资料类型：数值变量和分类变量

性质：分别是定量和定性的，定性表现为互不相容的类别

分类变量分为有序分类变量和无序分类变量

可相互转换

误差种类

第二章 数据的分布类型：对称分布和偏态分布

对称分布又可叫做正态分布

标准正态分布

数值变量的统计描述

集中趋势：均数，中位数

离散趋势：极差、方差、标准差、四分位数差距

p50：有50％的数据比他小的这个数据，也叫中位数

两种计算方式得到的结果是等价的

当比较数据的度量衡单位不同时

分类变量的统计描述

均数的抽样误差以及对总体均数的估计

但通常总体标准差是未知的，通常只知道样本的标准差，所以标准误的准确值通常也是不知道的，只能知道标准误的估计值。则样本均数按照一定运算服从t分布，并不是标准的正态分布

置信度和置信区间

以样本估计总体的例子，置信度为95%

第三章 假设检验的基本原理

分析

用上一章的小概率原理讨论：意思为有0.05的可能发生错误，那基本上就不会发生错误

三种类型的t-检验

样本对总体的比较

样本对样本

配对设计

主要对差值进行计算

n是对字数

假设检验的注意事项

错误分类

检验功效和α不同

参数统计大多满足条件比较多，且比较当中一定涉及到总体参数

非参数检验：介绍两种

第四章 方差分析

是为了推断多个总体均数（两组及以上，否则就可以用t检验）是否相等

原理：

k为均数

引入均方的概念

均方引入F 分布

完全随机的单因素方差分析

进一步研究到底是哪些组间有差别

本对实测错

在F检验之后进行的多重比较

方差齐性的条件很重要

随机区组设计的两因素方差分析

因为既有区组因素也有因素处理的因素

就是配对t检验的加强版，因为有三组处理因素

多了个误差

出现了两个F,因为两个因素都要和随机误差比较一下

当p值小于0.05的情况，就证明是有差异的，要进一步进行多组间分析

方差分析的注意事项

方差分析可以代替t-检验（包含关系），但是反过来却不可，会增加第一类错误的概率

相似的个体配成了一个区组，随机误差更小

当不满足正态分布和方差分析条件时，则采用非参数统计

第五章 卡方检验

率的抽样误差

总体率是未知的

不仅对均数的抽样误差适用，对率的抽样误差也适用

也可以用置信区间

独立样本四格表资料的卡方检验

能够根据样本率推出总体率吗

行数和列数之和，可以得到四个，其中可以计算出实际数和理论数

适用条件

只需要考察最小理论数，不需要考察所有理论数

配对四格表的卡方检验

同一个对象进行两种不同的处理

多个（2个以上）独立样本行列表资料的检验

三个地区的比例比较

当测量指标有程度之分时，比如说患病有轻度率和重度率等等

从两个样本开始

因为有很多个比率可以比较，不是一个单独的率，所以说的是总体分布

多个样本的检测

第六章 回归

直线回归

先对b和a进行估计

直线回归与相关

应用

计算总体

计算个体

直线相关系数

计算

秩相关