統(tǒng)計(jì)學(xué)專業(yè)英語翻譯

1、漢譯英Population整體，樣本整體sample樣本，標(biāo)本parameter限制因素median中位數(shù)odd奇數(shù)，單數(shù)even偶數(shù)range極差variance方差standarddeviation標(biāo)準(zhǔn)差Covariance協(xié)方差emptyevent空事件productevent積事件conditionalprobability條件概率Randomvariable隨機(jī)變量binominaldistribution二項(xiàng)式分布uniformdistribution平均分布Poissondistribution泊松分布residual殘差centrallimittheorem中心極限制律英譯漢d

2、escriptivestatistics描述統(tǒng)計(jì)學(xué)mathematicalstatistics數(shù)理統(tǒng)計(jì)學(xué)inductivestatistics概括統(tǒng)計(jì)學(xué)Inferentialstatistics推斷統(tǒng)計(jì)學(xué)dimension維，維數(shù)continuousvariable連續(xù)變量ordinalvariable有序變量nominalvariable名義變量dichotomous兩分的；二歧的discretevariable失散變量categoricalvariable分類變量location定位，地址，場所dispersion分別mean均值unimodal單峰的multimodal多峰的chaoti

3、c無序次的groupeddata分組數(shù)據(jù)frequencydistribution頻數(shù)分布cumulativefrequency累加頻數(shù)tallying計(jì)算Uniformlydistribution平均分布histogram直方圖frequencypolygon頻率多邊圖rectangle矩形Percentile百分位數(shù)quartile四分位數(shù)interquartilerange四分位數(shù)間距simpleevent簡單事件Compoundevent復(fù)合事件mutuallyexclusive互斥的，互補(bǔ)訂交的complementaryevent對(duì)峙事件Independent獨(dú)立的jointprob

4、abilityfunction聯(lián)合概率函數(shù)jacobian雅克比行列式Lawoflargenumbers大數(shù)定律pointestimate點(diǎn)估計(jì)estimate估計(jì)值statistic統(tǒng)計(jì)量optimality最優(yōu)性Unbiasedestimate無偏估計(jì)量efficientestimate有偏估計(jì)量unbiasedness無偏性efficience有效性Consistentestimate一致估計(jì)量asymptoticproperties漸近性質(zhì)Confidenceinterval置信區(qū)間intervalestimation區(qū)間估計(jì)nullhypothesis原假設(shè)alternativehy

5、pothesis備擇假設(shè)significancelevel顯然性水平powerfunction冪函數(shù)testingprocedures檢驗(yàn)方法teststatistic檢驗(yàn)統(tǒng)計(jì)量rejectionregion拒絕地區(qū)acceptanceregion接受地區(qū)criticalregion臨界地區(qū)first-derivatives一階導(dǎo)數(shù)second-derivatives二階導(dǎo)數(shù)Likelihoodratio似然比dependentvariable因變量unexplanatoryvariable未講解變量independentvariable自變量Errorterm誤差項(xiàng)regressioncoe

6、fficients回歸系數(shù)Sumofsquaredresiduals殘差平方和Marginalprobabilityfunction邊緣概率函數(shù)jointprobabilitydensityfunction聯(lián)合概率密度函數(shù)Marginalprobabilitydensityfunction邊緣概率密度函數(shù)stochasticallyindependent隨機(jī)獨(dú)立的Mutuallyindependentlydistribution相互獨(dú)立的分布independentlyandidenticallydistribution獨(dú)立同分布的likelihoodfunction似然函數(shù)maximumlik

7、elihoodestimator最大似然估計(jì)量maximumlikelihoodestimate最大似然估計(jì)值log-likelihoodfunction對(duì)數(shù)似然函數(shù)ordinaryleastsquaresestimation/estimate/estimator一般最小二乘估計(jì)/估計(jì)值/估計(jì)量linearunbiasedestimator線性無偏估計(jì)第三章、看法與符號(hào)Anindex把指數(shù)定義成是對(duì)一組相關(guān)變量之中變化進(jìn)行測算的一個(gè)實(shí)數(shù)。從看法上講，指數(shù)可以用來比較隨時(shí)間也許空間或隨兩者同時(shí)變化的量。指數(shù)用來測算隨時(shí)間變化的價(jià)格與數(shù)量，也可以用來衡量不相同廠商、行業(yè)、地區(qū)或國家的水平差異。價(jià)格

8、指數(shù)可以指花銷者物價(jià)投入與產(chǎn)出、價(jià)格進(jìn)出口價(jià)格等等，而數(shù)量指數(shù)可以測算一個(gè)廠商或行業(yè)隨時(shí)間變化也許不相同廠商在產(chǎn)出商品以及所用投入上的數(shù)量變化。Indexnumberhave指數(shù)在經(jīng)濟(jì)學(xué)上有著悠久的且別開生面的歷史，一些最重要的貢獻(xiàn)歸功于早在十九世紀(jì)后期的Laspeyres和Paasche的研究。Laspeyres和Paasche公式仍舊被全世界一些國家的統(tǒng)計(jì)局所廣泛應(yīng)用。但是，正是IrvingFisher的工作以及他的著作在1992年初版的編制指數(shù)認(rèn)識(shí)到使用好多統(tǒng)計(jì)公式生成合適的指數(shù)的可能性。Tornquist指數(shù)（1936）在生產(chǎn)率測量中起到重要作用。Diewert和Nakamura（19

9、93）書中的第二章供應(yīng)了極好的說明指數(shù)成立的歷史背景。符號(hào)Weusethefollowing在一這章中我們重新至尾地使用下述符號(hào)。設(shè)pmj和qmj分別表示第m種（m=1,2,.,M）商品在第j（j=s,t）個(gè)時(shí)期中的價(jià)格與數(shù)量。為了不失一般性，s與t除了可以表示時(shí)期之外，還可以指兩家廠商，而數(shù)量可以是投入量，也可以是產(chǎn)出量。Conceptually,all從看法上講，全部指數(shù)測算了來自于一個(gè)參照時(shí)期的一組變量水平的變化。參照時(shí)期由“基期”表示，用于計(jì)算指數(shù)的時(shí)期稱為“現(xiàn)期”。設(shè)Ist表示以s為基期以t的現(xiàn)期t的綜合指數(shù)。近似地，設(shè)Vst，Pst和Qst分別表示價(jià)值指數(shù)、價(jià)格指數(shù)以及數(shù)量指數(shù)。綜

10、合指數(shù)問題Thevaluechangefrom從時(shí)期s到時(shí)期t的價(jià)值變化是在時(shí)期s與t的商品價(jià)值之比值，價(jià)值有各自NN的價(jià)格衡量。所以Vstpitqitpisqisi1i1指數(shù)Vst測算了從時(shí)期s到t的M種商品會(huì)集數(shù)量價(jià)值的變化。顯然，Vst是兩種成分即價(jià)格變化與數(shù)量變化的結(jié)果。盡管Vst簡單測算時(shí)，但是要剔除價(jià)格變化與數(shù)量變化的影響就特別難。我們想要踢除這種影響，所以，比方說，使數(shù)量成分可以用于測算數(shù)量的變化。ifweareoperating若是我們?cè)趩我簧唐返氖澜缋镛k理問題，那么這種分解就很簡單做到我們有Vstptqtpsqsptpsqtqs其中比值ptps與qtqs測算了相關(guān)的價(jià)格變化與

11、數(shù)量變化，從而不存在指數(shù)問題。Ingennerally平時(shí)當(dāng)商品數(shù)M2時(shí)，我們就有了綜合問題。相對(duì)價(jià)格pmt/pms測算了第m種商品價(jià)格水平的變化。相對(duì)數(shù)量qmt/qms測算了第m種商品數(shù)量水平的變化。Nowthe現(xiàn)在的問題是，如何將這m種不相同價(jià)格（數(shù)量）變化的測算合成一個(gè)簡單實(shí)數(shù)，稱之為價(jià)格（數(shù)量）指數(shù)。這個(gè)問題有點(diǎn)近似于選擇一種合適的中心趨素來測量，在下面兩節(jié)中我們簡要地說明測算價(jià)格指數(shù)與數(shù)量指數(shù)變化的一些最常用的公式。第四章、非模型辦理缺失數(shù)據(jù)ifnomodels若是沒有模型可以利用，則人們直接解析可用數(shù)據(jù)，也許解析經(jīng)過基于非模型估計(jì)此后的數(shù)據(jù)。只利用可用數(shù)據(jù)Listwisedelet

12、ion成列刪除或完滿個(gè)案解析意指，刪除數(shù)據(jù)中出缺失值的一個(gè)或多個(gè)變量的那種察看值。在MCAR假設(shè)下，經(jīng)過成列刪除此后，所保留的樣本仍是源自最初整體的一個(gè)隨機(jī)樣本；所以，基于該樣本的估計(jì)是一致的。但是，其標(biāo)準(zhǔn)誤差將會(huì)擴(kuò)大，因?yàn)樗眯畔⑸跎?，若回歸元個(gè)數(shù)好多，則成列刪除的總收效以致總察看值會(huì)激烈減少。這激發(fā)人們走開那種對(duì)擁有高比率缺失察看值的變量進(jìn)行解析，但是，由該種方法所產(chǎn)生的結(jié)果卻潛藏的令人誤導(dǎo)。ifMCAR若是MCAR得不到滿足且缺失數(shù)據(jù)不過是MAR，那么估計(jì)將是有偏的。所以，成列刪除對(duì)違犯MCAR而言是不莊重的。但是，成列刪除對(duì)回歸解析中各個(gè)自變量違犯MAR而言是莊重的。也就是，當(dāng)任何回歸

13、元出現(xiàn)缺失數(shù)據(jù)的概率其實(shí)不依賴于因變量之值。簡短地講，成列刪除是可接受的，若是歸因于缺失數(shù)據(jù)的不完滿情況組成了各樣各樣種情況的比率很小，比方說5%或更少。更重要的是，成列刪除此后的樣本是說研究整體的代表。Pairwisedeletion成對(duì)刪除或可用案例解析，經(jīng)常被認(rèn)為是比成列刪除更好的一種方法。其思想是估計(jì)（）的聯(lián)合樣本矩時(shí)，運(yùn)用察看值（x1i,x2i）的全部可能對(duì)，并且估計(jì)邊緣矩時(shí)運(yùn)用個(gè)體變量的全部察看值。所以，在線性回歸中，在成對(duì)刪除下我們運(yùn)用回歸元的所可能對(duì)估計(jì)（XX）與（Xy），而在成列刪除下，要在刪除任何擁出缺失察看值的全部情況后才能估計(jì)（XX）與（Xy）。很顯然，在成對(duì)刪除下，我

14、們損失較少信息。這里建議要運(yùn)用最大信息量去估計(jì)個(gè)體概括統(tǒng)計(jì)量，諸如均值與協(xié)方差，爾后使用這些概括統(tǒng)計(jì)量去計(jì)算回歸估計(jì)。Therearetwo成對(duì)刪除有兩個(gè)重要限制性：（1）一般的講，估計(jì)標(biāo)準(zhǔn)誤差與檢驗(yàn)統(tǒng)計(jì)量都是有偏的；2所獲得的回歸元協(xié)方差矩陣（XX）可能不是正定的。不用模型的估計(jì)Thereareanumberof統(tǒng)計(jì)軟件經(jīng)常執(zhí)行一系列特地或勉強(qiáng)證明合理的方法。Meanimputation均值估計(jì)或均值替補(bǔ)意指，運(yùn)用可利用值的平均值代替缺失察看值。該方法是均值保持不變的，但將對(duì)數(shù)據(jù)的邊緣布產(chǎn)生影響。很顯然邊緣分布中心概率質(zhì)量表現(xiàn)出增大，該方法也影響到協(xié)方差以及與其他變量的相關(guān)性。Simpleh

15、otdeck簡單替補(bǔ)估計(jì)意指，用來自從那種擁有察看值的變量中隨機(jī)抽取到的值代替缺失值，有點(diǎn)像自助法。該方法保持了那個(gè)變量的邊緣分布，但卻扭曲了變量之間的協(xié)方差與相關(guān)性。Inaregression在回歸背景下，這兩個(gè)出名方法誠然擁有簡單性，但卻沒有一個(gè)引人凝視。consideranexperiment我們認(rèn)為一個(gè)實(shí)驗(yàn)的結(jié)果是未知的，而一個(gè)事件出現(xiàn)的概率已知，有時(shí)也稱作隨機(jī)實(shí)驗(yàn)。一個(gè)實(shí)驗(yàn)的樣本空間是全部可能的結(jié)果的會(huì)集。每一個(gè)樣本空間的元素被稱為樣本空間的一個(gè)元素或樣本點(diǎn)，表示每一個(gè)結(jié)果都從該實(shí)驗(yàn)中獲得。一個(gè)事件是包括在樣本空間中的結(jié)果的任領(lǐng)悟集，也許說和樣本空間的子集是相同的。一個(gè)簡單事件是由一

16、個(gè)的確的元素和一個(gè)由多個(gè)元素組成時(shí)混雜事件組合而成。樣本空間被定義為，樣本點(diǎn)為。Suppose若是，A事件是樣本的一個(gè)子集，令為事件A的一個(gè)樣本點(diǎn)，爾后，我們說一個(gè)樣本點(diǎn)是屬于A樣本空間，定義為A。Aset一個(gè)樣本點(diǎn)不屬于事件A的會(huì)集被叫做A的互補(bǔ)事件，被表示為AC.一個(gè)事件沒有任何樣本點(diǎn)被叫做空事件，定義為。相反地，一個(gè)事件包括了全部可能的樣本點(diǎn)，被叫做全事件，表示為。Next接下來考慮，A和B事件，一個(gè)由全部屬于A或B事件的樣本點(diǎn)的會(huì)集被叫做和事件，被定義為AB,一個(gè)由所有同時(shí)書A和B的樣本點(diǎn)組成的會(huì)集叫做積事件，被定義為AB,當(dāng)AB為時(shí)，我們說事件A和B是互斥的。thatthefunct

17、ional若是在整體上潛藏的分布的函數(shù)組成是已知的，但分布中的參數(shù)是未知的。整體的分布函數(shù)fx;已給出，令x1,x2,.xn是來自整體分布的n個(gè)察看數(shù)據(jù)，考慮用幾個(gè)察看數(shù)據(jù)來估計(jì)參數(shù)。令x1,x2,.,xn是察看數(shù)據(jù)x1,x2,.,xn的一個(gè)函數(shù)。假設(shè)x1,x2,.,xn是由估計(jì)參數(shù)的目標(biāo)組成的。x1,x2,.,xn取一個(gè)由n個(gè)察看數(shù)據(jù)給出的確定值，那么，x1,x2,.,xn被叫作的點(diǎn)估計(jì)，也許說的簡單估計(jì)。2x是propertiesof在部分中，x和s估計(jì)量的性質(zhì)已經(jīng)談?wù)撨^了?？芍囊粋€(gè)在正態(tài)假設(shè)下的無偏的，有效的和一222致的估計(jì)量，s是的一個(gè)無偏估計(jì)量。注意，s是無偏的但不是一致的。Thepopulationparameter整體參數(shù)依賴于一個(gè)由整體分布fx;的函數(shù)組成，吻合于遵從，2的正態(tài)分布和遵從參數(shù)的指數(shù)分布的情況?，F(xiàn)在，更一般的情況，我們想要考慮怎么去估計(jì)，極大似然估計(jì)給了我們一個(gè)答案。Let令x1,x2,.,xn為相互獨(dú)立同分布的隨機(jī)樣本，xi有概率密度函數(shù)fx;，在這些假設(shè)下，x1,x2,.,xn的聯(lián)nfxi;,表示未知參數(shù)。合概率密度函數(shù)被