统计分析与推断

相关系数相関係数是用 −1 到 +1 之间的数值，表示两个变量之间的线性关系朝哪个方向、有多强的指标。

值为正表示一方增加时另一方也有增加倾向的正相关，值为负表示一方增加时另一方有减少倾向的负相关；符号代表关系的方向，绝对值大小代表关系的强弱。把两个变量的每一对数值，在以纵轴和横轴构成的平面上逐一画成点，这样的图叫散点图散布図，绝对值越接近 1，点就越沿着一条直线排列。

记法常用符号 r 表示。

说明变量説明変数是用来解释或预测结果的、处于原因一侧（输入一侧）的变量。

它也叫自变量独立変数，在回归分析中是代入方程的一方。例如，要根据气温预测饮料的销量，气温就是说明变量。

目标变量目的変数是想借助说明变量来预测或解释的、处于结果一侧（输出一侧）的变量。

它也叫因变量従属変数，在回归分析中是由方程求出值的一方。分析中想知道的那个量本身，就设为目标变量。

类比就像寻宝终点的宝箱。沿着地图和线索（说明变量）一路寻找，想要抵达的地方就是目标变量。

估计推定是根据从想要调查的整个群体（总体母集団）中抽出的一部分即样本標本的数据，推算总体平均值等数值的方法。

估计分为用一个数值表示的点估计点推定和用有一定宽度的范围表示的区间估计区間推定。在区间估计中，总体的值落在该范围内的可信程度，以置信度信頼度的形式一并给出。

类比就像舀一勺汤尝尝，来判断整锅汤咸淡如何。这一勺相当于样本，整锅汤相当于总体。

记法日语写作「推定」：「推」是推测，「定」是确定。从手头的一部分出发，去确定整体的数值。

假设检验仮説検定是先提出想要否定的假设（原假设帰無仮説），再看样本数据在该假设下有多难出现，从而判断是否拒绝该假设的方法。

作为判断标准的概率叫显著性水平有意水準，例如事先定为 5% 或 1%。如果数据在原假设下出现的概率低于显著性水平，就拒绝棄却原假设，转而采用想要主张的假设（备择假设対立仮説）。

类比类似于审判中的“疑罪从无”。以无罪（原假设）为前提，只有当证据多到无法用无罪来解释时，才判定有罪。

记法日语「帰無」意为“归于无”。可以从字面记住：这是一开始就打算被推翻而提出的假设。

回归分析回帰分析是用叫作回归方程回帰式的式子表示目标变量与说明变量的关系，并根据说明变量的值预测目标变量值的分析方法。

说明变量只有 1 个时叫一元回归分析単回帰分析，有 2 个以上时叫多元回归分析重回帰分析。一元回归会求出与散点图中点的分布最吻合的直线 y = ax + b，用于预测。

类比就像在零散的脚印之间画出一条路，再顺着这条路估计下一步会落在哪里。

记法“回归”一名源自一项考察父母与子女身高的研究：研究发现子女的身高有回到平均值（回归）的倾向。

相关分析相関分析是使用相关系数相関係数和散点图散布図，考察两个变量之间存在多大程度关系的分析方法。

先画出散点图观察点的分布，再用相关系数把关系的强弱化为数值。数据要把两个值作为一组来收集，例如从同一个人身上测得的身高和体重。