统计学考研重点分析笔记
统计学考研备考宝典统计方法与统计推断重点概念解析
统计学考研备考宝典统计方法与统计推断重点概念解析统计学是研究收集、处理和分析数据的一门学科，它广泛应用于各个领域的研究和决策过程中。
对于考研学生来说，统计学是一个必考科目，备考过程中需要掌握一定的统计方法和统计推断的概念。
本文将对统计学考研备考中的重点概念进行解析，帮助考生更好地理解和掌握相关知识。
一、统计方法1. 描述统计方法描述统计方法是通过对数据进行总结、分类和展示来描述和分析数据的方法。
常用的描述统计方法包括频数分布、平均数、中位数、众数、方差、标准差等。
其中，频数分布可将数据按照某个特征进行分类，并统计各个分类的频数；平均数是指所有数据的总和除以数据个数，反映了数据的平均水平；中位数是指将数据按照大小顺序排列后，处于中间位置的数值；众数是指出现频率最高的数值；方差和标准差用于度量数据的离散程度。
2. 探索性数据分析探索性数据分析是一种通过可视化手段和统计分析方法，对数据进行初步探索和分析的方法。
通过绘制直方图、散点图、箱线图等图形，可以直观地发现数据的分布、异常值等特征。
同时，通过计算相关系数、协方差矩阵等统计量，可以了解数据之间的关系和相关性。
3. 参数估计参数估计是利用样本数据对总体参数进行估计的方法。
常用的参数估计方法包括点估计和区间估计。
点估计是指利用样本数据得出总体参数的一个具体数值；而区间估计是指利用样本数据得出总体参数的一个范围。
4. 假设检验假设检验是通过对样本数据进行分析，判断总体参数是否具有某种设定的特征或假设。
常用的假设检验方法包括单样本、双样本和相关样本的假设检验。
在进行假设检验时，需要设置显著性水平，通常设置为0.05，用以判断是否拒绝原假设。
二、统计推断重点概念解析1. 总体与样本在统计学中，总体是指研究对象的全体，而样本是从总体中抽取的一部分数据。
通过对样本的研究和分析，可以推断出总体的特征和参数。
2. 统计量统计量是用来描述样本的特征和参数的量。
常用的统计量包括样本均值、样本方差、样本标准差等。
上海市考研数学统计学高频考点梳理
上海市考研数学统计学高频考点梳理统计学是考研数学的重要部分，也是数学系考生难度较大的一门科目。
为了帮助考生更好地复习和备考，本文将对上海市考研数学统计学的高频考点进行梳理和总结，以便考生能够更有针对性地进行学习。
一、概率1. 随机事件与概率- 事件与样本空间- 频率与概率- 事件的运算及其性质2. 随机变量与概率分布- 随机变量及其分类- 离散型随机变量及其分布律- 连续型随机变量及其概率密度函数- 两种类型随机变量的性质及相互关系3. 多维随机变量及其分布- 二维随机变量及其分布律或概率密度函数- 边缘分布与条件分布- 随机变量的独立性4. 随机变量的数字特征- 数学期望与方差- 常见随机变量的数字特征- 切比雪夫不等式与大数定律5. 大数定律- 大数定律的概念- 切比雪夫大数定律的证明与应用 - 辛钦大数定律的证明与应用二、数理统计基础1. 统计总体与统计样本- 总体与样本的概念- 简单随机样本与无偏估计- 估计量的优良性准则2. 参数估计与区间估计- 点估计与区间估计的概念- 极大似然估计与最小二乘估计 - 枢轴量与置信区间估计3. 假设检验- 假设检验的基本思想与步骤- 参数假设的检验- 非参数假设的检验- 决策与检验评价4. 方差分析与回归分析- 方差分析的基本思想与步骤- 单因素方差分析与多因素方差分析 - 线性回归模型与最小二乘法估计三、抽样与质量控制1. 抽样调查与抽样分布- 抽样调查的基本概念与方法- 一般抽样分布的概念与特点- 标准正态分布和t分布的性质与应用2. 质量控制与过程控制- 质量控制的基本概念与思想- 控制图的构造与应用- 属性质量控制与计数质量控制以上仅为上海市考研数学统计学的部分高频考点梳理，具体考点的权重和难度可能会根据不同年份的考试有所变化。
考生在备考过程中应结合历年真题和模拟试题进行综合复习，同时注重理解和掌握概念、原理和方法，提升解题能力和应对复杂问题的思维能力。
考研统计学专业的知识点
考研统计学专业的知识点考研统计学专业的知识点我们在参加了考研统计学专业的时候，需要把一些复习的知识重点了解清楚。
店铺为大家精心准备了考研统计学专业的重点，欢迎大家前来阅读。
考研统计学：数据特征一、集中趋势：表明同类现象在一定时间、地点条件下，所达到的一般水平与大量单位的综合数量特征，有以下3个特点：1. 用一个代表数值综合反映个体某种标志值的一般水平。
2. 将个体标志值之间的差异抽象掉了。
3. 计量单位与标志值的计量单位一致。
集中趋势1. 一组数据向其中心值靠拢的倾向和程度2. 测度集中趋势就是寻找数据水平的代表值或中心值3. 不同类型的数据用不同的集中趋势测度值4. 低层次数据的测度值适用于高层次的测量数据，但高层次数据的测度值并不适用于低层次的测量数据集中趋势的作用：比较若干总体的某种标志数值的平均水平研究总体某种标志数值的平均水平在时间上的变化分析社会经济现象的依存关系研究和评价事物优劣的数量指标计算和估算其他重要的经济指标二、离中趋势：数据分布的另一个重要特征反映各变量值远离其中心值的程度(离散程度)从另一个侧面说明了集中趋势测度值的代表程度不同类型的数据有不同的离散程度测度值离中趋势度量的目的：描述总体内部差异程度;衡量和比较均值指标的代表性高低;为抽选样本单位数提供依据区别与联系：区别：集中趋势是对频数分布资料的集中状况和平均水平的综合测度;是一组数据向其中心值靠拢的倾向和程度;测度集中趋势就是寻找数据水平的代表值或中心值。
离中趋势是对频数分布资料的差异程度和离散程度的测度，用来衡量集中趋势所测数据的代表性，或者反应变量值的稳定性与均匀性;是用来描述总体内部差异程度及衡量和比较均值指标的代表性高低。
偏度是用来反应变量数列分布偏斜程度的指标，有对称分布和非对称分布，非对称分布也即为偏态分布，包括左偏分布和右偏分布。
峰度是用来反应变量数列曲线顶端尖峭或扁平程度的指标。
联系：为了反面描述研究对象的情况，仅仅用集中趋势方法来测度集中性和共性是不够的，还要用离散趋势方法来测度其离散性和差异性，因此，而这需要结合使用。
研究生统计学知识点归纳总结
研究生统计学知识点归纳总结统计学是一门关于收集、分析、解释和展示数据的学科。
在当代社会，统计学在各个领域都发挥着重要的作用，包括经济学、医学、社会学等等。
作为研究生统计学的学习者，掌握统计学的基本知识和技能至关重要。
本文将对研究生统计学的一些知识点进行归纳总结。
一、基础概念1. 总体与样本：总体是指研究对象的全体，而样本则是从总体中选取的一部分。
通过对样本进行统计分析，我们可以推断出总体的特征。
2. 变量与观测：变量是指研究对象的属性或特征，可以分为定性变量和定量变量。
观测是对变量的测量或观察结果。
3. 数据类型：数据可以分为定量数据和定性数据。
定量数据是可量化的数据，可以进行数值运算。
定性数据则是描述性的，不能进行数值运算。
在统计学中，还有一种特殊的数据类型，即序数数据，它具有顺序特征。
二、描述统计描述统计是对收集到的数据进行汇总、组织、描述和展示的方法，常用的方法包括中心趋势和离散程度的度量。
1. 中心趋势度量：常用的中心趋势度量包括平均数、中位数和众数。
平均数是所有观测值的总和除以观测值的个数，中位数是将所有观测值按大小排列后找到中间的值，众数是出现次数最多的值。
2. 离散程度度量：常用的离散程度度量包括极差、方差和标准差。
极差是最大观测值与最小观测值之差，方差是观测值与平均数之差的平方的平均数，标准差则是方差的平方根。
三、概率与统计推断概率和统计推断是统计学的核心内容，它们主要用于从样本中进行推断，以便理解总体的特征。
1. 概率基本理论：概率是描述事件发生可能性的数值，可以按照频率概率和主观概率进行解释。
概率的计算可以通过数学公式和概率模型进行。
2. 随机变量与概率分布：随机变量是指具有随机性的变量，它可以是离散型或连续型的。
概率分布则是随机变量的所有取值与对应概率的集合。
3. 统计推断方法：统计推断方法主要包括参数估计和假设检验。
参数估计是通过样本推断总体参数的值，常用的估计方法有点估计和区间估计；假设检验则是对总体参数提出假设，并根据样本信息来判断这些假设是否成立。
河南省考研统计学复习资料统计学原理与数据分析重点整理
河南省考研统计学复习资料统计学原理与数据分析重点整理河南省考研统计学复习资料——统计学原理与数据分析重点整理统计学原理是考研统计学复习中非常重要的一部分内容，它是统计学的基础，是我们理解和应用统计学的核心。
同时，数据分析也是考研统计学复习中不可忽视的内容之一，它是统计学在实际问题中的应用。
本文将针对河南省考研统计学复习的需求，对统计学原理和数据分析的重点进行整理和梳理。
一、统计学原理1. 总体与样本在统计学中，总体是指被研究对象的全体，样本则是从总体中选择出来的一部分个体。
在复习中，需要了解总体和样本之间的关系，掌握总体参数和样本统计量的概念，以及如何通过样本来推断总体特征。
2. 随机变量与概率分布随机变量是描述随机现象的数量特征，而概率分布则是描述随机变量取值的可能性分布。
在复习中，需要了解离散型随机变量和连续型随机变量的概念，以及常见的概率分布，如二项分布、泊松分布、正态分布等。
3. 参数估计与假设检验参数估计是通过样本对总体参数进行估计，假设检验则是对总体参数的假设进行检验。
在复习中，需要熟悉点估计和区间估计的方法，以及假设检验的原理和步骤。
4. 方差分析与回归分析方差分析是一种常用的分析离散型随机变量之间差异的方法，回归分析则是研究因果关系的一种统计方法。
在复习中，需要了解方差分析和回归分析的基本原理，掌握常见的方差分析和回归分析模型，并能应用于实际问题。
二、数据分析1. 数据收集与整理数据收集是数据分析的第一步，包括问卷调查、实地观察、案例分析等方法。
在复习中，需要了解不同的数据收集方法及其应用场景，并能对收集到的数据进行整理和清洗，以确保数据的质量。
2. 描述性统计分析描述性统计分析是对数据进行总结、概括和描述的方法，包括数据的中心趋势、离散程度、分布形状等方面。
在复习中，需要学会计算和解释常见的描述性统计指标，如均值、方差、标准差等。
3. 参数估计与假设检验的应用参数估计和假设检验是数据分析中常用的工具，通过样本数据对总体参数进行估计和判断。
统计学专业福建省考研复习资料统计方法重点内容梳理
统计学专业福建省考研复习资料统计方法重点内容梳理随着社会的不断发展和进步，统计学作为一门重要的学科在各个领域得到越来越广泛的应用。
福建省考研中的统计学科目也有着越来越重要的地位。
为了帮助考生更加系统地复习统计学方法，本文将重点梳理福建省考研统计学专业的复习资料。
一、总体与样本在统计学中，总体和样本是基本的概念。
总体是指研究对象的全体，而样本则是从总体中选取的一部分个体。
统计学的研究对象往往是大规模的，无法对整个总体进行研究，因此需要通过样本来进行推断和研究。
在复习中，考生需要明确总体和样本的概念，并了解常用的抽样方法和抽样误差的计算方法。
二、描述统计描述统计是通过收集、整理和描述数据来总结数据特征的统计方法。
常见的描述统计指标有中心趋势和离散程度两个方面。
其中，中心趋势包括均值、中位数和众数等；离散程度则通过方差和标准差等指标来反映。
此外，箱线图、频率分布表和直方图等图表也是描述统计的重要工具。
考生需要熟悉这些统计指标的计算方法，并能够正确解读图表。
三、概率与概率分布概率是统计学中非常重要的概念，它反映了事件发生的可能性。
在复习中，考生需要掌握基本的概率公式和性质，并了解常见的概率分布。
例如，离散型随机变量的概率分布有二项分布、泊松分布等；连续型随机变量的概率分布有正态分布、指数分布等。
对于不同的概率分布，考生需要了解其特点、参数和应用领域，并能够进行相应的计算和推断。
四、参数估计与假设检验参数估计和假设检验是统计学中常用的推断方法。
参数估计是利用样本信息来估计总体参数，常见的估计方法有点估计和区间估计。
而假设检验则是根据样本数据对总体参数进行推断，判断某一假设是否成立。
在复习中，考生需要了解点估计和区间估计的方法和原理，同时掌握假设检验的步骤和相关的统计量。
五、方差分析与回归分析方差分析和回归分析是统计学中常见的多变量分析方法。
方差分析主要用于比较两个或多个样本的均值差异，常见的方法有单因素方差分析和多因素方差分析。
考研应用统计学知识点精讲
考研应用统计学知识点精讲统计学是一门研究数据收集、分析和解释的科学，广泛应用于各个领域，如经济学、生物学、医学和社会科学等。
在考研中，应用统计学是一个重要的科目，掌握其知识点对于考生来说至关重要。
本文将重点讲解考研应用统计学的知识点，帮助考生更好地准备考试。
一、概率论与数理统计概率论与数理统计是应用统计学的基础，它们主要研究随机事件的规律性及其数学描述。
在考研中，概率论与数理统计占据了很大的比重，考生需要掌握以下知识点：1.概率论的基本概念概率论研究随机事件发生的可能性，并给出相应的数学描述。
考生需要了解概率的定义、基本性质、加法定理、乘法定理等。
2.随机变量及其分布随机变量是概率试验结果的数值描述，它可以是离散的或连续的。
在考研中，考生需要熟悉常见的离散分布（如二项分布、泊松分布）和连续分布（如正态分布、指数分布）的定义、性质和应用。
3.数理统计的基本概念数理统计是利用样本信息对总体特征进行推断的一门学科。
考生需要了解总体、样本、统计量、抽样分布等基本概念，并掌握重要统计量的抽样分布（如样本均值的正态分布、样本比例的二项分布）。
二、统计推断统计推断是指根据样本数据对总体特征进行估计和推断的方法。
在考研中，统计推断是应用统计学的重要内容，考生需要掌握以下知识点：1.点估计点估计是利用样本数据对总体参数进行估计的方法。
考生需要了解点估计的基本原理，以及常用的点估计方法（如最大似然估计、矩估计）和估计量的性质（如无偏性、有效性）。
2.区间估计区间估计是指对总体参数给出一个区间范围，以一定的置信水平保证这一区间包含真值的概率。
考生需要了解区间估计的原理，以及如何构造置信区间（如正态总体均值的置信区间、两样本均值差的置信区间）。
3.假设检验假设检验是对总体参数提出某种假设并根据样本数据进行检验的方法。
考生需要了解假设检验的基本步骤、拒绝域的确定和错误类型的概念，以及常用的假设检验方法（如正态总体均值的检验、两样本均值差的检验）。
统计学类专业复习重点梳理与分析
统计学类专业复习重点梳理与分析统计学是一门具有广泛应用领域的学科，涵盖了许多重要的知识点和技能。
为了帮助同学们更好地进行复习，本文将系统地梳理和分析统计学类专业的复习重点。
通过对不同主题和内容的梳理和分析，希望能帮助同学们更好地理解和掌握统计学的核心知识。
一、描述统计学描述统计学是统计学的基础，包括对数据的收集、整理、汇总和可视化等技巧。
其中，收集数据的方法包括随机抽样、问卷调查等；整理数据的方法包括数据清洗、处理异常值等；汇总数据的方法包括计算平均数、中位数、众数等；可视化数据的方法包括绘制直方图、散点图、箱线图等。
同学们在复习时，应注意理解和掌握这些技巧的具体操作方法，并能够根据实际情况进行数据的处理和分析。
二、概率论与数理统计概率论与数理统计是统计学的核心内容，包括了概率的基本概念、随机变量及其分布、多个随机变量之间的关系等。
在复习时，同学们应重点关注以下几个方面的内容：1. 概率计算：理解和掌握概率的基本计算方法，包括加法原理、乘法原理、条件概率等。
2. 随机变量：了解随机变量的概念和性质，掌握常见离散型和连续型随机变量的分布特征，如二项分布、正态分布等。
3. 多个随机变量：理解和掌握多个随机变量之间的关系，包括相互独立、相关性等概念，以及相关系数、协方差等的计算方法。
4. 统计推断：了解统计推断的基本思想和方法，包括参数估计、假设检验等。
掌握常见的估计方法，如最大似然估计、置信区间等。
三、统计计算与建模统计计算和建模是统计学的实践部分，包括了使用计算机软件进行数据分析和建立统计模型等。
在复习时，同学们应注重以下几个方面的内容：1. 统计软件：熟悉并掌握常用的统计软件，如R、SPSS等。
了解软件的基本操作方法，包括数据导入、变量命名、运算和图形绘制等。
2. 数据分析：了解常用的数据分析方法，如方差分析、回归分析等。
理解和掌握不同方法的应用场景和具体计算步骤。
3. 统计建模：理解统计建模的基本原理和步骤，包括变量选择、模型拟合和模型评估等。
统计学考研统计学基础知识精讲要点
统计学考研统计学基础知识精讲要点统计学是一门研究数据收集、整理、分析和解释的学科，它在各个领域中都扮演着重要角色。
考研统计学是统计学的一部分，涵盖了统计学的基础知识。
本文将重点讲述统计学考研统计学基础知识的要点，帮助考生更好地掌握这门学科。
一、统计学基础概念1. 总体和样本：总体指研究对象的全体，样本则是从总体中选取的一部分。
在统计学中，我们通常通过对样本的研究来推断总体的性质。
2. 参数和统计量：参数是用来描述总体特征的数字指标，统计量是用来描述样本特征的数字指标。
通过样本统计量的计算，可以对总体参数进行估计。
3. 随机变量和概率分布：随机变量用来描述可能的结果，而概率分布则描述了这些结果出现的可能性。
二、描述统计学1. 数据的分类和整理：在统计学中，我们通常将数据分为定性数据和定量数据。
定性数据是描述性的，比如性别、颜色等；定量数据则是数值型的，可以进行计算和比较。
2. 描述统计量：描述统计量是用来总结、描述样本数据的数字指标，常见的描述统计量包括均值、中位数、众数和标准差等。
3. 统计图表：统计图表是用来直观地展示数据分布和关系的工具。
常见的统计图表包括条形图、饼图、折线图和散点图等。
三、概率与统计推断1. 概率：概率是描述随机事件发生可能性的数值，它用来度量事件的发生程度，常用的表示方法包括频率概率和古典概率。
2. 概率分布：概率分布描述了随机变量的取值和对应的概率。
常见的概率分布包括离散分布（如二项分布、泊松分布）和连续分布（如正态分布、指数分布）。
3. 统计推断：统计推断是根据样本数据对总体参数进行推断的过程。
常用的统计推断方法包括参数估计和假设检验。
四、参数估计1. 点估计：点估计是使用统计量对总体参数进行估计。
常见的点估计方法包括样本均值估计总体均值和样本比例估计总体比例。
2. 区间估计：区间估计是对总体参数提供一个置信区间的估计方法。
常见的区间估计方法包括均值的置信区间估计和比例的置信区间估计。
统计学考研攻略江苏省考研统计学基础知识点整理
统计学考研攻略江苏省考研统计学基础知识点整理统计学是一门研究数据收集、分析、解释和推断的学科，对于准备参加江苏省考研统计学考试的考生来说，掌握统计学的基础知识点是非常重要的。
本文将整理一些江苏省考研统计学考试中常见的基础知识点，以帮助考生更好地备考。
一、概率论与数理统计概率论与数理统计是统计学的基础，也是考研统计学的重要考点之一。
主要内容包括概率论基础、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、样本及抽样分布、基本统计量及其抽样分布以及参数估计与假设检验等。
考生需要掌握相关概念和公式，并能够应用于解题。
二、常用分布在统计学中，有许多常用的分布，如正态分布、均匀分布、伯努利分布、泊松分布等。
考生需要掌握这些分布的概念、性质及其应用，熟练掌握概率密度函数和累积分布函数的计算方法。
三、假设检验与参数估计假设检验与参数估计是统计学中重要的内容，也是考研统计学考试的重点。
假设检验主要包括单样本均值检验、两样本均值检验、方差检验以及相关系数检验等。
参数估计主要包括点估计和区间估计。
考生需要熟悉假设检验和参数估计的原理与方法，并能够根据具体情况进行应用。
四、回归分析与方差分析回归分析和方差分析是统计学中常用的数据分析方法。
回归分析主要研究因变量与自变量之间的关系，包括简单线性回归和多元线性回归等。
方差分析主要用于比较不同组之间的均值是否存在显著差异。
考生需要理解回归分析和方差分析的原理，并能够利用软件进行实际数据的分析。
五、抽样调查与统计抽样抽样调查是统计学中常用的数据采集方法，也是考研统计学考试的考点之一。
考生需要了解不同的抽样方法及其适用范围，如简单随机抽样、分层抽样、整群抽样等。
此外，统计抽样是从总体中选择样本的方法，考生需要了解各种统计抽样方法的原理和应用。
六、质量管理与控制质量管理与控制是统计学在实际应用中的一项重要内容。
主要涉及质量控制图、过程能力分析、接受抽样、可靠性分析等。
考生需要熟悉质量管理与控制的基本概念和方法，并能够应用于实际问题的解决。
《统计学》考研知识点总结
《统计学》考研知识点总结统计学重点笔记第一章导论一、比较描述统计和推断统计：数据分析是通过统计方法研究数据，其所用的方法可分为描述统计和推断统计。
（1）描述性统计：研究一组数据的组织、整理和描述的统计学分支，是社会科学实证研究中最常用的方法，也是统计分析中必不可少的一步。
内容包括取得研究所需要的数据、用图表形式对数据进行加工处理和显示，进而通过综合、概括与分析，得出反映所研究现象的一般性特征。
（2）推断统计学：是研究如何利用样本数据对总体的数量特征进行推断的统计学分支。
研究者所关心的是总体的某些特征，但许多总体太大，无法对每个个体进行测量，有时我们得到的数据往往需要破坏性试验，这就需要抽取部分个体即样本进行测量，然后根据样本数据对所研究的总体特征进行推断，这就是推断统计所要解决的问题。
其内容包括抽样分布理论，参数估计，假设检验，方差分析，回归分析，时间序列分析等等。
（3）两者的关系：描述统计是基础，推断统计是主体二、比较分类数据、顺序数据和数值型数据：根据所采用的计量尺度不同，可以将统计数据分为分类数据、顺序数据和数值型数据。
（1）分类数据是只能归于某一类别的非数字型数据。
它是对事物进行分类的结果，数据表现为类别，是用文字来表达的，它是由分类尺度计量形成的。
（2）顺序数量是只能归于某一有序类别的非数字型数据。
也是对事物进行分类的结果，但这些类别是有顺序的，它是由顺序尺度计量形成的。
（3）数值型数据是按数字尺度测量的观察值。
其结果表现为具体的数值，现实中我们所处理的大多数都是数值型数据。
总之，分类数据和顺序数据说明的是事物的本质特征，通常是用文字来表达的，其结果均表现为类别，因而也统称为定型数据或品质数据；数值型数据说明的是现象的数量特征，通常是用数值来表现的，因此可称为定量数据或数量数据。
三、比较总体、样本、参数、统计量和变量：（1）总体是包含所研究的全部个体的集合。
通常是我们所关心的一些个体组成，如由多个企业所构成的集合，多个居民户所构成的集合。
统计学考研备考宝典重点概念解析与数据分析方法讲解
统计学考研备考宝典重点概念解析与数据分析方法讲解统计学是一门研究数据收集、整理、分析和解释的学科，它在现代社会的各个领域都发挥着重要作用。
对于考研学生而言，掌握统计学的基本概念和数据分析方法，不仅可以帮助他们顺利通过考试，还能够在将来的学术研究和工作中受益。
本文将从以下几个方面对统计学考研备考进行宝典式的整理和解析：一、统计学基本概念解析1.1 总体与样本在统计学中，总体是指研究对象的全体，而样本是从总体中选取的一部分个体。
我们通过对样本进行统计推断，从而推断出总体的特征。
1.2 参数与统计量参数是用来描述总体特征的数值，如总体均值、总体方差等。
而统计量则是用来描述样本特征的数值，如样本均值、样本方差等。
通过对统计量的计算，我们可以对总体的参数进行估计。
1.3 抽样和抽样误差抽样是指从总体中选取样本的过程，是对总体的有限观测。
由于样本是从总体中随机选取的，所以样本的特征与总体的特征存在一定的误差，即抽样误差。
二、数据分析方法讲解2.1 描述统计分析描述统计分析是对数据进行整理、汇总和描述的方法。
常用的描述统计量包括平均数、中位数、众数、标准差等。
通过描述统计分析，我们可以从不同的角度获得有关数据的信息，对数据进行初步的认识。
2.2 探索性数据分析探索性数据分析是一种通过可视化方法对数据进行初步分析的方法。
通过绘制直方图、散点图、箱线图等图形，我们可以发现数据中的模式、异常值等信息，帮助我们从更深入的角度理解数据。
2.3 统计推断统计推断是通过对样本数据进行分析和推断，从而对总体进行推断的方法。
常用的统计推断方法包括参数估计和假设检验。
参数估计是通过样本数据估计总体参数的数值，而假设检验则是通过对样本数据进行统计检验，判断总体参数是否满足某种假设。
2.4 回归分析回归分析是研究两个或多个变量之间关系的方法。
通过回归分析，我们可以建立一个数学模型，描述自变量和因变量之间的关系，并用此模型进行预测和解释。
考研统计学有哪些知识要点
考研统计学有哪些知识要点考研统计学有哪些知识要点考研的小伙伴们在选择了统计学这个专业的时候，要掌握好它的知识要点，才能更好进行复习。
店铺为大家精心准备了考研统计学重要考点，欢迎大家前来阅读。
考研统计学知识点：简单回归1.相关分析:对两个变量之间线性关系的描述与度量，它要解决的问题包括§ 变量之间是否存在关系?§ 如果存在关系，它们之间是什么样的关系?§ 变量之间的强度如何?§ 样本所反映的变量之间的关系能否代表总体变量之间的关系?2.回归分析：从一组样本数据出发，确定变量之间的数学关系式;对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著;利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度3.回归分析与相关分析的区别相关分析中，变量 x 变量 y 处于平等的地位;回归分析中，变量 y 称为因变量，处在被解释的地位，x 称为自变量，用于预测因变量的变化相关分析中所涉及的变量 x 和 y 都是随机变量;回归分析中，因变量y 是随机变量，自变量x 可以是随机变量，也可以是非随机的确定变量相关分析主要是描述两个变量之间线性关系的密切程度;回归分析不仅可以揭示变量x 对变量y 的影响大小，还可以由回归方程进行预测和控制4.一元线性回归模型描述因变量 y 如何依赖于自变量 x 和误差项e 的方程称为回归模型一元线性回归模型可表示为y = b0 +b1 x + ey 是 x 的线性函数(部分)加上误差项线性部分反映了由于 x 的变化而引起的 y 的变化误差项 e 是随机变量l 反映了除 x 和 y 之间的线性关系之外的随机因素对 y 的影响l 是不能由 x 和 y 之间的线性关系所解释的变异性b0 和 b1 称为模型的参数5.利用回归方程预测时应注意1. 在利用回归方程进行估计或预测时，不要用样本数据之外的x 值去预测相对应的y值2. 因为在一元线性回归分析中，总是假定因变量y与自变量x之间的关系用线性模型表达是正确的。
统计学 贾俊平 考研 知识点总结
统计学重点笔记第一章导论一、比较描述统计与推断统计:数据分析就是通过统计方法研究数据,其所用的方法可分为描述统计与推断统计。
(1)描述性统计:研究一组数据的组织、整理与描述的统计学分支,就是社会科学实证研究中最常用的方法,也就是统计分析中必不可少的一步。
内容包括取得研究所需要的数据、用图表形式对数据进行加工处理与显示,进而通过综合、概括与分析,得出反映所研究现象的一般性特征。
(2)推断统计学:就是研究如何利用样本数据对总体的数量特征进行推断的统计学分支。
研究者所关心的就是总体的某些特征,但许多总体太大,无法对每个个体进行测量,有时我们得到的数据往往需要破坏性试验,这就需要抽取部分个体即样本进行测量,然后根据样本数据对所研究的总体特征进行推断,这就就是推断统计所要解决的问题。
其内容包括抽样分布理论,参数估计,假设检验,方差分析,回归分析,时间序列分析等等。
(3)两者的关系:描述统计就是基础,推断统计就是主体二、比较分类数据、顺序数据与数值型数据:根据所采用的计量尺度不同,可以将统计数据分为分类数据、顺序数据与数值型数据。
(1)分类数据就是只能归于某一类别的非数字型数据。
它就是对事物进行分类的结果,数据表现为类别,就是用文字来表达的,它就是由分类尺度计量形成的。
(2)顺序数量就是只能归于某一有序类别的非数字型数据。
也就是对事物进行分类的结果,但这些类别就是有顺序的,它就是由顺序尺度计量形成的。
(3)数值型数据就是按数字尺度测量的观察值。
其结果表现为具体的数值,现实中我们所处理的大多数都就是数值型数据。
总之,分类数据与顺序数据说明的就是事物的本质特征,通常就是用文字来表达的,其结果均表现为类别,因而也统称为定型数据或品质数据;数值型数据说明的就是现象的数量特征,通常就是用数值来表现的,因此可称为定量数据或数量数据。
三、比较总体、样本、参数、统计量与变量:(1)总体就是包含所研究的全部个体的集合。
通常就是我们所关心的一些个体组成,如由多个企业所构成的集合,多个居民户所构成的集合。
考研经济学统计学重点知识点总结
考研经济学统计学重点知识点总结统计学是经济学中的一个重要分支，它通过对大量数据的收集、整理、分析和解释，帮助经济学家更好地理解和解释经济现象。
在考研经济学中，统计学是一个必考的科目，掌握统计学的重点知识点对于考生来说至关重要。
本文将对考研经济学统计学的重点知识点进行总结，帮助考生更好地备考。
一、概率论概率论是统计学的基础，它研究随机事件发生的概率和随机变量的分布规律。
在考研经济学中，常见的概率分布有离散型分布和连续型分布。
（1）离散型分布离散型分布是指在一段离散的取值范围内，每个取值对应一个概率。
常见的离散型分布有二项分布、泊松分布等。
二项分布描述的是相互独立且具有相同概率的试验中成功次数的概率分布，而泊松分布则描述的是在一段时间或空间内事件发生的次数的概率分布。
（2）连续型分布连续型分布是指在一个连续的取值范围内，每个取值对应一个概率密度函数。
常见的连续型分布有正态分布、指数分布等。
正态分布是统计学中最重要的分布之一，其概率密度函数可以用于描述许多自然现象，如人口的身高、体重等。
二、假设检验假设检验是统计学中用来验证关于总体参数的假设的方法。
在考研经济学中，常用的假设检验方法有单样本检验、双样本检验和方差分析等。
（1）单样本检验单样本检验是指通过对一个样本的观察，来对总体参数的假设进行推断。
在考研经济学中，常见的单样本检验有均值检验和比例检验。
均值检验用于验证总体均值是否等于某个给定值，比例检验用于验证总体比例是否等于某个给定值。
（2）双样本检验双样本检验是指通过对两个样本的比较，来对总体参数的假设进行推断。
在考研经济学中，常见的双样本检验有均值差检验和比例差检验。
均值差检验用于验证两个总体均值是否相等，比例差检验用于验证两个总体比例是否相等。
（3）方差分析方差分析是一种多样本比较的方法，用于验证多个总体的均值是否相等。
在考研经济学中，方差分析常用于对多个组别的数据进行比较，以确定是否存在显著差异。
统计学-考研-知识点总结
统计学重点笔记第一章导论一、比较描述统计和推断统计：数据分析是通过统计方法研究数据，其所用的方法可分为描述统计和推断统计。
（1）描述性统计：研究一组数据的组织、整理和描述的统计学分支，是社会科学实证研究中最常用的方法，也是统计分析中必不可少的一步。
内容包括取得研究所需要的数据、用图表形式对数据进行加工处理和显示，进而通过综合、概括与分析，得出反映所研究现象的一般性特征。
（2）推断统计学：是研究如何利用样本数据对总体的数量特征进行推断的统计学分支。
研究者所关心的是总体的某些特征，但许多总体太大，无法对每个个体进行测量，有时我们得到的数据往往需要破坏性试验，这就需要抽取部分个体即样本进行测量，然后根据样本数据对所研究的总体特征进行推断，这就是推断统计所要解决的问题。
其内容包括抽样分布理论，参数估计，假设检验，方差分析，回归分析，时间序列分析等等。
（3）两者的关系：描述统计是基础，推断统计是主体二、比较分类数据、顺序数据和数值型数据：根据所采用的计量尺度不同，可以将统计数据分为分类数据、顺序数据和数值型数据。
（1）分类数据是只能归于某一类别的非数字型数据。
它是对事物进行分类的结果，数据表现为类别，是用文字来表达的，它是由分类尺度计量形成的。
（2）顺序数量是只能归于某一有序类别的非数字型数据。
也是对事物进行分类的结果，但这些类别是有顺序的，它是由顺序尺度计量形成的。
（3）数值型数据是按数字尺度测量的观察值。
其结果表现为具体的数值，现实中我们所处理的大多数都是数值型数据。
总之，分类数据和顺序数据说明的是事物的本质特征，通常是用文字来表达的，其结果均表现为类别，因而也统称为定型数据或品质数据；数值型数据说明的是现象的数量特征，通常是用数值来表现的，因此可称为定量数据或数量数据。
三、比较总体、样本、参数、统计量和变量：（1）总体是包含所研究的全部个体的集合。
通常是我们所关心的一些个体组成，如由多个企业所构成的集合，多个居民户所构成的集合。
上海市考研统计学复习要点梳理
上海市考研统计学复习要点梳理统计学是一门应用广泛的学科，它在现代社会的各个领域都起着重要的作用。
对于报考上海市考研的学生来说，掌握统计学的基本理论和方法，对于备战考试具有重要意义。
本文将对上海市考研统计学的复习要点进行梳理和总结，帮助考生有针对性地进行备考。
一、概率论与数理统计1. 概率论的基本概念概率、随机事件、样本空间、事件的概率、事件的运算等。
2. 随机变量与概率分布随机变量的定义与分类、离散型随机变量和连续型随机变量的概念与性质、常见概率分布（如二项分布、泊松分布、正态分布等）的特点和应用。
3. 数理统计的基本理论总体与样本的概念、统计量的定义、抽样分布、参数估计、假设检验等。
4. 常用统计方法与应用数据的描述统计分析方法（如频数分布、中心位置与离散程度的度量、相关性分析等）、参数估计方法（极大似然估计、最小二乘法等）、假设检验方法（单样本检验、双样本检验等）、方差分析、回归分析等。
二、随机过程1. 马尔可夫过程马尔可夫链的定义与性质、平稳分布、状态转移概率矩阵等。
2. 随机过程的其他类型泊松过程、连续时间马尔可夫链等。
三、抽样调查与统计质量控制1. 抽样调查的基本概念总体、样本、抽样方法与抽样误差等。
2. 抽样分布与抽样分布的应用样本均值的抽样分布、样本比例的抽样分布等。
3. 调查设计与数据处理问卷设计、数据收集与整理、数据分析与解释等。
4. 统计质量控制的基本概念控制图、过程能力指数、质量改进方法等。
四、统计决策与应用1. 统计决策的基本概念与方法风险决策、效益决策、效益-风险决策等。
2. 统计决策分析模型决策树、线性规划、动态规划等。
3. 统计学在实际问题中的应用金融风险管理、市场调研、医学统计等。
五、计量经济学与时间序列分析1. 计量经济学的基本概念与方法回归分析、假设检验、模型评价等。
2. 时间序列的基本概念与方法平稳性、自相关、偏自相关等。
3. 时间序列模型与应用ARIMA模型、ARCH模型、GARCH模型等。
袁卫《统计学》(第3版)笔记和课后习题(含考研真题)详解
袁卫《统计学》（第3版）笔记和课后习题（含考研真题）详解第1章数据与统计学1>.1 复习笔记一、统计数据与统计学1>．统计学的概念统计学是研究如何搜集数据、整理数据、分析数据，以便从中做出正确推断的认识方法论科学。
实际上，它是一门方法论的科学而不是实质性科学。
2>．统计学和统计数据的关系统计学是由收集、整理、显示和分析统计数据的方法组成的，这些方法来源于对统计数据的研究，目的也在于对统计数据的研究。
离开了统计数据，统计方法乃至统计学就失去了其存在的意义。
二、统计学的产生和发展最早的统计是作为国家重要事项的记录，从统计的产生和发展过程来看，可以把统计学划分为三个时期：一是统计学的萌芽时期，主要有国势学派和政治算术学派；二是统计学的近代时期，主要有数理统计学派和社会统计学派；三是统计学的现代期，主要表现为统计学吸收数学营养的程度越来越迅速；统计学向其他学科领域渗透的能力越来越强；统计学的应用日趋广泛和深入，所发挥的功效日益增强。
三、统计学的内容统计学的内容由描述统计和推断统计组成。
描述统计是用图形、表格和概括性的数字对数据进行描述的统计方法。
推断统计是根据样本信息对总体进行估计、假设检验、预测或其他推断的统计方法。
推断统计主要有两种类型，即参数估计和假设检验。
四、统计数据的来源统计数据来源于直接组织的调查、观察和科学试验，称之为第一手数据或直接的数据；或者来源于已有的数据，称之为第二手数据或间接的数据。
五、统计数据的质量1>．抽样误差是由于抽样的随机性引起的样本结果与总体真值之间的误差。
这种误差虽然不可避免，但是可以控制。
2>．非抽样误差是相对于抽样误差而言的，是指除了抽样误差之外的，由于其他原因引起的样本观察值与总体真值之间的差异。
非抽样误差特别是其中的系统偏差是可以避免，但如果不注意，这类误差造成的结果对调查质量来说是致命的。
六、统计学的基本概念1>．总体：是指包含所研究的全部个体的集合。
考研统计数据分析知识点详解
考研统计数据分析知识点详解统计数据分析是考研数学中的一个重要部分，它涉及到数据收集、整理、描述和分析等多个环节。
掌握统计数据分析的知识点，不仅对于考研数学的学习和应试有着重要的影响，同时也对我们在实际生活中的数据处理有着积极的指导作用。
本文将详细介绍考研统计数据分析的知识点。
一、数据的描述性统计在数据分析中，首先需要对数据进行描述性统计。
描述性统计是指通过一系列统计指标来揭示数据的基本特征，并对数据进行简洁、准确的描述。
常见的描述性统计指标包括以下几个方面：1. 中心位置的度量中心位置的度量主要包括均值、中位数和众数。
均值是一组数据的平均值，中位数是一组数据中居于中间位置的数值，众数是一组数据中出现次数最多的数值。
2. 数据的离散程度度量数据的离散程度度量是指用来描述数据分散程度的统计指标。
常见的离散程度度量有：极差、方差和标准差。
极差是一组数据中最大值和最小值之间的差异，方差是各数据与均值之差的平方的平均数，标准差是方差的平方根，反映了数据的离散情况。
3. 分布形态的度量分布形态的度量用于描述数据的偏态和峰态。
偏态是指数据分布的不对称程度，峰态是指数据分布的陡缓程度。
常见的分布形态的度量有：偏度和峰度。
偏度为正表示数据呈正偏态，负表示数据呈负偏态，为0表示数据呈对称分布；峰度描述了数据分布的陡缓程度，大于0表示数据分布的峰值较高且较尖锐，小于0表示数据分布的峰值较平坦。
二、概率与统计在统计数据分析中，概率与统计是重要的基本概念，它们是统计学研究的基础。
1. 概率概率是指某个事件发生的可能性。
学习概率理论，可以帮助我们对事件发生的概率进行合理的估计和预测。
2. 随机变量与概率分布随机变量是指在随机试验中可能取到的各个值。
概率分布描述了随机变量可能取到的值及其对应的概率。
常见的概率分布有：离散型分布和连续型分布。
离散型分布包括：二项分布、泊松分布等；连续型分布包括：正态分布、指数分布等。
三、假设检验在统计数据分析中，假设检验是应用最广泛的统计方法之一，其主要目的是通过样本数据对总体参数作出推断。
考研统计学知识点剖析
考研统计学知识点剖析统计学是一门应用广泛且重要的学科，考研统计学作为考研数学专业的一部分，对于考生来说至关重要。
了解和掌握统计学的知识点是考研成功的关键之一。
本文将从概率论、数理统计和抽样调查等方面对考研统计学知识点进行剖析。
一、概率论概率论是统计学的基础，考生需要掌握以下几个重要知识点：1. 随机事件与概率：了解随机事件的定义以及事件发生的概率计算方法，包括古典概型、频率概型和几何概型等。
2. 随机变量与概率分布：理解随机变量的概念及其分类，包括离散型随机变量和连续型随机变量。
同时，要熟悉常见的概率分布，如二项分布、正态分布和泊松分布等。
3. 随机变量的数字特征：熟悉随机变量的数字特征，如期望、方差、标准差和协方差等。
掌握这些特征的计算方法以及它们在实际问题中的应用。
二、数理统计数理统计是统计学的核心内容，包括参数估计和假设检验等。
以下是考研数理统计的重点内容：1. 参数估计：了解估计问题的基本概念和常用的估计方法，包括矩估计、最大似然估计和贝叶斯估计等。
同时，要了解估计量的性质，如无偏性和有效性等。
2. 假设检验：熟悉假设检验的基本原理和步骤，包括建立原假设和备择假设、选择检验统计量和确定显著性水平等。
重点掌握常见的假设检验方法，如正态总体均值的检验和两个总体均值的检验等。
3. 方差分析：了解方差分析的基本思想和步骤，包括单因素方差分析和多因素方差分析。
掌握方差分析的假设条件和分析结果的解释。
三、抽样调查抽样调查是统计学的实际应用，在社会和经济领域有广泛的应用。
以下是考研抽样调查的重点内容：1. 抽样方法：了解常见的抽样方法，包括简单随机抽样、系统抽样和分层抽样等。
了解每种抽样方法的特点和适用范围。
2. 抽样误差和调查误差：了解抽样误差和调查误差的概念，并能够计算和解释它们对调查结果的影响。
3. 统计调查的设计与分析：掌握调查设计的基本原则和步骤，包括确定调查目标、编制调查问卷和制定调查方案等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
标准差：方差的平方根
作为样本统计量用符号 s 表示，作为总体参数用符号σ表示。σ = σ 2
（2）样本的方差和标准差
样本的变异性往往比它来自的总体的变异性要小。为了校正样本数据带来的偏差，在计 算样本方差时，我们用自由度来矫正样本误差，从而有利于对总体参数更好的无偏差估计：
S 2 = SS n −1
（二）集中量数 1）算术平均数 M
n
∑ Xi
X = i=1 N
优点：反应灵敏；计算严密；计算简单；简明易解；适合于进一步用代数方法演算；较 少受抽样变动的影响；
缺点：受极端数据的影响；若出现模糊不清的数据时，无法计算平均数；
计算和运用平均数的原则：同质性原则；平均数与个体数值相结合的原则；平均数与标 准差。方差相结合原则；
离平均数有多远，即表示原始分数在平均数以上或以下几个标准差的位置。Z = X − X s
（2）性质 ①Z 分数无实际单位，是以平均数为参照点，以标准差为单位的一个相对量 ②一组原始分数转换得到的 Z 分数可正可负，所有原始分数的 Z 分数之和为零 ③原始数据的 Z 分数的标准差为 1 ④若原始分数呈正态分布，则转换得到的所有 Z 分数均值为 0，标准差为 1 的标准正态 分布 （3）优点 ①可比性——不同性质的成绩，一经转换为标准分数，就可在同一背景下比较； ②可加性——不同性质的原始数据具有相同的参照点，因此可相加； ③明确性——知道了标准分数，利用标准正态分布表就能知道其百分等级； ④稳定性——转换成标准分数之后，规定了标准差为 1，保证了不同性质分数在总分数 中权重一样。 （4）缺点 ①标准分数过于抽象不易理解； ②在非正态分布下，分布形态不同的分数，仍然不能进行比较，也不能相加求和；
量,所测样本水平比较接近时,直接比较标准差的大小即可以知道样本间离散程度的大小;但
是当遇到下列情况,则不能直接比较标准差: (1)两个或两个以上的样本所使用的观测工具
不同,所测的特质不同;
(2)两个或两个以上的样本使用的是同一种观
测工具,测量的也是同一种特质,但样本间的水平相差较大;
ห้องสมุดไป่ตู้
在第一种情况下,标准差的单位不同,显然不能直接进行比较;第二种情况下,虽然标准 差单位相同,但样本的水平不同,通常情况下,平均数的值较大,其标准差的值一般也较大;平 均数的值越小,其标准差的值也越小;
性质： ①在一组数据中每个变量与平均数之差的总和等于零 ②在一组数据中，每一个数都加上一个常数 C，所得的平均数为原来的平均数加常数 C ③在一组数据中，每一个数都乘以一个常数 C，所得的平均数为原来的平均数乘以常数 C
2)中数：Md 按顺序排列在一起的一组数据中居于中间位置的数，即这组数据中，一般 数据比它大，一般数据比它小。注意计算方法；
（四）相对量数 1）百分位数：第 P 百分位数就是指在其值为 P 的数值以下，包括分布中全部数据的百 分之 p,其符号是 Pp； 2）百分等级：常模团体中低于该分数的人所占总体的百分比；百分位数的逆运算；
3）标准分数 （1）定义
标准分数：以标准差为单位表示一个原始分数在团体中所处位置的相对位置量数， 也叫 Z 分数
心理统计学重点分析 一．描述统计 （一）统计图表 1）统计图 次数分布图： ①直方图：用以矩阵的面积表示连续性随即变量次数分布的图形。 ②次数多边形图：一种表示连续性随机变量次数分布的线形图，属于次数分布图。 ③累加次数分布图：分为：累加直方图和累加曲线图；
其中累加曲线的形状大约有三种：一种是曲线的上枝长于下枝（正 偏态），另一种是下枝长于上枝（负偏态），第三种是上枝，下枝长度相当（正态分布）。
3)众数：Mo 是指在次数分布中出现次数最多的那个数值； 三者的关系：正偏态分布中，M>Md>Mo
负偏态分布中，M<Md<Mo Mo=3Md-2M（自己推导一下） （三）差异量数 差异量数就是对一组数据的变异性，即离中趋势特点进行度量和描述的统计量，也称为 离散量数。 1）离差与平均差 离差：分布中的某点到均值得距离，其符号表示了某分数与均值之间的位置关系，而数 值表示了它们之间的绝对距离。所有的离差之和始终为零。
其他统计图：条形图：用于离散型数据资料； 圆形图：用于间断性资料； 线形图：更多用于连续性资料，凡预表示两个变量之间的函数关系，或描
述某种现象在时间上的发展趋势，或一种现象随另一种现象变化的情况，用这种方法比较好。 散点图：
2）统计表 ①简单次数分布表 ②分组次数分布表 ③相对次数分布表：将次数分布表中各组的实际次数转化为相对次数，即用频数比率表 示。 ④累加次数分布表 ⑤双列次数分布表：对有联系的两列变量用同一个表来表示其次数分布。
①两个或两个以上样本所使用的观测工具不同，所测的特质相同
②两个或两个以上样本使用的是同种观测工具，所测的特质相同，但样本间水平差异较 大
差异系数：一种最常用的相对差异量，为标准差对平均数的百分比 CV= s ×100% X
注 题目：变异系数与标准差的区别于联系?
标准差反映了一个次数分布的离散程度,当对同一个特质,使用同一种测量工具进行测
S = S2
（3）性质
差；
①每一个观测值都加一个相同的常数 C 之后，计算得到的标准差等于原来的标准
②每一个观测值都乘以一个相同的常数 C，所得到的标准差等于原标准差乘以这个常 数。
3）变异系数
当遇到下列情况时，不能用绝对差异量来比较不同样本的离散程度，而应当使用相对差 异量数，最常用的就是差异系数。
x= X − µ
∑ 平均差：次数分布中所有原始数据与平均数绝对离差的平均值。 A.D. = Xi − X
n
2）方差与标准差 （1）总体的方差和标准差 方差：每个数据与该组数据平均数之差乘方后的均值，即离均差平方后的均数。
作为样本统计量用符号 s2 表示，作为总体参数用符号σ2 表示，也叫均方。σ 2 = SS N