Statistics 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 $-一组总体元素。
$ x $-一组示例元素。
$ N $-一组人口规模。
$ N $-一组样本量。
希腊字母与罗马字母
罗马字母代表样本属性，希腊字母代表人口属性。
$ \mu $-总体平均值。
$ \bar x $-样本均值。
$ \delta $-总体的标准差。
$ s $-样本的标准偏差。
特定人群参数
以下符号代表特定人群的属性。
$ \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。
具体参数示例
以下符号代表特定人群的属性。
$ \bar x $-样本均值。
$ s $-样本的标准偏差。
$ {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。
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。
概率
$ P(A) $-事件 A 发生的概率。
$ P(A|B) $-事件 A 发生的条件概率，前提是事件 B 已经发生。
$ P(A') $-事件 A 互补的概率。
$ P(A \cap B) $-事件 A 和 B 相交的概率。
$ P(A \cup B) $-事件 A 和 B 合并的概率。
$ 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 $-每次取 r 的 n 个事物的排列数。
$ ^{n}C_r $-一次取 n 个事物的组合数。
设置
$ 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 组成的元素集合。
$ \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 z 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} $-累积概率等于 $ 1-\alpha $ 的 f 统计量。
$ f_{\alpha}(v_1, v_2) $-累积概率等于 $ 1-\alpha $ 和 $ v_1 $ 和 $ v_2 $ 自由度的 f 统计量。
$ 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 $-一组 n 个观察值的总和。因此，$ \sum x = x_1 + x_2 + ... + x_n $.
