词汇表
本页面提供了 Statorials 上所有统计术语和概念的词汇表。
#
有
- 调整优势比
- 使用均值的优点和缺点
- 使用中位数的优点和缺点
- 使用标准差的优点和缺点
- 聚合偏差
- 备择假设
- 方差分析与回归分析
- 有或没有复制的方差分析
- 样本量不等的方差分析
- 以前的变量
- 偏差检查
- 等方差假设
- 独立性假设
- 正态性假设
- 方差分析假设
- 多元方差分析假设
- 线性回归假设
- 逻辑回归假设
- 多元线性回归假设
- 配对 t 检验假设
- 皮尔逊相关假设
- 重复测量方差分析假设
- t 检验假设
- 可归因风险
乙
- 背靠背茎叶图
- 向后选择
- 平衡精度
- 平衡或不平衡设计
- Bartlett 方差齐性检验
- 本杰明-霍赫伯格程序
- 伯克森的偏见
- 伯努利与二项式分布
- 测试版级别
- 双峰分布
- 二项式分布假设
- 二项式实验
- 二项分布或几何分布
- 二项分布和泊松分布
- 双变量分析
- 布兰德-奥特曼场
- 阻塞
- 邦费罗尼校正
- 箱线图百分比
- 布雷-柯蒂斯差异
- 布赖尔分数
VS
- 逻辑回归模型的 C 统计量
- 根据 Z 分数手动计算 P 值
- 手动计算皮尔逊相关系数
- 手动计算 R 平方
- 从频率表计算平均值
- 从频率表计算中位数
- 从频率表计算众数
- 根据平均值和标准差计算百分位数
- Z 分数可以为负数吗？
- 峰度可以为负吗？
- 方差可以为负吗？
- 残留效应
- 统计案例
- 分类分布
- 分类和定量变量
- 天花板效果
- 集中趋势偏差
- 手卡方检验
- 卡方检验与方差分析
- 选择要放置在 X 轴和 Y 轴上的变量
- 食品检测
- 类别限制
- 班级间隔
- 类别限制
- 班级中点
- 班级规模
- 整群抽样或分层抽样
- 科克伦 Q 检验
- 变异系数与标准差
- 集体综合活动
- 比较箱线图
- 直方图比较
- ROC曲线比较
- 不同分布的Z分数比较
- 概念变量
- 伴随变量
- 竞争对手的有效性
- 有条件分配
- 双向表中的条件相对频率
- 中心极限定理的条件
- 置信区间问题的示例
- 比值比的置信区间
- 相对风险的置信区间
- 回归截距的置信区间
- 回归斜率的置信区间
- 使用 F 分布的置信区间
- 置信水平与置信区间
- 隐私对比匿名
- 混杂变量
- 恒定方差假设
- 内容有效性
- 连续性校正
- 将 Z 分数转换为原始分数
- 分类变量之间的相关性
- 连续变量和分类变量之间的相关性
- 相关性与关联性
- 相关与回归
- 协变量
- 标准的有效性
- 可变标准
- 十字偏置面板设计
- 残差曲线
- 曲线回归
D
- 决策树对比随机森林
- 任何 T 检验的自由度
- 确定 t 检验中的等方差或不等方差
- 确定概率分布是否有效
- 确定回归模型中的重要变量
- 令人放松的数据
- 二分变量
- 方差分析、ANCOVA、MANOVA 和 MANCOVA 之间的差异
- 脱节事件
- 不相交或独立的事件
- Dixon 异常值 Q 检验
- 因果关系是否意味着相关性？
- 点图和直方图
- 点图：如何求平均值、中位数和众数
- 回归分析中的虚拟变量
- 虚拟变量陷阱
- 杜宾-沃森检验
乙
- 实践经验法则时遇到的问题
- 内生和外生变量
- Erlang分布
- 误差传播
- 估计直方图的平均值和中位数
- 直方图估计模式
- 估计直方图的标准差
- 埃塔平方
- 现实生活中方差分析的例子
- 现实生活中双变量数据的示例
- 现实生活中的中心极限定理示例
- 现实生活中的卡方检验示例
- 现实生活中的聚类分析示例
- 现实生活中条件概率的例子
- 现实生活中置信区间的示例
- 相关性示例并不意味着因果关系
- 现实生活中相关性的例子
- 现实生活中期望值的例子
- 现实生活中假设检验的例子
- 现实生活中线性回归的例子
- 现实生活中逻辑回归的例子
- 现实生活中均值、中位数和众数的示例
- 变量之间缺乏相关性的示例
- 现实生活中异常值的例子
- 正偏分布的示例
- 现实生活中概率的例子
- 负偏分布的示例
- 现实生活中随机变量的例子
- 现实生活中错误相关性的例子
- 现实生活中标准差的例子
- 在现实生活中使用统计的例子
- 现实生活中 T 检验的示例
- 现实生活中二项分布的例子
- 现实生活中指数分布的例子
- 现实生活中几何分布的例子
- 现实生活中正态分布的例子
- 现实生活中泊松分布的例子
- 现实生活中均匀分布的例子
- 现实生活中 Z 分数的示例
- 预期频率
- 相对于平均值的期望值
- X^2 的期望值
- X^3 的期望值
- 差距解释
- 无关变量
F
- F1 分数与准确率
- 阶乘方差分析
- 家庭层面的错误率？
- 找到 Z 分数左侧的区域
- 找到 Z 分数右侧的区域
- 求几个标准差的平均值
- 找到点图的中心和分布
- 从 R2 求相关系数
- 从表中找到线性回归方程
- 使用四分位数范围查找异常值
- 求给定均值和标准差的概率
- 从 Z 分数求概率
- 在偶数和奇数长度数据集中查找四分位数
- 查找给定区域的 Z 分数
- 有限总体的修正系数
- Fisher 最小显着差异
- Fisher Z 变换
- 地面效应
- 之前的选择
G
H
- 树篱
- 高维数据
- 异常值如何影响均值？
- 如何解释调整后的 R 平方
- 如何解释包含零的置信区间
- 如何解释克莱默的 V
- 如何解释方差分析中的F值和P值
- 如何解释双向方差分析中的 F 值
- 如何解释四分位距
- 如何解释逻辑回归系数
- 如何解释逻辑回归截距
- 如何解释 MAPE 值
- 如何解释误差幅度
- 如何解释负 AIC 值
- 如何解释线性回归中的P值
- 如何解释相对风险
- 如何解释残差标准误差
- 如何解释均方根误差 (RMSE)
- 如何解释不对称性
- 如何解释零标准差
- 如何阅读带有异常值的箱线图
- 如何读取相关矩阵
- 如何读取协方差矩阵
- 如何读懂半对数图
- 如何报告卡方结果
- 如何报告置信区间
- 如何报告克朗巴赫阿尔法
- 如何报告准确的费舍尔测试结果
- 如何报告单向方差分析结果
- 如何报告双向方差分析结果
- 如何报告重复测量方差分析结果
- 如何报告逻辑回归结果
- 如何报告比值比
- 如何报告 P 值
- 如何报告皮尔逊相关性
- 如何报告回归结果
- 如何报告偏度和峰度
- 如何报告 Spearman 相关性
- 如何报告 T 检验结果
- 如何使用 QQ 图检查正态性
- 如何写出置信区间结论
- 如何撰写假设检验结论
- 如何写原假设
- 假设检验与置信区间
我
- 随机变量
- 平均值的重要性
- 中位数的重要性
- 时尚的重要性
- 范围的重要性
- 标准差的重要性
- 统计在会计中的重要性
- 统计在企业中的重要性
统计在经济学中的重要性 - 统计在教育中的重要性
- 统计在金融中的重要性
- 统计在医疗保健中的重要性
- 统计在护理中的重要性
- 统计学在心理学中的重要性
- 统计在研究中的重要性
- 发病率
- 推理与预测
- 有影响力的观察
- 工具变量
- 回归模型中的截距
- 内部一致性
- 插值与外推
- 解读科恩的d
- 对数似然值的解释
- 解释零偏差和残余偏差
- P值大于0.05的解读
- P值小于0.001的解读
- P值小于0.01的解读
- P值小于0.05的解读
- P值等于0.000的解释
- ROC曲线解读
- Z 分数的解释
- 四分位距与标准差
- 箱线图的四分位数范围
- 干预变量
- 评估者间的可靠性
- 组内相关系数
- 逆正态分布
- 年龄是离散变量还是连续变量？
- 年龄是定性变量还是定量变量？
- 年龄是区间变量还是比率变量？
- 时间是一个区间还是一个可变比率？
- 四分位距 (IQR) 是否受异常值影响？
J。
K
L
中号
- 从频率表创建直方图
- 紫红色的cp
- 操纵变量
- 边际分布
- 边际平均数
- 与标准误差相比的误差幅度
- 误差幅度与置信区间
- 最大变异采样
- 概率分布的平均值
- 分组数据的平均值和标准差
- 箱线图的中位数
- 分组数据的中位数
- 无记忆特性
- t 检验的最小样本量
- 误分类率
- 均匀分布的 MLE
- 泊松分布的 MLE
- 批量数据模式
- 可变调节
- 修改后的 Z 分数
- 关系单调
- 蒙蒂霍尔问题
- 莫兰的我
- MSE 对比均方根误差
- 多式联运配送
- 多项式系数
- 多项式检验
- 多重 R 与 R 平方
- 多阶段采样
- 相互包容或相互排斥的事件
不是
- 负二项回归与泊松回归
- 嵌套方差分析
- 嵌套模型
- 奈曼偏差
- 非线性关系的示例
- 无反应偏差
- 正态近似
- 正态分布与 t 分布
- 正态分布与标准正态分布
- 正态分布与均匀分布
- 将数据标准化在 -1 和 1 之间
- 将数据标准化为 0 到 1 之间
- 标准化 0 到 100 之间的数据
- 方差分析模型的原假设
- 线性回归的原假设
- 逻辑回归的原假设
- 伤害所需数量
哦
P。
- P 值与 Alpha
- 配对数据
- 配对或非配对 t 检验
- 手配对t检验
- 并行形式的可靠性
- 感兴趣的参数
- 简约模型
- 偏eta平方
- 部分F检验
- 偏回归系数
- 皮尔逊相关系数
- 皮尔逊残差
- 百分位数、四分位数和分位数
- 分组数据的百分位排名
- 完美多重共线性
- Φ系数
- 皮莱的踪迹
- 点估计
- 泊松置信区间
- 泊松分布假设
- 泊松分布与正态分布
- 聚类标准差
- 聚集性偏差
- 人口比例
- 总体与样本的标准差
- 阳性预测值与敏感性
- 预测误差
- 线性回归预测
- 预测有效性
- 新闻统计
- 患病率
- 前测和后测概率
- A 和 B 的概率
- 给定 B 时 A 的概率
- A 或 B 的概率
- 抛硬币至少出现一个正面的概率
- “至少一次”成功的概率
- “至少两次”成功的概率
- “至少三次”成功的概率
- A 和 B 都不是的概率
- 骰子掷出双倍的概率
- 质量函数
- 概率对比部分
- 伪复制
问
有。
- R 与 R 方
- 兰德指数
- 随机化
- 箱线图范围
- 范围经验法则
- 极差与四分位距
- 范围与标准差
- 随机选择或随机分配
- 分组数据范围
- 原始数据
- 瑞利演员表
- 参考偏差
- 通过原点回归
- 回归器
- 平均值和标准差之间的关系
- 相对频率分布
- 可靠性分析
- 残留物
- 方差分析中的残差
- 残差图：好图和坏图
- 残差和杠杆图
- 残差路径：如何手工创建
- 剩余间隙
- 阻力统计
- 范围限制
- 反向因果关系
- 反向编码
- 右偏直方图
- RMSE 与 R 平方
- RMSE 对比MAE
S
- 样本平均值与总体平均值
- 样本均值与样本比例
- 样本量和误差范围
- 样本空间
- 样本方差与总体方差
- 抽样变异性
- 带替换或不带替换的采样
- 萨特思韦特和解
- 序列效果
- 香农多样性指数
- 直方图的形状
- 辛普森多样性指数
- 箱线图中的不对称性
- 斯洛文公式
- 雪球抽样
- 萨默的D
- 斯皮尔曼-布朗公式
- 可靠性一分为二
- 标准化与规范化
- 概率分布的标准差
- 标准误差的标准偏差
- 估计的标准误差
- 测量标准误差
- 回归斜率的标准误差
- 比例标准误差
- 标准化残留量
- 标准化测试统计
- 标准化和非标准化回归系数
- 斯坦宁评分
- 统计学家与数据科学家
- 统计与分析
- 统计对比生物统计学
- 统计学与计量经济学
- 统计与概率
- 茎叶图：如何求均值、中位数和众数
- 斯特奇斯规则
- 通过/失败条件
- 方差分析中的平方和
- 回归平方和：SST、SSR、SSE
- 统计中的 Sxx
- 统计中的Sxy
- 对称分布
- 对称直方图
时间
- t Alpha/2 值
- T 分数对比Z 分数
- t 检验相关性
- 线性回归中的 t 检验
- 样本量不等的 t 检验
- T值与P值
- 重测可靠性
- 第三个变量问题
- 传播治疗
- 三角分布
- 修剪手段
- 截断和审查的数据
- 图基 vs.邦费罗尼 VS 邦费罗尼舍夫
- 两阶段整群抽样
- 双尾测试问题的示例
- 逻辑回归的类型
- 回归的类型
你
V
瓦
- 方差分析中高 F 值意味着什么？
- 机器学习模型的准确度怎样才算良好？
- 什么被认为是良好的 AIC 值？
- 什么被认为是良好的 AUC 分数？
- 什么是好的置信区间？
- MAPE 的良好价值是多少？
- 什么被认为是好的变异系数？
- 怎样的 F1 分数才算是好的 F1 分数？
- 什么被认为是良好的 RMSE 值？
- 什么被认为是好的标准差？
- 什么被认为是低标准偏差？
- 什么被认为是强相关性？
- 什么被认为是弱相关性？
- 什么是好的 R 平方值？
- T 检验和方差分析有什么区别？
- 何时拒绝原假设
- 何时删除数据中的异常值
- 何时使用卡方检验
- 何时使用箱线图
- 何时使用相关性
- 何时使用对数刻度
- 何时使用均值与中位数
- 何时使用多项式回归
- 何时使用岭和套索回归
- 何时使用斯皮尔曼等级相关
- 统计中何时使用 s/sqrt(n)
- 对数据进行缩尾处理
- 方差分析的组内或组间变异