统计学的基本概念有哪些

数据的分类

数值型数据：可以进行数学运算的数据，进一步分为间隔型（如温度，没有绝对零点）和比率型（如长度，有绝对零点，可以比较倍数）。

非数值型数据：

分类变量：表示事物类别，如性别、血型。

顺序变量：表示有序的类别，如教育程度（小学、中学、大学）。

数据的来源与收集方式

直接来源（一手数据）：研究者直接收集的数据。

间接来源（二手数据）：通过已有资料获取的数据。

观测数据：在自然状态下收集的数据，不施加控制。

实验数据：通过控制实验条件获得的数据。

数据的时间特性

截面数据：同一时间点收集的数据。

时间序列数据：按时间顺序收集的数据。

混合数据（面板数据）：同时包含横截面和时间序列特征的数据。

概型与数据类型

离散型数据：可以一一计数，如人数。

连续型数据：理论上可以取无限多个值，如身高。

统计学的核心概念

总体（population）：研究对象的全部集合。

样本（sample）：从总体中抽取的一部分，用于推断总体特征。

样本容量：样本中元素的数量。

参数（parameter）：描述总体特征的量，如总体均值（μ）、总体标准差（σ）、总体比例（π）。

统计量（statistic）：基于样本计算的量，如样本均值（x̄）、样本标准差（s）、样本比例（p）。

变量

描述事物特征的概念，分为分类变量、顺序变量和数值型变量。

通过这些基本概念，统计学能够帮助我们从数据中提取信息，进行推断和预测，理解数据背后的趋势和模式。