变异系数：描述数据离散程度的相对指标，是标准差与均值之比，常用百分比表示。 样本容量：在一个总体X中抽取n个个体组成集合，所含个体的数目n称~。 点估计：以某个适当统计量的观测值作为未知参数的估计值。
相关分析：在统计中，用相关指标来表明相交变量之间的密切程度，其理论、计算和分析称~。 相关系数：在相关分析中，用来度量随机变量X与Y之间线性相关密切程度统计指标。 方差：各数据观测值与均值间离差的平方和的平均。
极差：又称全距，是一组数据的最大值与最小值之差，用R来表示。
统计概率：设在相同的条件下进行大量重复试验，若事件A的频率逐渐稳定地趋于某个确定的常数P，则称P为事件A的--
离散型随机变量：如果随机变量X的取值仅为有限个或可列无穷多个数值，即可以一一列举出来，则称X是----
总体：在数理统计中，讲研究的对象全体称为总体。
回归分析：研究具有相关关系的变量之间数量关系式的统计方法。
方差分析：对全部样本观测值的差异进行分解，将某种因素下各组样本观测值之间可能存在的因素所造成的系统性误差，与随机抽样所造成的随机误差加以区分比较，以推断该因素对试验结果的影响是否显著。原理：当各总体均服从正态分布，且方差相同时，各总体之间的差异，就简单地体现在它们各自均值之间的差异，这就是方差分析的出发点。
显著性水平：在假设检验中，将事先给定的小概率称α~。 第一类错误：当原假设H0为真时，拒绝了H0的结论，称~。 第二类错误：当假设H0不为真时，却没有拒绝H0的结论，称~。 必然事件：每次试验中一定会发生的事件。
随机事件：在随机试验中，可能出现也可能不出现，而在大量重复试验中具有某种规律性的事件叫做随机事件
随机试验：在相同条件下可重复进行，试验所有结果是事先明确可知的，且不只一个，每次试验恰好出现其中之一，但无法预测是一个试验。
小概率原理：小概率事件在一次试验中几乎不可能发生
显著性水平：在假设检验中，将事先给定的小概率又称为显著性水平。
区间估计：通过从总体中抽取的样本，根据一定的正确度与精确度的要求，构造出适当的区间，以作为总体的分布参数(或参数的函数)的真值所在范围的估计。
统计量：样本X1，X2，…，Xn的不含任何未知参数的函数ψ（X1，X2，…，Xn）称为----
抽样分布：是指统计量作为随机变量所服从的概率分布
置信区间：是指由样本统计量所构造的总体参数的估计区间。是用来估计参数的取值范围的
假设检验：亦称显著性检验，是用来判断样本与样本，样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。单因素试验：试验中只有一个因素取不同的水平进行试验，而其他因素保持不
变，这样的试验称为---
简单线性回归模型：在回归分析中，一元线性回归模型是描述两个变量之间相关关系的最简单的线性回归模型，故又称为----
正交表：是一套规格化的表格它能够使每次试验的因素及水平得到合理的安排，是正交试验设计的基本工具.Ln（Pr）
研究对象全体称为总体，组成总体的每个基本单元称为个体， 试验三要素：试验因素，试验效应，受试对象。
参数点估计方法：矩估计法，最大似然估计法，顺序统计量估计法，最小二乘法。 试验设计基本原理：随机化，重复，区组化。 参数估计标准：无偏性，有效性，一致性。
方差分析前提条件：总体相互独立，总体方差相等，总体服从正态分布。 n→无穷大时，t为标准正态分布。 ~~~~~~~~~，X2为正态分布。
|ρ|=1时，X与Y完全相关；ρ=0时，完全不相关；ρ=1时，完全正相关；ρ=-1时，完全负相关。P﹥0，正相关，P﹤0，负相关
方差分析与t检验相比，能显著简化计算过程，同时降低第一类错误的概率 参数估计通常分为点估计和区间估计
正交设计分析通常采用直观分析法和方差分析法 假设检验的基本原理小概率原理 在假设检验中，则需要增大样本容量
在单个正态总体参数的假设检验中，方差已知时检验方法为μ检验 总离差平方和分解为组内离差平方和与组间离差平方和 x^2分布：若X1、X2、X3…Xn都服从N(0,1)分布，称之
矩估计法：用样本矩的连续函数作为相应总体矩连续函数的估计量 回归分析：研究具有相关关系的变量之间数量关系式的统计方法