统计学核心英文专业词汇汇编

统计学核心英文专业词汇汇编统计学作为一门研究数据收集、整理、分析、解释与推断的科学，其专业术语体系是理解和应用统计方法的基础。本汇编旨在梳理统计学领域中最核心、最常用的英文专业词汇，为相关学习者、研究者及从业者提供一份清晰、准确的参考。一、基础概念与数据类型(BasicConceptsandDataTypes)1.Data(数据)-对客观事物的符号记录，是统计分析的基础原料。2.Variable(变量)-研究对象的某种特征，其取值是可变的。3.Constant(常量)-在特定研究中，取值固定不变的特征。4.Population(总体)-研究对象的全体，是所有感兴趣个体或观察值的集合。5.Sample(样本)-从总体中抽取的一部分个体或观察值，用于推断总体特征。6.Parameter(参数)-描述总体特征的概括性数字度量，通常是未知的，需要通过样本进行估计。7.Statistic(统计量)-描述样本特征的概括性数字度量，是根据样本数据计算得到的，可用于估计参数。8.QuantitativeData/NumericalData(定量数据/数值数据)-能够用数值表示其观察结果，通常具有计量意义的数据。*DiscreteData(离散数据)-取值为有限个或可数个孤立数值的数据。*ContinuousData(连续数据)-取值可以是某一区间内任意数值的数据，理论上可以无限细分。9.QualitativeData/CategoricalData(定性数据/分类数据)-表现为不同类别的非数值型数据，用于区分事物的不同属性。*NominalData(名义数据)-类别间无顺序、无等级差别的定性数据。*OrdinalData(顺序数据/等级数据)-类别间存在明确顺序或等级差别的定性数据，但不能精确度量差异大小。10.DichotomousVariable(二分变量)-只有两个可能取值的变量，如“是/否”、“男/女”。二、描述统计(DescriptiveStatistics)1.DescriptiveStatistics(描述统计)-对数据进行整理、概括和呈现，以反映数据基本特征的统计方法。2.Frequency(频数)-某个类别或数值在数据集中出现的次数。3.RelativeFrequency(相对频数)-某个类别或数值的频数与总频数之比，通常以百分比表示。4.FrequencyDistribution(频数分布)-各个类别及其相应频数（或相对频数）的表格或图形表示。5.MeasuresofCentralTendency(集中趋势度量)-描述数据集中趋势或中心位置的统计量。*Mean(均值)-算术平均值，所有数据之和除以数据个数。*Median(中位数)-将数据按大小顺序排列后，位于中间位置的数值，不受极端值影响。*Mode(众数)-数据集中出现次数最多的数值。6.MeasuresofDispersion/Variability(离散程度度量)-描述数据分布离散或分散程度的统计量。*Range(极差/全距)-数据集中最大值与最小值之差。*Variance(方差)-各数据与均值离差平方的平均数，反映数据的平均离散程度。*StandardDeviation(标准差)-方差的平方根，其单位与原始数据一致，更易解释。*InterquartileRange(IQR)(四分位距)-上四分位数与下四分位数之差，用于描述中间50%数据的离散程度，不受极端值影响。7.MeasuresofPosition(位置度量)-描述单个数据在整个数据分布中所处位置的统计量。*Percentile(百分位数)-将数据按大小顺序排列后，某一百分比的数据小于或等于该数值。*Quartile(四分位数)-特殊的百分位数，包括第一四分位数(Q1，第25百分位数)、第二四分位数(Q2，即中位数)、第三四分位数(Q3，第75百分位数)。8.Skewness(偏度)-描述数据分布不对称性的统计量。*Symmetric(对称的)-数据分布左右两侧大致对称。*PositivelySkewed/Right-skewed(正偏/右偏)-数据分布的尾部向右侧延伸，均值通常大于中位数。*NegativelySkewed/Left-skewed(负偏/左偏)-数据分布的尾部向左侧延伸，均值通常小于中位数。9.Kurtosis(峰度)-描述数据分布峰部陡峭程度或尾部厚重程度的统计量。*Leptokurtic(尖峰)-分布比正态分布更陡峭，尾部更厚。*Mesokurtic(中峰)-与正态分布的峰度相同。*Platykurtic(平峰)-分布比正态分布更平坦，尾部更薄。10.BoxPlot/Box-and-WhiskerPlot(箱线图)-基于五数概括（最小值、Q1、中位数、Q3、最大值）来展示数据分布特征的图形。三、概率论基础(FundamentalsofProbability)1.Probability(概率)-衡量某一随机事件发生可能性大小的数值度量，取值在0到1之间。2.RandomExperiment(随机试验)-具有不确定性结果，但所有可能结果可以预知的试验。4.SampleSpace(样本空间)-随机试验所有可能结果组成的集合。5.Event(事件)-样本空间的子集，由若干个可能结果组成。6.MutuallyExclusiveEvents(互斥事件)-两个或多个不可能同时发生的事件。7.ExhaustiveEvents(完备事件组)-若干个事件的并集构成整个样本空间。8.ConditionalProbability(条件概率)-在已知某一事件B发生的条件下，另一事件A发生的概率，记为P(A|B)。9.Independence(独立性)-若事件A的发生与否不影响事件B发生的概率，则称A与B相互独立。10.RandomVariable(随机变量)-用来表示随机试验结果的变量，其取值由试验结果决定。*DiscreteRandomVariable(离散型随机变量)-取值为有限个或可数个的随机变量。*ContinuousRandomVariable(连续型随机变量)-取值充满某一区间的随机变量。11.ProbabilityDistribution(概率分布)-描述随机变量所有可能取值及其对应概率的规律。*ProbabilityMassFunction(PMF)(概率质量函数)-描述离散型随机变量在各特定取值上的概率。*ProbabilityDensityFunction(PDF)(概率密度函数)-描述连续型随机变量在某一区间内取值的概率密度。*CumulativeDistributionFunction(CDF)(累积分布函数)-描述随机变量取值小于或等于某一特定值的概率。12.ExpectedValue/Mean(期望值/均值)-随机变量取值的加权平均，权重为相应的概率，反映随机变量的平均水平。13.Variance(方差)-随机变量与其期望值离差平方的期望值，反映随机变量取值的离散程度。14.StandardDeviation(标准差)-方差的平方根。*BinomialDistribution(二项分布)-n次独立伯努利试验中成功次数的概率分布。*PoissonDistribution(泊松分布)-描述在一定时间或空间内稀有事件发生次数的概率分布。*NormalDistribution/GaussianDistribution(正态分布/高斯分布)-一种极其重要的连续型对称分布，呈钟形曲线。*UniformDistribution(均匀分布)-随机变量在某一区间内各点取值概率密度相等的分布。*ExponentialDistribution(指数分布)-常用于描述独立随机事件发生的时间间隔的连续型分布。16.LawofLargeNumbers(LLN)(大数定律)-随着样本容量的增大，样本均值会逐渐稳定于总体的真实均值。17.CentralLimitTheorem(CLT)(中心极限定理)-无论总体服从何种分布，只要样本容量足够大，样本均值的抽样分布近似服从正态分布。四、推断统计(InferentialStatistics)1.InferentialStatistics(推断统计)-基于样本数据对总体特征进行估计或检验的统计方法。2.Estimation(估计)-用样本统计量来估计总体参数的过程。*PointEstimate(点估计)-用单个数值作为总体参数的估计值。*IntervalEstimate/ConfidenceInterval(CI)(区间估计/置信区间)-由样本统计量构造的一个区间，用来估计总体参数的可能范围，并给出一定的置信水平。3.ConfidenceLevel(置信水平)-置信区间包含总体参数真值的可信程度。4.HypothesisTesting(假设检验)-先对总体参数或分布形式提出某种假设，然后利用样本信息判断该假设是否成立的统计方法。*NullHypothesis(H₀)(零假设/原假设)-待检验的假设，通常表述为“无效应”、“无差异”或“无关联”。*AlternativeHypothesis(H₁orHₐ)(备择假设/对立假设)-与零假设相对立的假设，是研究者希望支持的假设。5.TestStatistic(检验统计量)-根据样本数据计算得到的，用于判断是否拒绝零假设的统计量。6.P-value(p值)-在零假设成立的前提下，观察到的样本结果或更极端结果出现的概率。7.SignificanceLevel(α)(显著性水平)-事先规定的用于判断是否拒绝零假设的小概率标准，常用值为0.05。8.TypeIError(第一类错误)-当零假设为真时，却错误地拒绝了零假设，其概率通常记为α。9.TypeIIError(第二类错误)-当零假设为假时，却错误地没有拒绝零假设，其概率通常记为β。10.PowerofaTest(检验功效)-当备择假设为真时，正确拒绝零假设的概率，即1-β。11.CriticalValue(临界值)-根据显著性水平确定的一个值，用于与检验统计量比较，以决定是否拒绝零假设。五、相关与回归分析(CorrelationandRegressionAnalysis)1.Correlation(相关)-衡量两个或多个变量之间线性关联程度和方向的统计关系。2.CorrelationCoefficient(相关系数)-定量描述两个变量线性相关程度和方向的统计量。*PearsonCorrelationCoefficient(r)(皮尔逊相关系数)-用于度量两个连续型变量之间线性相关程度的指标，取值范围为[-1,1]。*Spearman'sRankCorrelationCoefficient(ρ)(斯皮尔曼等级相关系数)-用于度量两个变量（可以是顺序数据）之间单调关系强度的非参数指标。3.RegressionAnalysis(回归分析)-研究一个或多个自变量与一个因变量之间数量依存关系的统计方法。*DependentVariable(Y)(因变量/被解释变量)-其变化被认为是由其他变量（自变量）引起的变量。*IndependentVariable(X)(自变量/解释变量)-用于解释因变量变化的变量。4.SimpleLinearRegression(简单线性回归)-只包含一个自变量和一个因变量，且二者关系可用一条直线近似表示的回归模型。5.MultipleLinearRegression(多元线性回归)-包含两个或两个以上自变量的线性回归模型。6.RegressionCoefficient(回归系数)-回归方程中表示自变量对因变量影响大小的参数。7.Intercept(截距)-回归直线与Y轴交点的纵坐标，表示当所有自变量取值为零时因变量的期望值。8.Residual(残差)-实际观测值与回归模型预测值之间的差异。9.CoefficientofDetermination(R-squared,R²)(决定系数)-回归模型解释因变量变异的比例，取值范围为[0,1]。六、实验设计与抽样方法(ExperimentalDesignandSamplingMethods)1.Sampling(抽样)-从总体中抽取样本的过程。2.SamplingFrame(抽样框)-用于抽取样本的总体元素清单。3.SimpleRandomSampling(简单随机抽样)-从总体中随机抽取n个单位作为样本，每个单位被抽中的概率相等。4.StratifiedSampling(分层抽样)-将总体按某一特征划分为若干层，然后从每层中独立随机抽样。5.ClusterSampling(整群抽样)-将总体划分为若干群，随机抽取部分群，对抽中群内所有单位进行调查。6.SystematicSampling(系统抽样)-将总体单位按一定顺序排列，根据样本容量确定抽样间隔，随机确定起点后，每隔一定间隔抽取一个单位。7.ExperimentalDesign(实验设计)-规划实验的过程，包括如何选择实验对象、如何分组、如何施加处理以及如何观测结果，以确保实验