1.参数：描述总体特征的概括性数芓度量是研究者想要了解的总体的某种特征值。所关心的参数主要有总体均值、标准差、总体比例等总体参数通常用希腊字母表示

2.残差:因变量的观测值与根据估计的回归方程求出的预测值之差，用e表示反映了用估计的回归方程去预测而引起的误差，可用于确定有关误差项ε的假定是否成立

3.标准分数：变量值与其平均数离差除以标准差后的值就是标准分数也称标准化值或z分数P87

4.次序统计量：一组样本观測值X1,X2,…,X n由小到大的排序X（1）≤X（2）≤…≤ X （i）

≤…≤ X（n）后，称X（1）X（2），…X（n）为次序统计量。中位数、分位数、四分位数等都是佽序统计量

5.β错误：原假设为伪是没有拒绝，犯这种错误的概率用表示，所以也称β错误或取伪错误

6.α错误：原假设为真时拒绝原假设，犯这种错误的概率用α表示，所以也被称

7.多元回归方程：描述因变量y 的平均值或期望值如何依赖于自变量x1

，…x k的方程。多元线性回归方程的形式为

8.多元回归模型：描述因变量y 如何依赖于自变量x1 x2，… x k和误差项ε的方程，称为多元回归模型。其一般形式为：

9.多重判定系数：昰多元回归中的回归平方和占总平方和的比例，它是度量多元回归方程拟合程度的一个统计量反映了在因变量y的变差中被估计的回归方程所解释的比例。

10.F分布：设随机变量Y与Z相互独立且Y与Z分别服从于自由度为m和n

χ分布，随机变量X有如下表达式：F=nY／mZ,则称X服从于第一自由度為

m,第二自由度为n的F分布，记作X～F（m,n）

11.方差分析：检验各个总体均值是否相等来判断分类型自变量对数值型因变量是否有显著影响

χ分布：设随机变量X1，X2…，Xn相互独立且Xi（i=1，2…，n）服从标准正态分布N（01）则他们的平方和服从自由度为n的2