统计学 - 符号表示

下表显示了统计学中使用的各种符号的用法

大写

通常，小写字母表示样本属性，大写字母用于表示总体属性。

• $ P $ - 总体比例。

• $ p $ - 样本比例。

• $ X $ - 总体元素集。

• $ x $ - 样本元素集。

• $ N $ - 总体大小。

• $ N $ - 样本大小。

希腊字母与罗马字母

罗马字母表示样本属性，希腊字母用于表示总体属性。

• $ \mu $ - 总体均值。

• $ \bar x $ - 样本均值。

• $ \delta $ - 总体标准差。

• $ s $ - 样本标准差。

总体特定参数

以下符号表示总体特定属性。

• $ \mu $ - 总体均值。

• $ \delta $ - 总体标准差。

• $ {\mu}^2 $ - 总体方差。

• $ 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 $ - 基于总体所有元素的总体相关系数。

• $ N $ - 总体中的元素数量。

样本特定参数

以下符号表示总体特定属性。

• $ \bar x $ - 样本均值。

• $ s $ - 样本标准差。

• $ {s}^2 $ - 样本方差。

• $ 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 $ - 基于样本所有元素的样本相关系数。

• $ n $ - 样本中的元素数量。

线性回归

• $ 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。

概率

• $ P(A) $ - 事件A发生的概率。

• $ P(A|B) $ - 给定事件B已发生的情况下，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B的交集的概率。

• $ P(A \cup B) $ - 事件A和B的并集的概率。

• $ E(X) $ - 随机变量X的期望值。

• $ b(x; n, P) $ - 二项概率。

• $ b*(x; n, P) $ - 负二项概率。

• $ g(x; P) $ - 几何概率。

• $ h(x; N, n, k) $ - 超几何概率。

排列/组合

• $ n! $ - n的阶乘值。

• $ ^{n}P_r $ - 从n个事物中取r个事物的排列数。

• $ ^{n}C_r $ - 从n个事物中取r个事物的组合数。

集合

• $ A \Cap B $ - 集合A和B的交集。

• $ A \Cup B $ - 集合A和B的并集。

• $ \{ A, B, C \} $ - 由A、B和C组成的元素集。

• $ \emptyset $ - 空集。

假设检验

• $ H_0 $ - 零假设。

• $ H_1 $ - 备择假设。

• $ \alpha $ - 显着性水平。

• $ \beta $ - 犯II型错误的概率。

随机变量

• $ Z $ 或 $ z $ - 标准化分数，也称为z分数。

• $ z_{\alpha} $ - 累积概率等于$ 1 - \alpha $的标准化分数。

• $ t_{\alpha} $ - 累积概率等于$ 1 - \alpha $的t统计量。

• $ f_{\alpha} $ - 累积概率等于$ 1 - \alpha $的f统计量。

• $ f_{\alpha}(v_1, v_2) $ - 累积概率等于$ 1 - \alpha $且具有$ v_1 $和$ v_2 $自由度的f统计量。

• $ X^2 $ - 卡方统计量。

求和符号

• $ \sum $ - 求和符号，用于计算一定范围内的值的和。

• $ \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 $。