统计学

利用回归方程进行预测，如果X的取值范围在样本范围之内，则预测相对是准确的。如果超出这个范围，预测则要小心，因为在样本数据之外变量所形成的关系可能会发生变化，而不再是线性关系。

相关程度的检验方法主要有三种

介绍线性关系的两个变量，可以通过回归分析（最小二乘法）得到带有回归参数的回归方程，通过回归方程，当已知自变量的值时，预测相应的因变量的值。

最小二乘法（又称最小平方法）是一种数学优化技术。简单的说，就是通过误差平方和的最小化，寻找数据的最佳函数匹配。

回归分析要求研究者根据因果关系（或假设存在因果关系）将两个变量，一个定义为自变量(X)，由试验者设定，一个定义为因变量(Y)，是随机变量。

所谓相关关系，是指变量的数值之间存在着非严格的依存关系。

秩次检验对总体分布无更多假定，由于没有充分利用样本信息，且功效较低，因而只有当参数方法不适用时才采用秩次检验。

一致性，就是指多个总体在某一变量的各个类别上是否具有相同的分布特征。例如，不同年龄组的人对贷款消费的人事是否一致；东部地区西部地区的民众对近年来经济发展成就的看法是否相同；性别不同的人在选择观看电视节目的种类上是否一致等。

独立性，就是两个变量之间互不相关。一个变量的取值不影响另一个变量的取值，这类问题的研究在实践中很有用途。

所谓列联表就是一个行列交叉的表格。将研究的两个变量，一个变量按类分行排列，另一个变量按类分列排列，行列交叉处是同属于两个变量不同类的数据。

在非参数方法：卡方检验的运用中已经介绍卡方检验的原理：通过卡方统计量来对比样本频率分布与某已知分布的频率分布，检验两者差异情况，决定是否接受样本分布等于已知分布。卡方分布能够用于各种分布的检验。

χ2检验除了可以对假设的频数进行检验外，还可以对各种假设的分布进行检验。

什么是结构化、半结构化和非结构化数据？

在二项分布试验中，每次试验的可能结果只有两个：成功或失败。

非参数方法不是关于总体参数的估计和假设，而是通过样本信息来检验未知总体是否为某一种分布（正态分布，均匀分布或任意分布）。