基本统计量一、显示描述性统计主要用于描述数据的观测值个数、中心趋势，及到中心值的变异程度或离散程度。a.观测值与缺失值个数N与N*b.中心趋势均值中位数c.变异程度-离差标准差std=sqrt(sum((x-mean)^2)/(n-1))均值的标准误SEMean=std/sqrt(N)最小值与最大值四分位数：Q1与Q3d.图形数据直方图包含正态曲线的数据直方图单值图数据箱线图二、图形化摘要a.图形包含正态曲线的数据直方图数据箱线图均值、标准差和中位数的置信区间b.统计量表Anderson-Darling正态性检验均值和N标准差与方差偏度和峰度最小值和最大值四分位数中位数三、单样本Z主要用于根据随机样本的均值对总体均值的推断。适合条件：需要知道总体的标准差，才能使用单样本Z过程。1.均值的检验假设：H0：总体mean等于参考值;备择假设H1:总体mean不等于参考值，（也可是大于或小于参考值）置信区间：95%的置信区间，即有85%的置信度相信总体mean在XX与XXX之间检验：Z值与P值，p<0.05，即支持原假设H0成立的可能性要小于5%，即有95%的理由否定原假设的成立2.图形数据直方图单值图数据箱线图四、单样本t用来根据随机样本的数据对总体均值进行推断适用条件：不需要知道总体mean，与Z过程相比，其适应范围更广。1.均值差异检验假设：H0：总体mean等于参考值;备择假设H1:总体mean不等于参考值，（也可是大于或小于参考值）置信区间：95%的置信区间，即有85%的置信度相信总体mean在XX与XXX之间检验：t值与P值，p<0.05，即支持原假设H0成立的可能性要小于5%，即有95%的理由否定原假设的成立2.图形单值图数据箱线图五、双样本t、用于根据两个独立、随机样本中的数据推断两个总体均值（mA和mB）之间的差值。用途：用于检验两个独立样本的均值是否存在差异。1.均值差异检验假设：H0：mean(A)-mean(B)=0;备择假设H1：mean(A)-mean(B)^=0;置信区间:mean(A)-mean(B)在置信区间的可能性达到95%检验：T值或P值,或p<0.05,即可以以95%的置信度否定原假设H0.2.图形单值图数据箱线图六、配对t配对t置信区间和测试法用于分析配对观测值之间的差值。这些过程用来确定总体的均值差值是否可能与参考值（通常为零）不同。您可能收集了在采用新的硬化处理之前和之后金属零件的硬化数据。可以使用配对的t过程来确定该过程是否影响硬度。分析配对观测值与分析独立样本相比的优点在于可以析出因此人或对象之间的差异而导致的观测值的变异性，从而可生成更有功效的检验。适用条件：要使用配对t过程，差值的分布应服从正态分布。如果不满足此条件，则应考虑使用合适的非参数过程。而且，样本必须是相关的或配对的。1.检验与置信区间假设置信区间检验2.图形差值直方图单值图差值箱线图七、单比率主要用于根据随机样本中的数据对总体比率进行推断。适用范围：数据类型必须是分类数据。1.单比率检验假设：H0：总体比率(p)等于参考值；H1（备择假设）：总体比率不等于参考值。置信区间检验八、双比率1.双比率检验假设置信区间正态近似检验Fisher精确检验九、单样本Poisson率单样本Poisson率过程将计算置信区间，并对单样本Poisson模型中的出现率进行假设检验。Poisson过程描述某一事件在给定时间、面积、量或其他观测值空间内的出现次数。例如，汽车制造商取50辆车作为样本，并对每个车盖上的擦痕进行计数。观测值空间的尺寸称为观测值长度。1.单样本Poisson率检验合计出现数和N观测值长度出现率置信区间十、双样本Poisson率1.描述性统计合计出现数和N出现率差值估计值2.统计推断假设检验差值的置信区间八、单方差主要用于通过样本数据对总体方差进行推断。1.描述性统计N标准差方差2.置信区间卡方方法Bonett方法十一、单方差1.置信区间和检验摘要统计量与比率置信区间假设检验2.图形直方图单值图箱线图十二、双方差1.置信区间和检验摘要统计量与比率置信区间假设检验2.图形直方图单值图箱线图十三、相关相关系数P值十四、协方差协方差阵十五、正态性检验1.图形概率图检验结果十六、Poisson分布的拟和优度检验用来检验数据是否服从Poisson