Statistics 简明教程

$ P $ - 总体比例。

$ p $ - 样本比例。

$X$ - 总体元素集合。

$x$ - 样本元素集合。

$N$ - 总体规模集合。

$n$ - 样本规模集合。

$\mu$ - 总体均值。

$\bar x$ - 样本均值。

$\delta$ - 总体的标准差。

$s$ - 样本的标准差。

$\mu$ - 总体均值。

$\delta$ - 总体的标准差。

${\mu}^2$ - 总体的方差。

$P$ - 具有特定属性的总体元素的比例。

$Q$ - 不具有特定属性的总体元素的比例。

$\rho$ - 基于总体中所有元素的总体相关系数。

$N$ - 总体中的元素数。

$\bar x$ - 样本均值。

$s$ - 样本的标准差。

${s}^2$ - 样本的方差。

$p$ - 具有特定属性的样本元素的比例。

$q$ - 不具有特定属性的样本元素的比例。

$r$ - 基于样本中所有元素的总体相关系数。

$n$ - 样本中的元素数量。

$B_0$ - 总体回归线中的截距常数。

$B_1$ - 总体回归线中的回归系数。

${R}^2$ - 决定系数。

$b_0$ - 样本回归线中的截距常数。

$b_1$ - 样本回归线中的回归系数。

$^{s}b_1$ - 回归线斜率的标准误差。

$P(A)$ - 事件 A 发生的概率。

$P(A|B)$ - 给定事件 B 已发生，事件 A 发生的条件概率。

$P(A')$ - 事件 A 的补集的概率。

$P(A \cap B)$ - 事件 A 和事件 B 的交集发生的概率。

$P(A \cup B)$ - 事件 A 和事件 B 的并集发生的概率。

$E(X)$ - 随机变量 X 的期望值。

$b(x; n, P)$ - 二项分布概率。

$b*(x; n, P)$ - 负二项分布概率。

$g(x; P)$ - 几何分布概率。

$h(x; N, n, k)$ - 超几何分布概率。

$n!$ - n 的阶乘值。

$^{n}P_r$ - n 个元素一次取 r 个的排列数。

$ ^{n}C_r $ - 一次选取 n 件事物的组合数。

$ A \Cap B $ - 集合 A 与 B 的交集。

$ A \Cup B $ - 集合 A 与 B 的并集。

$ \{ A, B, C \} $ - 由 A、B 和 C 组成的元素集合。

$ \emptyset $ - 空集。

$ H_0 $ - 零假设。

$ H_1 $ - 备择假设。

$ \alpha $ - 显著性水平。

$ \beta $ - 犯第二类错误的概率。

$ Z $ 或 $ z $ - 标准化得分，也称为 z 值。

$ z_{\alpha} $ - 具有等于 $ 1 - \alpha $ 的累积概率的标准化得分。

$ t_{\alpha} $ - 具有等于 $ 1 - \alpha $ 的累积概率的 t 统计量。

$ f_{\alpha} $ - 具有等于 $ 1 - \alpha $ 的累积概率的 f 统计量。

$ f_{\alpha}(v_1, v_2) $ - 具有等于 $ 1 - \alpha $ 的累积概率以及 $ v_1 $ 和 $ v_2 $ 自由度的 f 统计量。

$ X^2 $ - 卡方统计量。

$ \sum $ - 求和符号，用于计算某个值域内的和。

$ \sum x $ 或 $ \sum x_i $ - 一组 n 个观测值的和。因此，$ \sum x = x_1 + x_2 + …​ + x_n $。