1、1. 樣本: 樣本 從總體中抽出的若干個體所構成的集合稱為樣本。 2. 總體: 總體 指具有相同性質的個體所組成的集合稱為總體。 3. 連續變量：表示在不變量范圍內可抽出某一范圍的所有值。4. 非連續變量:也稱為離散型變量，表示在變量數列中，僅能取得固定數值，并且通常是整數。5. 準確性:指在調查或實驗中某一試驗指標或形狀的觀測值與真值接近的程度。6. 精確性：指調查或實驗中同一試驗指標或形狀的重復觀測值彼此接近程度大小。7. 資料：指在一定條件下，在生物學實驗和調查中，能夠獲得大量原始數據，對某種具體事務或現象觀察的結果。 8. 數量性狀資料：指一般是由計數和測量或度量得到的。9. 質量性狀

2、資料：是指對某種現象只能觀察而不能測量的資料，也稱屬性資料。10. 計數資料;指由計數得到的數據。11. 計量資料：有測量或度量得到的數據。12. 普查：指對研究對象的每一個個體都進行測量或度量的一種全面調查。13. 抽樣調查：是一種非全面調查，它是根據一定的原則對研究對象抽取一部分個體進行測量或度量，把得到抽樣調查的數據資料作為樣本進行統計處理，然后利用樣本特征數對總體進行推斷。14. 全距（極差） ：是指樣本數據資料中最大觀測值與最小觀測值的差值。組中值：是指兩個組限下線和上限的中間值。15. 算數平均數：是指總體或樣本資料中哥哥給觀測值的總和除以觀測值的個數所得的商。16. 中位數：是指

3、將試驗或調查資料中所有觀測值以大小順序排列，居中位置的觀測值。17. 眾數：資料中出現次數最多的那個觀測值或次數最多一組的中點值。18. 幾何平均數：指資料中有幾個觀測值，其乘積開幾次方所得的數值。19. 方差：指用樣本容量 n 來除離均差平方和，得到平均的平方和。20. 標準差：指方差的平方根和。21. 變異系數:指將樣本標準差除以樣本平均數得出的百分比。22. 概率:指某事件 A 在 n 次重復試驗中，發生了幾次，當試驗次數 n 不斷增大時，事件 A 發生的頻率 W（A） 概率 就越來越接近某一確定值 P，于是則定 P 為事件 A 發生的概率.23. 和事件：指事件 A 和事件 B 至少有

4、一件發生而構成的新事件稱為事件 A 和事件 B 的事件。24. 積事件:指事件 A 和事件 B 同時發生而構成的新事件，稱為事件 A 和事件 B 的積事件。25. 互斥事件：指事件 A 和事件 B 不能同時發生，稱為事件 A 和事件 B 互斥。26. 對立事件：指事件 A 和事件 B 必有一個事件發生，但兩者不能同時發生。27. 獨立事件：指事件 A 的發生與事件 B 的發生毫無關系。28. 完全事件系：指如果多個事件 A1、A2、 、An 兩兩相斥，且每次試驗結果必然發生其一，則稱事件 A1、 完全事件系 A2、 、An 為一個完全事件系。29. 概率加法定理： 指互斥事件 A 和 B 的和

5、事件的概率等于事件 A 和事件 B 的概率之和， P(A+B)=P(A)+P(B)。 30. 概率乘法定理：指事件 A 和事件 B 為獨立事件，則事件 A 與 B 同時發生的概率等于事件 A 和事件 B 各自概率乘法定理的乘積，即:P(A*B)=P(A)*P(B)。 31. 伯努利大數定律：設 M 是 n 次獨立試驗中事件 A 出現的次數，而不是事件 A 在每次試驗中出現的概率，則對于任意小的正數 ，有如下關系:limpm/n-p< =1 32. 辛欽大數定律:是用來說明為什么可以用算術平均數來推斷總體平均數 m 的。33. 統計推斷:指從樣本的統計數對總體參數做出的推斷，包括參數估計和

6、假設檢驗。34. 假設檢驗：指根據總體理論分布和小概率原理，對未知或不完全知道的總體提出兩種彼此對立的假設，然后有樣本的實際結果，經過一定的計算，做出在一定概率意義上應該接受的那種假設的推斷。35. 參數估計:指由樣本結果對總體參數在一定概率水平下所作出的估計。點估計是用樣本統計量直接給出總體相應參數的估計值，由于抽樣誤差存在，X拔不同的樣本將會得到不同的點估計值，點估計缺乏明確的精度概念，而區間估計在一定程度上可以彌補這個不足36. 小概率原理：指如果假設一些條件，并在假設的條件下能夠準確地算出事件 A 出現的概率 a 為很小，則在假設條件下的 n 次獨立重復試驗中時按預定的概率發生，而在有

7、一次試驗中則幾乎不可能獨立。 37. 顯著水平：指在無效假設和備擇假設后，要確定一個否定 H0 的概率標準，這個概率稱為顯著水平。38. 方差同質性：就是指各個總體的方差是相同的。39. 錯誤 :H0 是真實的，假設檢驗卻否定了它，就煩了一個否定真實假設的錯誤，稱為 錯誤。40. 錯誤：指如果H0 不是真實的，假設檢驗時卻接受了 H0，否定了 HA 這樣就犯了接受不真實假設的錯誤，稱為 錯誤。 41. 適合性檢驗：指比較觀測值與理論值是否符合的假設檢驗交適合性檢驗。42. 獨立性檢驗：指研究兩個或兩個以上因子彼此之間是相互獨立的還是相互影響的一類統計方法。43. 相關分析:是研究現象之間是否存

8、在某種依存關系， 并對具體有依存關系的現象探討其相關方向以及相關程度，是研究隨機變量間的相關關系的一種統計方法。44. 回歸分析：是確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法。45. 回歸系數：y=a+bx，自變量 x 改變一個單位，依變量 y 平均增加或減少的單位數，即回歸直線的斜率 b。46. 回歸截距：y=a+bx，a 是當 x=0 時的 Y值，即直線在 y 軸上的截距，稱為回歸截距。47. 離回歸平方和：它反映除去 x 與 y 相關程度和性質的統計數。48. 回歸平方和：它反映在 y 的總體變異種由于 x 與 y 的直線關系而產生 y 變異減小的部分。49. 相關系數

9、：是指通過計算表示 x 和 y 相關程度和性質的統計數。50. 決定系數：是變量 x 引起 y 變異的回歸平方和與 y 變異總平方和的比率。51. 轉換：指估計總體相關系數 p 的置信區間時，需要將 r 轉換成 z。52. 試驗設計：廣義的指整個研究課題的設計，包括實驗方案的擬訂，試驗方案的擬訂，試驗單位的選擇，分組的排列，實驗過程中試驗指標的現象記載，試驗資料的整理，分析等內容。 53. 試驗結果重演：是指在相同的條件下，在進行實驗或實踐，應能重復獲得與原試驗結果相近的結果。54. 處理因素：一般指對受試對象給予的某種外部干預。55. 主效應：多因素中試驗中引起實驗結果發生變化的主要。56.

10、 互作：因素之間的交互作用。57. 受試對象：是處理因素的客體，實際上就是根據研究目的而確立的觀測總體。58. 處理效應：是處理因素作用于受試對象的反應，是研究最終體現59. 誤差：在試驗中受偶然影響或者說非處理因素影響使觀測值偏離試驗處理真值的差異。60. 隨機誤差：由于試驗中許多無法控制的偶然因素所造成的試驗結果與真實結果之間產生的誤差。61. 系統誤差:由于試驗處理以外的其他條件明顯不一致所產生的帶有傾向性或定向性的偏差62. 重復：在試驗中，同一處理設置的試驗單位數。63. 隨機:是指一個重復的某一處理或處理組合被安排在哪一個試驗單位，不要有主觀成見。64. 均積：是 x 與 y 的平

11、均的離均差的乘積和，簡稱均積。65. 協方差：與均積相應的總體參數。66. 協方差分析：把回歸分析與方差分析結合。67. 試驗控制：要提高試驗的精確度和靈敏度，必須嚴格控制試驗條件的均勻性，使各處里處于盡可能一致的條件下。68. 統計控制:是試驗控制的一種輔助手段，是用統計方法來矯正因自變量的不同而對依變量所產生的影響。69. 估計量：估計總體參數的統計量70. 無偏估計量：如果一個統計量的理論平均數（即數學期望）等于總體參數，這個統計量就叫無偏估計量71. 矩估計：用樣本矩作為總體矩的估計值72. 矩估計法（數字特征法、矩法）用樣本矩作為相應總體矩的估計量，也可以用樣本數字特征作為相應的總體

12、數字特征的估計量。用矩法獲得的估計值，叫據估計值。據發的思想實質是用樣本去替換總體矩的原則，稱之為替換原則73. 有效估計量：設a1,a2是A的兩個無偏估計量，若var(a1)<var(a2)，則a1為有效估計量74. 抽樣誤差：由抽樣引起的樣本值與總體值之間的差異成為抽樣誤差，直接原因：總體中各個體之間存在差異，或重復試驗中一些服從某種分布的偶然誤差的存在75. 標注誤差（標準誤）：描述樣本平均數波動情況的統計量，就是X拔的方差或標準差，計均數抽樣誤差為西格瑪X拔，=西格瑪/根號n，西格瑪X拔就是標準誤（差）76. 估計樣本平均數方差：SX拔平方，=S平方/n77. 估計標準誤：SX拔

13、，=S/根號n78. 置信區間：達到某一置信度(如95)時，預報量可能出現的范圍(如E(y)±1.96西格瑪，這里西格瑪是標準差)置信區間的意義是：反復抽樣多次，每次的樣本容量相等，每次的樣本值確定一個區間a1,a2，這個區間包含a的概率是100（1-阿爾法）%，不包含a的概率是100阿爾法%79. 置信水平（置信度，置信系數，可靠度）是指總體參數值落在樣本統計值某一區內的概率；而置信區間是指在某一置信水平下，樣本統計值與總體參數值間誤差范圍。置信區間越大，置信水平越高。80. 擬合優度檢驗：對總體分布類型的檢驗，包括檢驗觀測數與理論書之間的一致性，通過檢驗觀測數與理論書之間的一致性

14、來判斷事件之間的獨立性81. 皮爾遜定理：若n充分大，則不論總體服從什么分布，卡平方總是近似服從自由度為m-a-1的卡平方分布82. 方差分析：能同時判斷多組數據平均數之間的差異顯著性，能把隨機變異從混雜狀態中分離開來，從而為判斷因素對實驗結果有無確實的影響提供依據83. 方差分析的前提條件：等方差，正態性、獨立性84. 固定因素：若因素的a個水平是經過特意選擇的，則該因素為固定因素。發差分析所得到的結論只適合于選定的幾個水平，并不能將其結論擴展到未加考慮的水平上85. 固定效應模型：處理固定因素所用的模型稱為固定效應模型或固定模型86. 隨機因素：若因素的a個水平，是從該因素水平總體中隨機抽

15、出的樣本，則該因素稱為隨機因素，從隨機因素a個水平所得到的結論，可以推廣到這個因素的所有水平上87. 處理隨機因素所用的模型稱為隨機效應模型88. 多重比較：對各對均值之間的差異的顯著性檢驗89. LSD法在統計推斷時犯第一類錯誤的概率大，而Duncan法犯第一類錯誤的概率小。90. 多個方差齊性檢驗（bartlett檢驗，巴特氏卡平方檢驗）：當a個隨機樣本是從獨立正態總體中抽取時，可以計算出統計量K平方，當n=min(nj)充分大時，K平方的抽樣分布非常接近于a-1自由度的卡方分布。由此可對多個總體進行卡平方檢驗。91. 兩因素之間交互作用產生新效應的現象為交互作用92. 由因素水平的改變而

16、造成的因素效應的改變稱為該因素的主效應93. 交叉分組設計：假設A藥物有a水平，B藥物有b水平，共有ab個劑量組合，每一組重復n次。共有abn名病人參加實驗，這樣的實驗設計稱為交叉分組設計94. 相關：設有兩個隨機變量X和Y，對于任一隨機變量的每一個可能的值，另一個隨機變量都有一個確定的分布與之相對應，則稱這兩個隨機變量之間存在相關關系95. 如果變量之間的關系可以用函數關系來表達，就稱它們之間的關系為確定性關系96. 回歸關系、相關關系：統計學上把變量之間的非確定性關系稱為相關關系，也成為回歸關系97. 如果對于一個普通變量x的每一個可能的值xj都有隨機變量Y的一個分布與之對應，則稱隨見變量

17、Y的一個分布與之對應，則稱隨機變量Y對x存在回歸關系98. 具有回歸關系的兩變量之間對于任一xi都不會有一個確切的yi與之對應，但為了描述兩變量之間的數量關系，可選當x=xi時Y的平均數謬角標Y乘X=xi與之相對應，則稱謬角標Y乘X是Y的條件平均數99. Y1,y2yn這n個數據的離差平方和，記作SYY，稱為總離差平方和，反映了n個yi折的離散程度100. 回歸平方和（y折-y拔）平方求和，幾座SSR。是n個yi折的離差平方和，反映了n個yi折的離散程度101. 剩余平方和（殘差平方和）（yi-yi拔）平方求和，記作SSe，是除了x對Y的線性影響之外的其他剩余因素造成的平方和，這些因素中包括x

18、對Y的非線性影響及試驗誤差，觀察誤差等隨機因素102. 相關分析是對兩個或兩個以上隨見變量之間相互關聯程度進行分析的統計學方法103. 存在于兩個隨機變量之間的相關關系稱為簡單相關或單相關，存在于三個或三個以上變量之間的相關關系為多重相關或復相關在一元回歸中，回歸的顯著程度，可以用相關系數來表示，同樣，在多元回歸問題中，回歸的顯著程度可以用復相關系數表示104. 統計學上把衡量變量之間關系密切程度的統計量稱為相關系數105. 消除了其他變量的影響后兩個變量之間的相關關系稱為偏相關（純相關）。為了反映兩變量間的真正關系，就要保證在其他變量都保持不變的情況下，計算它們的相關系數，這時的相關系數稱為

19、偏相關系數或純相關系數106. 樣本平均數作為總體平均數估計值的優良：無偏（均值等于總體平均數）、有效（方差小雨其他估計值）、一致性（總體平均數為極限值）107. 概率論中有關論證隨機變量的和的分布服從正態分布的一類定理稱為中心極限定理108. 若X為一隨機變量，則F（x）=P(X<=x)為X的分布函數數理統計上稱統計量的分布為抽樣分布第一個統計假設是 =10，這個假設稱為原假設（零假設，零值假設），用符號H0表示;第二個統計假設 10 稱為備擇假設（替代假設），用符號H1或HA表示。概率很小的事件在一次試驗中實際上是不可能發生的。按小概率原理否定H0，不免要犯錯誤，我們知道，當H0為真

20、時，小概率事件A也有可能發生，因此當我們拒絕H0時，我們可能會犯以真為假的錯誤，稱之為型錯誤。原假設不真實，而我們卻按小概率原理接受了它，這種以假為真的錯誤稱為型錯誤。假設檢驗的步驟提出假設H0，即，假定試驗結果與真值（正常值，或要求值）沒有差異，現有差異是由抽樣誤差所引起的。確定檢驗方法,在H0為真的前提下，構造一個合適的統計量U、T、X2 、或 F。顯著性水平a的確定,然后由a確定所選檢驗統計量的臨界值。從而劃定接受域和拒絕域。做出推斷 根據樣本值計算所選統計量的具體值。然后做出推斷：統計推斷的主要內容分為兩大類：總體參數估計和統計假設檢驗。通過樣本確定分布函數中參數值的過程稱為參數估計。

21、隨機變量的數字特征同它的概率分布中的參數之間通常有一定的關系，因而對數字特征的估計也被稱為參數估計。由抽樣引起的樣本值與總體值之間的差異稱為抽樣誤差。下面是幾種常用的衡量估計量好壞的準則。無偏性 有效性 一致性標準誤差，標準誤描述樣本平均數波動情況的統計量就是樣本平均數這個隨機變量的方差或標準差，配對實驗是指這樣的實驗，來自兩個總體的樣本值是成對出現的，它的特點是n1=n2，一個樣本中的某個數據必然對應于另一個樣本中的相應數據。由于同一配對內兩個供試材料的實驗條件很接近，而且這一配對內的系統誤差又可以通過這一對數據的差數來消除，從而使處理效果更加明顯，因而可以減小實驗誤差，提高實驗精度。對總體分布類型的檢驗通常稱為分布函數的擬合優度檢驗(goodness of fit test) 。該檢驗包括兩種類型：一是檢驗觀測數與理論數之間的一致性；二通過檢驗觀測數與理