1.5: 章节关键术语

平均值

也称为平均值或算术平均值；一个描述数据中心趋势的数字

致盲

不告诉参与者受试者正在接受哪种治疗

类别变量

使用名称或标签值的变量

集群采样

一种选择随机样本并将群体分成组（聚类）的方法；使用简单的随机抽样来选择一组聚类。 所选群集中的每个人都包含在样本中。

连续随机变量

一个随机变量 (RV)，其结果是测量的；森林中树木的高度是一个连续的 RV。

对照组

随机实验中的一组接受非活性治疗，但在其他方面受到的管理与其他组完全相同

便捷采样

一种选择样本的非随机方法；此方法选择易于访问且可能导致数据偏差的个体。

累积相对频率

该术语适用于从小到大的有序观测值集。 累积相对频率是所有小于或等于给定值的值的相对频率之和。

数据

一组观测值（一组可能的结果）；大多数数据可以分为两组：定性（其值由标签表示的属性）或定量（由数字表示值的属性）。 定量数据可以分为两个子组：离散和连续。 如果数据是计数的结果（例如班级中给定族裔群体的学生人数或书架上的书籍数量），则数据是离散的。 如果数据是测量结果（例如行驶距离或行李重量），则数据是连续的

离散随机变量

计算其结果的随机变量 (RV)

双盲

使实验对象和处理受试者的研究人员失明的行为

实验单位

任何要测量的个人或物体

解释性变量

实验中的自变量；研究人员控制的值

频率

数据值出现的次数

知情同意

研究中的任何人类受试者都必须意识到与该研究相关的任何风险或成本。 受试者有权了解研究中包含的治疗的性质、其潜在风险及其潜在益处。 必须由知情、健康的参与者自由表示同意。

机构审查委员会

一个负责监督涉及人类受试者的研究计划的委员会

潜伏变量

对研究有影响的变量，尽管它既不是解释变量也不是响应变量

数学模型

使用数学概念（如方程、不等式、分布等）对现象的描述。

非采样误差

影响除自然变异以外的抽样数据可靠性的问题；它包括各种人为错误，包括研究设计不佳、抽样方法有偏见、研究参与者提供的信息不准确、数据输入错误和分析不佳。

数值变量

使用由数字表示的值的变量

观察性研究

一项研究中，自变量不是由研究人员操纵的

参数

这个数字用于表示人口特征，通常不容易确定

安慰剂

一种不活跃的治疗，对解释变量没有实际影响

人口

正在研究其特性的所有个体、物体或测量对象

概率

一个介于零和一之间（含）的数字，它给出了特定事件发生的可能性

比例

成功次数除以样本中的总数

定性数据

参见数据。

定量数据

参见数据。

随机分配

使用随机方法将实验单位组织成治疗组的行为

随机抽样

一种选择样本的方法，它使人口中的每个成员都有同等的被选机会。

相对频率

数据值在所有结果集合中出现的次数与所有结果的数量占结果总数的比率

代表性样本

人口中与人口具有相同特征的子集

响应变量

实验中的因变量；实验结束时测量变化的值

示例

所研究人群的一个子集

采样偏差

并非所有人口都同样有可能被选中

采样错误

选择样本代表更大总体而产生的自然变异；这种变异随着样本数量的增加而降低，因此选择较大的样本可以减少抽样误差。

取样和替换

一旦选择了要纳入样本的总体成员后，该成员将返回到总体中以选择下一个个体。

采样无需更换

人口中的一个成员只能被选入样本一次。 如果选中，则在下一次选择之前，该成员不会返回到人口中。

简单随机抽样

选择随机样本的简单方法；给总体的每个成员一个数字。 使用随机数生成器选择一组标签。 这些随机选择的标签可识别样本的成员。

统计数据

样本的数值特征；统计数据估计相应的总体参数。

统计模型

使用概率分布对现象的描述，描述该现象的预期行为和预期观测结果的变异性。

分层采样

一种选择随机样本的方法，用于确保充分代表人口的亚组；将人口分成组（阶层）。 使用简单的随机抽样来确定每个阶层中按比例数量的个体。

调查

一项研究，其中收集的数据是按个人报告的方式收集的。

系统采样

一种选择随机样本的方法；列出总体成员。 使用简单的随机抽样在总体中选择起点。 假设 k =（总体中的个体数量）/（样本中需要的个体数量）。 选择列表中的每个 k 个人，从随机选择的那个人开始。 如有必要，请返回人口列表的开头以完成样本。

治疗方法

实验中应用的解释变量的不同值或分量

变量

人口中每个人或物体感兴趣的特征