统计 - 符号

下表显示了统计中使用的各种符号的用法

大写

一般小写字母代表样本属性，大写字母代表总体属性。

$P$——人口比例。
$ p $ - 样本比例。
$ X $ - 人口元素集。
$ x $ - 样本元素集。
$N$ - 人口规模的集合。
$N$ - 一组样本大小。

希腊字母与罗马字母

罗马字母代表样本属性，希腊字母代表总体属性。

$ \mu $ - 总体平均值。
$ \bar x $ - 样本平均值。
$ \delta $ - 总体的标准差。
$ s $ - 样本的标准差。

特定人群参数

以下符号代表人群特定属性。

$ \mu $ - 总体平均值。
$ \delta $ - 总体的标准差。
$ {\mu}^2 $ - 总体方差。
$P$——具有特定属性的总体元素的比例。
$Q$——没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。
$N$ - 总体中的元素数量。

样品具体参数

以下符号代表人群特定属性。

$ \bar x $ - 样本平均值。
$ 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。
$q$ - 没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。

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。

可能性

$ P(A) $ - 事件 A 发生的概率。
$ P(A|B) $ - 假设事件 B 已发生，则事件 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 相交的概率。
$ P(A \cup B) $ - 事件 A 和 B 并集的概率。
$ E(X) $ - 随机变量 X 的期望值。
$ b(x; n, P) $ - 二项式概率。
$ b*(x; n, P) $ - 负二项式概率。
$ 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 $ - 一次取 r 的 n 个事物的排列数。
$ ^{n}C_r $ - 一次取 r 的 n 个事物的组合数。

放

$ 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 $ - null 或空集。

假设检验

$ H_0 $ - 零假设。
$H_1$ - 替代假设。
$ \alpha $ - 显着性水平。
$ \beta $ - 犯第二类错误的概率。

随机变量

$Z$或$z$——标准化分数，也称为az分数。
$ z_{\alpha} $ - 累积概率等于 $ 1 - \alpha $ 的标准化分数。
$ t_{\alpha} $ - t 统计量，累积概率等于 $ 1 - \alpha $。
$ f_{\alpha} $ - f 统计量，其累积概率等于 $ 1 - \alpha $。
$ f_{\alpha}(v_1, v_2) $ - f 统计量，其累积概率等于 $ 1 - \alpha $ 和 $ v_1 $ 和 $ v_2 $ 自由度。
$ X^2 $ - 卡方统计量。

求和符号

$ \sum $ - 求和符号，用于计算一系列值的总和。
$ \sum x $ 或 $ \sum x_i $ - 一组 n 个观测值的总和。因此，$ \sum x = x_1 + x_2 + ... + x_n $。