样本列册以序号排列，先随机抽取第一个样本，接着每隔Ｋ个样本抽取下一个样本；间隔K 的求法：Population size/ Sample size；常用于抽样（类似于简单随机抽样）分层抽样（STS）将总体区分为数个层（strata）：层之间互斥且周延、层内性质相近、层与层之间差异明显从每一层中简单随机抽取若干样本作为该层的代表，再将所有层总结集合整群抽样（STS）将总体区分为多个群集clusters：群集间互斥且周延、群集与群集间差异小、群集内类似总体随机抽取数个clusters将抽中的群集内每个样本均调查多阶段抽样（MSS）第一阶段：分群——整群抽样第二阶段：分层——分层抽样第三阶段……整群抽样的优点是实施方便、节省经费；整群抽样的缺点是往往由于不同群之间的差异较大，由此而引起的抽样误差往往大于简单随机抽样。
抽样方法优点缺点简单随机抽样操作简便易行，总体个数多时，工作量太大系统抽样操作便简易行，可以提高效率如不了解样本总体，抽出的样本有偏差分层抽样充分保证样本结构与总体的一致整体差异不明显时不适用，在使用时提高样本的代表性需要与其他抽样方法综合使用。
2、抽样所产生的误差：抽样误差(sampling error)和非抽样误差(non-sampling error)抽样误差（理论上不可避免）：由于抽样的随机性所带来的误差（偶然性）所有样本可能的结果与总体真值之间的平均性差异影响抽样误差大小的因素：样本量的大小、总体的变异性普查无抽样误差，但是普查误差可能比抽样误差大非抽样误差：除抽样误差之外的，由于其他原因造成的样本观察结果与总体真值之间的差异存在于所有的调查之中：概率抽样，非概率抽样，全面性调查包括：抽样框误差、回答误差、无回答误差、调查员误差、测量误差回答误差：理解误差、记忆误差、有意识误差无回答误差：应答率的问题：酒吧打架致死事件，90%是被打死的那个人先动手的误差的控制抽样误差可计算和控制非抽样误差的控制：合理选择抽样框、改良问卷、调查过程控制（调查结果进行检验、评估；现场调查人员进行奖惩的制度）茎叶图Stem-and-leaf plot for YEAR(结婚年龄)（唯一一个没有丢失原始数据的统计表）3、画表的一般原则：合理安排统计表的结构、总标题内容应满足3W 要求、数据计量单位相同时，可放在表的右上角标明，不同时应放在每个指标后或单列出一列标明、表中的上下两条横线一般用粗线，其他线用细线、通常情况下，统计表的左右两边不封口、表中的数据一般是右对齐，有小数点时应以小数点对齐，而且小数点的位数应统一、对于没有数字的表格单元，一般用“—”表示、必要时可在表的下方加上注释4、集中趋势表示：均值、中位数、众数、几何平均数众数：出现次数最多的变量值不受极端值的影响、一组数据可能没有众数或有几个众数、主要用于定性数据，也可用于定量数据未分组数据：无众数（原始数据: 1 2 3 4 5 6 7 ）、一个众数（原始数据: 1 2 3 3 3 4 5 ）、多于一个众数(原始数据: 1 2 3 3 4 4 5 ，此时众数为二者平均3.5)分组数据：先在次数表中找出次数最多的那一组，称为「众数组」，一般以Mo来表示。
若取众数组的组中点为众数，则称为粗众数。
Czuber插补法中位数(median)：将一组数字由大排至小，位居中间的数值为该组数字的中位数。
一般以Me来表示各观察值与中位数差异的绝对值总和为最小。
以下列公式求出中位数：均值(mean)：集中趋势的最常用测度值、一组数据的均衡点所在事实上，各个观察值与平均数差的总和为0、各个观察值与平均数差的平方和为最小几何平均数(geometric mean)：n 个变量值乘积的n 次方根数据必须为正值才能计算几何平均数主要用于计算平均百分比(percentages)、比率(ratios)、指数(indexes)、成长率(growth rates)的计算分位数：除了将数据作半切割外，我们也可以将数据切成四等分、十等分、或一百等分切尾均值(trimmed Mean)：去掉大小两端的若干数值后计算中间数据的均值离散趋势：极差（四分位距）、方差（总体方差样本方差）、标准差（总体标准差、样本标准差）、离散系数四分位距（Interquartile Range）：也称为内距。
上四分位数与下四分位数之差（ IQR = Q3 –Q1）反映了中间50%数据的离散程度。
不受极端值的影响离散系数(coefficient of variationＣＶ)：标准差与其相应的均值之比分布偏度与峰度的测度偏度(skewness)：Pearson于1895年首次提出。
数据分布偏斜程度的测度：偏态系数=0为对称分布偏态系数< 0为左偏分布偏态系数> 0为右偏分布峰度(kurtosis) ：Pearson于1905年首次提出。
数据分布扁平程度的测度峰态系数=0扁平峰度适中峰态系数<0为扁平分布峰态系数>0为尖峰分布统计量的分布就是抽样分布标准误（error）：统计量的标准差.样本均数的标准差。
5、影响区间宽度的因素总体数据的离散程度，用 s 来测度样本容量置信水平(1 - a)，影响z 的大小抽样组织形式抽样方法计算题6、如何正确理解置信区间由样本估计量所构造的总体参数的估计区间称为置信区间。
统计学家在某种程度上确信这个区间会包含真正的总体参数，所以给它取名为置信区间用一个具体的样本所构造的区间是一个特定的区间，我们无法知道这个样本所产生的区间是否包含总体参数的真值。
我们只能是希望这个区间是大量包含总体参数真值的区间中的一个，但它也可能是少数几个不包含参数真值的区间中的一个。
置信区间又称为估计区间，是用来估计参数的适用X围的。
其值是一个变量本身所具有的真实值。
置信区间展现的是这个参数真值有一定概率落在测量结果的周围的程度。
置信区间给出的是被测量参数的测量值的可信程度。
7、抽样n需要考虑的因素（1）研究对象的变化程度、（2）所要求或允许的误差大小（即精度要求）、（3）要求推断的置信程度。
也就是说，当所研究的现象越复杂，差异越大时，样本容量要求越大；当要求的精度越高，可推断性要求越高时，样本量越大。
样本容量n与总体方差2、边际误差E、可靠性系数Z或t之间的关系为8、第一类错误（弃真错误）：原假设为真时拒绝原假设。
第一类错误的概率为αa，即显著性水平；（１－αa ）则置信水平第二类错误（取伪错误），原假设为假时没有拒绝原假设。
第二类错误的概率为βb(Beta)在其他条件不变的情况下，减少犯第一类的可能性势必增加犯第二类错误的可能性，反之必然。
原假设：研究者想收集证据予以反对的假设。
总是有等号 ==, <= 或>= ³备择假设：研究者想收集证据予以支持的假设。
总是有不等号: ≠¹, << 或 >9、P 值：如果原假设为真，P-值是抽样分布中大于或小于样本统计量的概率左侧检验时，P-值为曲线上方小于等于检验统计量部分的面积右侧检验时，P-值为曲线上方大于等于检验统计量部分的面积P值常常作为观察到额数据域原假设不一致程度的度量。
统计量检验采用事先确定显著性水平a，来控制犯第一类错误的上限，P值可以有效的补充a提供的关于检验可靠性的有限信息。
P值检验的优点在于，他提供了更多的信息，让人们可以选择一定的水平来评估结果是否具有统计上的显著性。
如果P值越小，则我们可以拒绝原假设计算题10、相关与回归的关系相关分析与回归分析区别：（1）相关分析中，变量x 变量y 处于平等的地位；回归分析中，变量y 称为因变量，处在被解释的地位，x 称为自变量，用于预测因变量的变化（2）相关分析中所涉与的变量x 和y 都是随机变量；回归分析中，因变量y 是随机变量，自变量x 可以是随机变量，也可以是非随机的确定变量（3）相关分析主要是描述两个变量之间线性关系的密切程度；回归分析不仅可以揭示变量x 对变量y 的影响大小，还可以由回归方程进行预测和控制相关分析与回归分析联系（1）理论和方法具有相似性；（2）无相关就无回归，相关程度越高，回归越好（3）线性回归时，相关系数和回归系数方向一致，可以互相推算回归系数含义是说当其他因素不变时自变量的以单位变化引起的因变量的变化程度计算题可决系数（coefficient of determination）可决系数越大，说明在总变差中由模型作出了解释的部分占的比重越大，模型拟合优度越好。
反之可决系数小，说明模型对样本观测值的拟合程度越差。
可决系数是测定多个变量间相关关系密切程度的统计分析指标,它也是反映多个自变量对因变量的联合的影响程度。
可决系数越大,自变量对因变量的解释程度越高,自变量引起的变动占总变动的百分比高。
判定系数为可解释变异量占总变异量的比例，表示X对Y的变异之解释能力。
R2愈大，表示X对Y的解释能力愈强可决系数有如下特点：1.可决系数是非负的统计量2.可决系数的取值X围：0<=R^2<=13.可决系数是样本观测值的函数，可决系数R^2是随机抽样而变动的随机变量。
为此，对可决系数的统计可靠性也应进行检验。
未知数，可用样本s代替，从而得到t分布t 检验总体斜率时间数列的基本要素：时间和指标数值发展速度：环比发展速度、定基发展速度关系：定期发展速度（总速度）＝相应时期的环比发展速度之积。
两个相邻的定基发展速度，用后者除以前者，等于相应的环比发展速度。
增长速度：环比增长速度=环比发展速度—1定基增长速度=定基发展速度—1平均增长速度= 平均发展速度—1平均发展速度的计算几何平均法（水平法）以xi 表示环比发展速度，根据环比发展速度与总速度的关系，计算平均发展速度应该采用几何平均法：时间序列与其的构成要素（1）长期趋势T (A图)现象在较长时期内持续发展变化的一种趋向或状态；由影响时间序列的基本因素作用形成；是时间序列中最基本的构成要素；可分为上升趋势、下降趋势、水平趋势（2）季节变动S (B图)是一种使现象以一定时期（如一年、一月、一周等）为一周期呈现较有规律的上升、下降交替运动的影响因素。