下载掌阅APP，畅读海量书库
立即打开
本节简单介绍统计学中的一些常用基本概念。
总体（Population）是指由研究对象的全部个体组成的集合。例如，如果我们要研究“XX商业银行员工追求卓越对自驱行为的影响”，那么总体即为XX商业银行的全体员工。为了实现充分的研究，理想情况下是应对XX商业银行的全体员工进行调查并收集数据。但在实际研究中，我们不可能也没有必要获取总体的数据资料。例如，如果该银行有10万名员工，调查全部员工的成本可能是难以承受的。因此，基于成本效益的原则，更可行的操作方式是从总体中随机或按照一定规则抽取一部分样本（Sample）进行研究，然后根据样本的数据特征来推断总体特征。这就是统计学中“统计推断”的概念。
通常情况下，我们期望的抽样方式是“随机抽样”，即每个样本有相同的概率被抽中，且样本被抽中的概率是相互独立的，即样本观测值之间满足独立同分布（Independent and Identically Distributed，IID）的假定，从而可以使得样本能够较好地代表总体。
样本集合是从总体中抽取的一部分元素的集合，样本总体中的单位数称为样本容量。一般情况下，当样本单位数达到或超过30个时称为大样本；当样本单位数小于30个时称为小样本。
统计推断的具体操作包括参数估计、假设检验和预测等。其中，参数估计可以细分为点估计和区间估计，假设检验可以细分为参数检验和非参数检验。
对于样本而言，频率（Frequency）的定义为：在
n
次随机试验中，随机事件A发生了
k
次，
称为随机事件A在
n
次试验中出现的频率。
对于总体而言，概率（Probability）定义为：在大量重复的试验下，用数值度量随机事件A发生的可能性，称为A发生的概率，记作 P （A）。
频率与概率的区别在于：频率是样本的试验结果，是指在试验中某一事件出现的次数与试验总数的比值，具有随机性，其取值会随试验结果而改变；而概率是总体的理论值，表示事件发生的固有可能性和不变性。
条件概率（Conditional Probability）是随机事件A在另一个随机事件B已经发生的条件下发生的概率。条件概率表示为 P （A｜B），即在B发生的条件下A发生的概率。条件概率的公式为：
也就是说，条件概率等于事件A与事件B同时发生的概率除以事件B发生的概率。
如果随机事件B的发生不影响随机事件A的发生，也就是说：
则称随机事件A与随机事件B为相互独立的随机事件。
如果随机事件B的发生情况由互不相容的事件
组成，即这些事件不可能同时发生，并且这些事件
构成了一个必然事件（即必定有一个事件B
i
发生），那么针对任何事件A都有：
这一公式被称为全概率公式，无论随机事件A与随机事件B之间是否有关系，都会满足这一公式。公式的实质在于将随机事件A的发生切分成了 n 种可能，然后将每种可能发生的概率 P （B i ）乘以在该种可能情形下随机事件发生的概率 P （A｜B i ），最终将这些结果汇总，即得到随机事件A的总概率。
概率函数用于表示离散型变量的概率分布情况，表示离散随机变量 X 在各特定取值上的概率 P （ x ），其总和为1。
概率密度函数用于表示连续型变量的概率分布情况。前面提到的概率函数是针对离散型随机变量定义的，本身就代表该值的概率；而概率密度函数则是针对连续随机变量定义的，它本身不是概率，只有在某区间内积分后，才能得到该区间的概率。