統(tǒng)計名詞和數(shù)據(jù)挖掘術語大盤點

一、數(shù)據(jù)挖掘術語

【算法】指的是用于實現(xiàn)某一數(shù)據(jù)挖掘技術－如分類樹、辨識分析等等的特定程序。

【屬性】也被稱為“特性”、“變量”、或者從數(shù)據(jù)庫的觀點，是一個“域” 。

【個體】是關于一個單元的測量值的集合――例如一個人的身高、體重、年齡等等；它也被稱作“記錄”、 或 者“行”（每一行通常代表一個記錄，每一列代表一個變量）。

【置信度】在形如“如果買了A和B，就要買C”的關聯(lián)法則里有特定的含義。置信度是已經(jīng)買了A和B，還要買C的條件概率。

【因變量】在有約束學習里是那個被預測的變量；也被稱作“輸出變量”、“目標變量”、或者“結(jié)果變量”

【估計】指的是預測一個連續(xù)型輸出變量的值；也被稱作“預測”。

【特征】也被稱作“屬性”、“變量”，或者從數(shù)據(jù)庫的觀點，稱為“域”。

【輸入變量】是在有約束學習里作預測的變量；也被稱作“自變量”、“預測變量”。

【模型】通常指的是一個數(shù)學公式，包括為它設置的參數(shù)（許多模型具有用戶可以調(diào)節(jié)的參數(shù)）。

【結(jié)果變量】 在有約束學習里是那個被預測的變量；也被稱作“因變量” “輸出變量”、“目標變量”、或者“輸出變量”。

【P(A|B)】讀作“已知B已經(jīng)發(fā)生，A將發(fā)生的概率”

【預測】指的是預測一個連續(xù)輸出變量的值；也被稱作“估計”。

【記錄】是關于一個單元的測量值的集合－例如一個人的身高、體重、年齡等等；它也被稱作“個體”、或者“排”（每一排通常代表一個記錄，每一列代表一個變量）。

【分數(shù)】指的是一個估計的值或者類。

【給新數(shù)據(jù)打分】意思是利用用訓練數(shù)據(jù)得出的模型預測新數(shù)據(jù)里的輸出值

二、統(tǒng)計名詞

【統(tǒng)計】就是“統(tǒng)而計之”對所考察事物的量的取值在其出現(xiàn)的全部范圍內(nèi)作總體的把握，全局性的認識。

【教育統(tǒng)計】對教育領域各種現(xiàn)象量的取值從總體上的把握與認識，它是為教育工作的良好進行，科學管理、革新發(fā)展服務的。

【教育統(tǒng)計學】社會科學中的一門應用統(tǒng)計，是數(shù)理統(tǒng)計跟教育學、心理學交叉結(jié)合產(chǎn)物

【測量】按一定規(guī)則給對象在某種性質(zhì)的量尺上指定值。

【教育測量】就是給所考察研究的教育現(xiàn)象，按一定的規(guī)則在某種性質(zhì)量尺上指定值

【心理量表】心理測驗工具與常模的結(jié)合

【數(shù)據(jù)】用數(shù)量或數(shù)字形式表示的資料事實稱為數(shù)據(jù)。

【計數(shù)數(shù)據(jù)】是以計算個數(shù)或次數(shù)獲得的，多表現(xiàn)為整數(shù)。

【測量評估數(shù)據(jù)】借助測量工具或評估方法對事物的某種屬性指派給數(shù)字后所獲數(shù)據(jù)。人工編碼數(shù)據(jù)以人們按一定規(guī)則給不同類別的事物指派適當?shù)臄?shù)字號碼后所形成的數(shù)據(jù)

【稱名變量】只說明某一事物與其他事物在名稱、類別或?qū)傩陨系牟煌?，并不說明事物與事物之間差異的大小、順序的先后及質(zhì)的優(yōu)劣。

【順序變量】是指可以就事物的某一屬性的多少或大小按次序?qū)⒏魇挛锛右耘帕械淖兞?，具有等級性和次序性的特點。

【等距變量】除能表明量的相對大小外，還具有相等的單位。

【比率變量】除了具有量的大小、相等單位外，還有絕對零點。比率變量數(shù)據(jù)可以進行加、減、乘、除運算

【次數(shù)分布】一批數(shù)據(jù)中各個不同數(shù)值所出現(xiàn)次數(shù)多少的情況，或者是這批數(shù)據(jù)在數(shù)軸上各個區(qū)間內(nèi)所出現(xiàn)的次數(shù)多少的情況。

【簡單次數(shù)分布表】通常簡稱為次數(shù)分布表，其實質(zhì)是反映一批數(shù)據(jù)在各等距區(qū)組內(nèi)的次數(shù)分布結(jié)構(gòu)。

【相對次數(shù)】各組的次數(shù)f與總次數(shù)N之間的比值

【次數(shù)分布曲線】從理論上講，如若總次數(shù)無限增大，則隨著組距的縮小，這些折線所接近的極限便將成為極光滑而富有規(guī)則性的曲線，稱為次數(shù)分布曲線

【散點圖】用平面直角坐標系上點的散布圖形來表示兩種事物之間的相關性及聯(lián)系模式。散點圖適合于描述二元變量的觀測數(shù)據(jù)。

【線形圖】以起伏的折線來表示某種事物的發(fā)展變化及演變趨勢的統(tǒng)計圖，適用于描述某種事物在時間序列上的變化趨勢，也適用于描述一種事物隨另一事物發(fā)展變化的趨勢模式，還可適用于比較不同的人物團體在同一心理或教育現(xiàn)象上的變化特征及相互聯(lián)系

【觀測數(shù)據(jù)不僅具有離散性的特點，而且還具有向某點集中的趨勢，反映次數(shù)頒分布集中趨勢的量數(shù)叫集中量數(shù)。

【中位數(shù)】位于數(shù)據(jù)分布正中間位置上的那個數(shù)。如果一組數(shù)據(jù)從小到大排列，則中位數(shù)通常是將這批數(shù)據(jù)個數(shù)一分為二，居于中間的那個數(shù)。

【眾數(shù)】一個次數(shù)分布中出現(xiàn)次數(shù)最多的那個數(shù)，眾數(shù)不唯一可有一個或多個。用符號Mo表示。

【離中趨勢】數(shù)據(jù)具有偏離中心位置的趨勢，它反映了一組數(shù)據(jù)本身的離散程度和變異性程度。

【差異量數(shù)】反映一組數(shù)據(jù)離散程度的量

【一批數(shù)據(jù)的算術平均數(shù)指的是這批數(shù)據(jù)總和數(shù)除以數(shù)據(jù)總次數(shù)后所得的商數(shù)。

【平均差】各數(shù)據(jù)與其平均數(shù)的離差絕對值的平均值。

【方差】數(shù)據(jù)的離差平方數(shù)的算術平均數(shù)。

【標準差】方差的算術平方根

【差異系數(shù)】差異量數(shù)和集中量數(shù)兩相對比后所形成的相對差異量數(shù)。

【地位量數(shù)】凡反映次數(shù)分布中各數(shù)據(jù)所處地位的量就叫地位量數(shù)

【相關】行為變量或現(xiàn)象之間存在著種種不同模式、不同程度的聯(lián)系。這種聯(lián)系叫做相關。

【直線性相關】兩個變量的成對觀測數(shù)據(jù)在平面直角坐標系上描點構(gòu)成的散點圖會環(huán)繞在某一條直線附近分布

【原始分數(shù)】在測量工具上直接得到的測值（數(shù)字），叫原始分數(shù)。

【相對評分分數(shù)】通過被試間相互比較而確定意義的分數(shù)叫相對評分分數(shù)。

【絕對評分分數(shù)】通過拿被試測值跟應有標準作比較來確定其意義的分數(shù)叫絕對評分分數(shù)

【常?！繙y驗常模簡稱常模即指一定人群在測驗所測特性上的普遍水平或水平分布狀況。

【組內(nèi)常?！拷忉尡辉囋挤謹?shù)的參照體系，即被試所屬那類群體的人，在所測特性上測驗取值的分布狀況。

【標準分數(shù)常?！坑帽辉囁脺y驗分數(shù)轉(zhuǎn)換成的標準分數(shù)來揭示其在常模團體中的相對地位的組內(nèi)常模

【線性變換】對所有要作變換的值，都乘以同一確定值然后再都加上另一確定值。

【測繪項目的難度】被試完成項目作答任務時所遇到的困難程度。

【項目的難度指數(shù)】定量刻畫一個測驗項目的被試作答困難程度的量數(shù)就叫項目的難度指數(shù)。

【得分率（通過率）】最通用的項目難度指數(shù)的求法，就是計算被試在項目上的得分率或者說通過率。

【項目區(qū)分度】就是項目區(qū)別被試水平高低的能力的量度。

【測驗信度】測驗在測量它所測特質(zhì)時得到的分數(shù)（測值）的一致性。它是對測驗控制誤差能力的量度，是反映測驗性能的一個重要質(zhì)量指標

【觀察分數(shù)】如果從測驗實施過程中實際得到的被試分數(shù)叫觀察分數(shù)。

【真分數(shù)】被試在所測特質(zhì)上客觀具有的水平值。

【測量誤差】觀察分數(shù)與真分數(shù)的差就是測量誤差。

【信度系數(shù)】利用同一測驗向同一批被試重測兩次所得的兩批獨立測值，求出其間的相關系數(shù)，就可利用這種重測相關系數(shù)作為測驗信度的估計值。這樣的相關系數(shù)就叫信度系數(shù)。

【穩(wěn)定性系數(shù)】由于重側(cè)法十分強調(diào)特質(zhì)的穩(wěn)定性，所以用這種方法求取的信度系數(shù)就叫做穩(wěn)定性系數(shù)。

【等值性系數(shù)】用平行形式相關求得的信度系數(shù)，因為特別強調(diào)兩測驗形式的等值關系所以又叫等值性系數(shù)

【測量標準誤】實際測驗中所得測值偏離真分數(shù)的程度叫做測量標準誤可記為SEM。

【測驗效度】測驗實際上測到它打算要測的東西的程度。

【內(nèi)容效度】測驗項目構(gòu)成應測行為領域代表性樣本的程度。

【效標關聯(lián)效度】測驗預測個體在類似或某種特定情境下行為表現(xiàn)的有效性。

【結(jié)構(gòu)效度】測驗測得心理學理論所定義的某一心理結(jié)構(gòu)或特質(zhì)的程度。

【效度系數(shù)】測驗分數(shù)與效標測量值間的相關系數(shù)叫效度系數(shù)

【安置性測驗】學期開始或單元教學開始時確定學生實有水平以便針對性地做好教學安排而經(jīng)常使用的測驗。

【形成性測驗】在教學進行過程中實施的用于檢查學生掌握知識和進步情況的測驗，這可為師生雙方提供有關學習成敗的連續(xù)反饋信息。

【診斷性測驗】為探測與確定學習困難原因而施測的一類測驗。

【終結(jié)性測驗】在課程結(jié)束或教學大周期結(jié)束時，用于確定教學目標達到程度和學生對預期學習結(jié)果掌握程度的一類測驗，稱為終結(jié)性測驗

【常模參照測驗】實是參照著常模使用相對位置來描述測驗成績水平的一種測驗。

【標準參照測驗】跟一組規(guī)定明確的知識能力標準或教學目標內(nèi)容對比時，對學習者的測驗成績作出解釋的一類測驗。

【職業(yè)能力傾向測驗】測量人的某種潛能，從而預測人在一定職業(yè)領域中成功可能性的心理測驗

【能力傾向】一個人獲得新的知識、能力和技能的內(nèi)在潛力

【確定性現(xiàn)象】在相同的條件下其結(jié)果也一定相同的現(xiàn)象。

【不確定性現(xiàn)象】在相同的條件下其結(jié)果卻不一定相同的現(xiàn)象，又稱隨機現(xiàn)象

【隨機變量】我們稱記錄各種隨機試驗結(jié)果的變量為隨機變量。

【概率】通俗地說，某事件發(fā)生的概率就是該事件發(fā)生的可能性大小記作為P（A）

【正態(tài)分布】是連續(xù)性隨機變量中常見的一種概率分布形態(tài)也稱常態(tài)分布。

【總體】我們把客觀世界中具有某種共同特征的元素的全體稱為總體。

【樣本】從總體中抽取的部分個體組成的群體稱為樣本。

【統(tǒng)計量】在總體數(shù)據(jù)基礎上求取的各種特征量數(shù)我們稱其為參數(shù)，應用樣本數(shù)據(jù)計算的各種特征量數(shù)我們稱其為統(tǒng)計量。

【抽樣分布】從一個總體中隨機抽取若干個等容量的樣本，計算每個樣本的某個特征量數(shù)，由這些特征量數(shù)形成的分布，稱為這個特征量數(shù)的抽樣分布

【小概率事件】在教育統(tǒng)計中常常把概率取值小于0.05或小于0.01的隨機事件稱為小概率事件。

【小概率事件原理】認為小概率事件在一次抽樣中不可能發(fā)生的原理

【統(tǒng)計假設檢驗的顯著性水平】在統(tǒng)計假設檢驗中，公認的小概率事件的概率值被稱為統(tǒng)計假設檢驗的顯著性水平。記為α。虛無假設又稱為原假設、零假設，以符號H0表示。虛無假設在假設檢驗中將被視作為已知條件而應用，因此虛無假設應是一個相對比較明確的陳述命題，一定要含有“等于什么”的成分。備擇假設又稱解消假設，研究假設等，以符號H1表示。備擇假設作為虛無假設的對立假設而存在，因此它也是一個陳述命題，備擇假設是對虛無假設的否定

【方差分析】統(tǒng)計學中一種獨特的假設檢驗方法，它的最基本功能就是一次性檢驗多個總體平均數(shù)的差異顯著性

【差異系數(shù)】又稱為變異系數(shù)和變差系數(shù)，用符號CV表示。差異系數(shù)是一種反映相對離散程度的系數(shù)，即相對差異量數(shù)。它消去了單位，因而適合于不同性質(zhì)數(shù)據(jù)的研究與比較。數(shù)據(jù)在次數(shù)分布中所處的地位可用百分等級來表示。百分等級也稱百分位。用記號PR表示。百分等級反映的是某個觀測分數(shù)以下數(shù)據(jù)個數(shù)占總個數(shù)的比例的百分數(shù)，在0到100之間取值。如百分等級PR=75，與其對應的這個百分位數(shù)，讀作第75百分位數(shù)，記作P75

【相關】統(tǒng)計學上用相關系數(shù)來定量描述兩個變量之間的直線性相關的強度與方向。如相互關聯(lián)著的兩變量，一個增大另一個也隨之增大，一個減小另一個也隨之減小，變化方向一致是正相關。如相互關聯(lián)著的兩變量，一個增大另一個反而減小，變化方向相反是負相關。相關系數(shù)用r表示， r在-1和+1之間取值。相關系數(shù)r的絕對值大小，表示兩個變量之間的相關強度；相關系數(shù)r的正負號，表示相關的方向，分別為正相關和負相關；相關系數(shù)r=0，稱零線性相關，簡稱零相關；相關系數(shù)|r|=1時，表示兩個變量是完全相關。當0.7≤|r|＜1，稱為高相關；當0.4≤|r|＜0.7時，稱為中等相關；當0.2≤|r|＜0.4時，稱為低相關；當|r|＜0。2時，稱極低相關或接近零相關

【積差相關】是應用最普遍、最基本的一種相關分析方法，尤其適合于對兩個連續(xù)變量之間的相關情況進行定量分析

【等級相關適用的幾種情況】①兩列觀測數(shù)據(jù)都是順序變量數(shù)據(jù)，或一列是順序變量數(shù)據(jù)，另一列是連續(xù)變量的數(shù)據(jù)。如對學生的繪畫、體育測試成績排名就屬順序變量數(shù)據(jù)②兩個連續(xù)變量的觀測數(shù)據(jù)，其中有一列或兩列數(shù)據(jù)的獲得主要依靠非測量方法進行粗略評估得到。如語文基礎知識水平可測驗加以測量但學生的課文朗讀水平卻只能根據(jù)若干準則由老師給予大體的評估。點雙列相關適用于雙變量數(shù)據(jù)中，有一列數(shù)據(jù)是連續(xù)變量數(shù)據(jù)，如體重、身高以及許多測驗與考試的分數(shù)；另一列數(shù)據(jù)是二分類的稱名變量數(shù)據(jù)，如性別

【原始分數(shù)；原始分數(shù)的意義必須要跟一定的參照物（系統(tǒng)）作比較，才能真正明確起來。原始分數(shù)意義的參照物大體有兩類，一是其他被試的測值，即其他被試在所測特性上的普遍水平或水平分布狀態(tài)；二是社會在所測特性上的客觀要求，即被試在所測特性上發(fā)展應該達到程度的標準

【常?！靠偸侵改骋痪唧w測驗（不能簡單地看成是其名稱所指特性）上的常模。常?？偸翘囟ǖ?、具體的，是就一定人群在具體測驗上的表現(xiàn)來說的。常模又可分為發(fā)展常模與組內(nèi)常模兩大類。發(fā)展常模又有年齡常模與年級常模之別，組內(nèi)常模又有百分等級常模與標準分數(shù)常模之別。歷史上第一個提出常模這一科學概念的是法國心理學家比納。他最早建立了智力測驗的年齡常模。發(fā)展常模就是某類個體正常發(fā)展進程各特定階段的一般水平

【智商（IQ）】智商=智力年齡/生理年齡×100

【組內(nèi)常?！拷M合常模又可分為百分等級常模與標準分數(shù)常模兩個類別。一個分數(shù)的百分等級，就是該分數(shù)在所屬分數(shù)組中，取值比它小的分數(shù)個數(shù)占該分數(shù)組總個數(shù)的百分數(shù)。百分等級值只有可比性而無可加性，不能累加求和與進一步求平均；這是百分等級常模的一個局限所在。

【三種偏態(tài)分布】如果一個測驗對某一被試團體來說，難度相對顯得大，那么，被試團體中大多數(shù)人就會得低分，被試總分分布就會形成正偏態(tài)分布；如果一個測驗對某一被試團體來說，難度相對顯得小，被試團體中就會有很多人得高分，總分分布就會形成負偏態(tài)；假定被試團體在某一特定方面，其水平分布事實上是呈正態(tài)分布的，若測驗項目的難度確能做到對這個被試團體來說是恰當?shù)模敲磳@個團體施測這一測驗，所得被試測驗總分分布自然也會呈正態(tài)分布。

三、其他

1、一個測驗分數(shù)的標準分數(shù)，就是以它所屬分數(shù)組的標準差為單位的，對它所屬分數(shù)組的平均數(shù)的距離

2、難度指數(shù)（p）取值越大并不意味著項目越難，而是越易；指數(shù)p的數(shù)字值與其代表的含義，方向恰好相反

3、“高、低分組求得分率差”的辦法就是將全體被試按總分多寡加以排隊，然后取得分最多的27%的被試作為“高分組”，得分最少的27%的被試作為“低分組”，最后求這兩個組上項目得分率（通過率）的差來作為區(qū)分度指數(shù)的取值

4、人們就使用兩個平行形式測驗來測查同一批被試，這樣也可獲得同一批被試的兩批獨立測值，從而通過求相關系數(shù)，估出測驗的信度32、效度驗證工作大體分為三類即內(nèi)容效度、效標關聯(lián)效度和結(jié)構(gòu)效度。效標關聯(lián)效度又包含“并存”效度和“預測”效度這兩個小類別

5、測驗即使相當有效，效度系數(shù)rXY的取值也很少能超過0.70，一般取值能達到0.40就相當不錯了

6、根據(jù)課堂教學運用測驗的一般順序來分可把學業(yè)成就測驗分成安置性測驗、形成性測驗、診斷性測驗和終結(jié)性測驗。根據(jù)解釋測驗分數(shù)的方法不同可把學業(yè)成就測驗分成常模參照測驗和標準參照測驗兩類。根據(jù)成就測驗的實施方式與測驗載體，我們把成就測驗分成口頭測驗、紙筆測驗和操作測驗

7、紙筆測驗優(yōu)點①提高測驗的效率，即同時可以進行大團體的測驗②便于完整記錄學生在題目作答上的反應③便于施測和評分過程的規(guī)范化和標準化從而提高學業(yè)成就測驗的信度與效度④便于對測驗中答題信息的分析研究