：抽样研究中，样本统计量与总体参数间的差别称为抽样误差（sampling error）。统计上用标准误（standard error，SE）来衡量抽样误差的大小，即样本均数的标准差，是描述均数抽样分布的离散程度及衡量均数抽样误差大小的尺度。
t分布的图形特征及其与正态分布的区别（简答）
t分布的图形特征1．以0为中心，左右对称的单峰分布；2．t分布是一簇曲线，其形态变化与n（确切地说与自由度ν）大小有关。自由度ν越小，t分布曲线越低平；自由度ν越大，t分布曲线越接近标准正态分布（u分布）曲线。
t分布
对应于每一个自由度ν，就有一条t分布曲线，每条曲线都有其曲线下统计量t的分布规律，计算较复杂。
t 分布与正态分布比较的区别
t 分布与标准正态分布相比有以下特点：①都是单峰、对称分布；②t 分布峰值较低，而尾部较高；③随自由度增大，t 分布趋近与标准正态分布；当ν趋向∞，t 分布的极限分布是标准正态分布。
置信区间和参数估计 （名解2选1）
置信区间：在统计学中，一个概率样本的置信区间（Confidence interval）是对这个样本的某个总体参数的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。给出的是被测量参数的测量值的可信程度。
1、对于具有特定的发生概率的随机变量，其特定的价值区间------一个确定的数值范围（"一个区间"）。
2、在一定置信水平时，以测量结果为中心，包括总体均值在内的可信范围。
3、该区间包含了参数θ真值的可信程度。
4、参数的置信区间可以通过点估计量构造，也可以通过假设检验构造。
参数估计：指用样本指标值（统计量）估计总体指标值（参数）。参数估计有两种方法：点估计和区间估计。
可信区间与参考值范围的不同点（简答）
应注意：可信区间与参考值范围的意义、计算公式和用途均不同。1.从意义和用途来看95％参考值范围是指同质总体内包括95％个体值的估计范围，而总体均数95％可信区间是指按95％可信度估计的总体均数的所在范围。可信区间用于估计总体参数，总体参数只有一个 。参考值范围用于估计变量值的分布范围，变量值可能很多甚至无限 。2.从计算公式看若指标服从正态分布，95％参考值范围的公式是：
±1.96s。总体均数95％可信区间的公式是：
。前者用标准差，后者用标准误。前者用1.96，后者用α为0.05，自由度为v的t界值。
t检验的应用条件和类型（填空）
t检验的应用条件：要求各样本来自相互独立的正态总体且各总体方差齐。t检验的类型：单样本t检验，独立t检验，配对t检验
配对设计和完全随机设计（名解2选1）完全随机设计（completely random design）：完全随机设计仅涉及一个处理因素（但可为多水平），故又称单因素（one-way）设计。它是将受试对象按随机化的方法分配到各个处理组中，观察实验效应，临床试验中的随机对照试验也属于此类设计。配对设计（paired design）：是将受试对象按一定条件匹配成对，再随机分配每对中的两个受试对象到不同处理组。配对的因素是影响实验效应的主要非处理凶素。
假设检验的基本求解步骤或者注意事项。（简答2选1）假设检验的基本步骤1.建立假设，确定检验水准α假设有零假设（H0）和备择假设（H1）两个，零假设又叫作无效假设或检验假设。H0和H1的关系是互相对立的，如果拒绝H0，就要接受H1.根据备择假设不同，假设检验有单、双侧检验两种。
检验水准用α表示，通常取0.05或0.10.检验水准说明了该检验犯第一类错误的概率。2.根据研究目的和设计类型选择适合的检验方法这里的检验方法，是指参数检验方法，有u检验、t检验和方差分析三种，对应于不同的检验公式。对双样本资料，要注意区分成组设计和配对设计的资料类型。如果资料里有"配成对子"字样，或者是对同一对象用两种方法来处理，一般就可以判定是配对设计资料。3.确定P值并作出统计结论u检验得到的是u统计量或称u值，t检验得到的是t统计量或称t值。方差分析得到的是F统计量或称F值。将求得的统计量绝对值与界值相比，可以确定P值。当α＝0.05时，u值要和u界值1.96相比较，确定P值。如果u＜1.96，则P＞0.05.反之，如u＞1.96，则P＜0.05.t值 要和某自由度的t界值相比较，确定P值。如果t值＜t界值，故P＞0.05.反之，如t＞t界值，则P＜0.05.相同自由度的情况下，单侧检验的t界值 要小于双侧检验的t界值，因此有可能出现算得的t值大于单侧t界值，而小于双侧t界值的情况，即单侧检验显著，双侧检验未必就显著，反之，双侧检验显著， 单侧检验必然会显著。即单侧检验更容易出现阳性结论。当P＞0.05时，接受零假设，认为差异无统计学意义，或者说二者不存在质的区别。当P＜0.05时，拒绝零假设，接受备择假设，认为差异有统 计学意义，也可以理解为二者存在质的区别。但即使检验结果是P＜0.01甚至P＜0.001，都不说明差异相差很大，只表示更有把握认为二者存在差异。
假设检验时应注意的事项（一）要有严密的抽样研究设计；样本必须是从同质总体中随机抽取的；要保证组间的均衡性和资料的可比性。（二）根据现有的资料的性质、设计类型、样本含量大小正确选用检验方法。（三）对差别有无统计学意义的判断不能绝对化，因检验水准只是人为规定的界限，是相对的。差别有统计学意义时，是指无效假设h0被接受的可能性只有5%或不到5%，甚至不到1%，根据小概率事件一次不可能拒h0，但尚不能排除有5%或1%出现的可能，所以可能产生第一类错误；同样，若不拒绝h0，可能产生第二类错误。（四）统计学上差别显著与否，与实际意义是有区别的。如应用某药治疗高血压，平均降低舒张压0.5kpa，并得出差别有高度统计学意义的结论。从统计学角度，说明该药有降压作用，但实际上，降低0.5kpa是无临床意义。因此要结合专业作出恰如其分的结论。
第一类错误与第二类错误（名解 2选1）
Ⅰ型错误又称第一类错误（type Ⅰ error）：拒绝了实际上成立的
