总体 - The mini wiki

在概率论和统计学中，方差描述的是一个随机变量的离散程度，即一组数字与其平均值之间的距离的度量，是随机变量与其总体均值或样本均值的离差的平方的期望值。方差在统计中有非常核心的地位，其应用领域包括描述统计学、推论统计学、假说检定、度量拟合优度，以及蒙地卡罗方法。由于科学分析经常涉及统计，方差也是重要的科研工具。方差是标准差的平方、分布的二阶矩，以及随机变量与其自身的协方差，其常用的符号表示有

σ

2

{\displaystyle \sigma ^{2}}

、

s

2

{\displaystyle s^{2}}

、

Var
⁡

{\displaystyle \operatorname {Var} }

、

V

{\displaystyle V}

，以及

V

{\displaystyle \mathbb {V} }

。

分层抽样，又名层化抽出法，是统计学的一从总体抽样方法。将抽样单位按某种特征或某种规则划分为不同的层，然后从不同的层中独立、随机地抽取样本。从而保证样本的结构与总体的结构比较相近，从而提高估计的精度。相对于没有经过分层的抽样调查，其数据会被称为“未分层抽样”。

在统计学中，一个样本的置信区间，是对产生这个样本的总体的参数分布中的某一个未知母数值，以区间形式给出的估计。相对于点估计用一个样本统计量来估计量参数值，置信区间还蕴含了估计的精确度的信息。在现代机器学习中越来越常用的置信集合概念是置信区间在多维分析的推广。

分层抽样，又名层化抽出法，是统计学的一从总体抽样方法。将抽样单位按某种特征或某种规则划分为不同的层，然后从不同的层中独立、随机地抽取样本。从而保证样本的结构与总体的结构比较相近，从而提高估计的精度。相对于没有经过分层的抽样调查，其数据会被称为“未分层抽样”。

在统计学中，矩估计是估计总体母数的方法。首先推导涉及感兴趣的参数的总体矩的方程。然后取出一个样本并从这个样本估计总体矩。接着使用样本矩取代总体矩，解出感兴趣的参数。从而得到那些参数的估计。矩估计是英国统计学家卡尔·皮尔逊于1894年提出的。

预后是一个医学名词，指根据病人当前状况来推估未来经过治疗后可能的结果。
若用于统计学总体，预后推估可以是非常准确的；比如，“严重败血性休克病人中，有45%会在28天内死亡”，这一判断有相当可信度，因为以前的研究发现死亡病人的比例是45%。
然而，很难将此转化为对“个别”病人的预后预测：需要许多其它资讯/信息来判断这个病人属于45%会死亡病人的群体，或者55%能存活病人的群体。

F检定，亦称联合假设检定、变异数比率检验、方差齐性检验。它是一种在零假设之下，统计值服从F-分布的检验。其通常是用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计总体。

，亦称，在统计学中指总体中量测到，可以描述总体性质的量测量，例如平均数或标准差。若总体依循一已知的特定分布，可以用这母数来完全的描述总体，也可以定义在此总体中样本可能有的概率分布。