📅 最后修改于: 2021-01-23 06:56:56 🧑 作者: Mango
下表显示了统计中使用的各种符号的用法
通常，小写字母代表样本属性，大写字母代表人口属性。
$ P $-人口比例。
$ p $-样本比例。
$ X $-一组人口元素。
$ x $-样本元素集。
$ N $-人口规模的集合。
$ N $-样本量集。
罗马字母代表样本属性，希腊字母代表人口属性。
$ \ mu $-人口平均数。
$ \ bar x $-样本均值。
$ \ delta $-总体标准差。
$ s $-样本的标准差。
以下符号代表特定人群的属性。
$ \ mu $-人口平均数。
$ \ 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 $-没有特定属性的总体元素的比例。
$ \ rho $-基于总体的所有元素的总体相关系数。
$ N $-总体中的元素数。
以下符号代表特定人群的属性。
$ \ bar x $-样本均值。
$ 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所占的比例。
$ r $-基于样本中所有元素的人口相关系数。
$ n $-样本中元素的数量。
$ B_0 $-在总体回归线上截取常数。
$ B_1 $-总体回归线中的回归系数。
$ {R} ^ 2 $-确定系数。
$ b_0 $-截取样本回归线中的常量。
$ 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。
$ P(A)$-事件A发生的概率。
$ P(A | B)$-假定事件B已经发生，则事件A发生的条件概率。
$ P(A’)$-事件A的补码概率。
$ 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。
$ n！ $-n的阶乘值。
$ ^ {n} P_r $-一次获取n个事物的排列数。
$ ^ {n} C_r $-一次r取n件东西的组合数。
$ A \ Cap B $-集A和B的交集。
$ A \ Cup B $-集A和B的并集。
$ \ {A，B，C \} $-由A，B和C组成的元素集。
$ \ emptyset $-空或空集。
$ H_0 $-空假设。
$ H_1 $-替代假设。
$ \ alpha $-显着性水平。
$ \ beta $-犯第二类错误的概率。
$ Z $或$ z $-标准化分数，也称为az分数。
$ z _ {\ alpha} $-标准化分数，累积概率等于$ 1-\ alpha $。
$ t _ {\ alpha} $-t统计量，其累积概率等于$ 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。
$ \ sum $-求和符号，用于计算一个值范围内的总和。
$ \ 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 $。