Estymacja - statystyczne uogólnianie wyników badania ilościowego wobec całej zbiorowości (populacji), z której dobrana została próba respondentów. np. estymacja (szacowanie) ogólnonarodowego poparcia dla partii politycznych, na podstawie sondażu przedwyborczego. Estymacji dokonywać można jedynie w oparciu o dane pochodzące z prób reprezentatywnych takich, w których respondenci dobrani zostali losowo spośród wszystkich członków badanej zbiorowości (populacji).

Estymator jest statystyką służącą do szacowania wartości parametru rozkładu. Celem zastosowania estymatora jest znalezienie parametru rozkładu cechy w populacji.

Parametry statystyczne - Są to wielkości liczbowe, które służą do opisu struktury zbiorowości statystycznej w sposób systematyczny.

Poziom ufności - stopień prawdopodobieństwa, iż wynik badania zarejestrowany w próbie, jest zgodny ze stanem faktycznym w całej badanej zbiorowości (populacji).

Przedział ufności - wynik pomiaru podany w sposób przedziałowy jako pewien zakres wartości (np. od 7 do 9%) i obliczony w oparciu o statystyczną teorię analizy danych. Zakłada się przy tym, że w granicach podawanego przedziału ufności, z określonym prawdopodobieństwem, mieści się faktyczna wartość badanego parametru w całej populacji.

Poziom istotności – Określa dopuszczalną częstość wystąpienia wyników niezgodnych z przyjętymi założeniami na skutek losowego charakteru próby.

Weryfikacja hipotez statystycznych – Polega na doborze określonego schematu postępowania zwanego testem statystycznym, który rozstrzyga, przy jakich wynikach z próby sprawdzoną hipotezę należy odrzucić, a przy jakich nie ma podstaw do jej odrzucenia.

Hipotezy parametryczne – To taki które dotyczą wartości parametrów statystycznych populacji np. średniej aryt czy odch st.

Hipotezy nieparametryczne – Dotyczą postaci rozkładu zmiennej lub losowości próby.

Hipoteza zerowa (H₀) – Hipoteza która podlega sprawdzeniu. H₀ dot wartości oczekiwanych można zapisać następująco: H₀=E_x1 = E_x2. Przystępując do weryfikacji H₀ zakładamy iż jest ona prawdziwa. Poziom istotności wskazuje na jak mały błąd zgadzamy się przy weryfikacji H₀. Najczęściej przyjmuje wartości 0,05 ; 0,01 ‘; 0,001.

Hipoteza alternatywna (H₁) – Konkurencyjna hipoteza dla hipotezy zerowej.

Korelacje – Związek pomiędzy dwiema zmiennymi losowymi X i Y.

Współczynnik korelacji - Liczba określająca w jakim stopniu zmienne są współzależne. Jest miarą korelacji dwu (lub więcej) zmiennych. Istnieje wiele różnych wzorów określanych jako współczynniki korelacji. Większość z nich jest normalizowana tak, żeby przybierała wartości od -1 (zupełna korelacja ujemna), przez 0 (brak korelacji) do +1 (zupełna korelacja dodatnia)

Regresja prostoliniowa – Ocena wartości jednej cechy na podstawie wartości drugiej. Prognozowanie wartości cechy Y na podstawie wartości cechy X.

Współczynnik regresji – Informuje o ile zmieni się wartość jednej zmiennej, jeżeli wartość drugiej zmieni się o jednostkę. Punkty równania szacuje się metodą najmniejszych kwadratów.

Zastosowanie równania regresji – Można użyć do przewidywania wartości jednej cechy na podstawie zmiennej wartości drugiej cechy dla dowolnego elementu populacji. Estymatorami parametrów są wartości uzyskane z prób b i a.

Estymacja punktowa – Służy do punktowego oszacowania wartości szukanego parametru rozkładu. Punktowe oszacowanie oznacza tutaj, że uzyskujemy konkretną wartość liczbową, nie zaś przedział liczbowy. Metody estymacji punktowej sprowadzają się do wyznaczenia odpowiednią metodą estymatora szacowanego parametru.

Estymacja przedziałowa - Służy do oszacowania parametrów rozkładu zmiennej losowej w populacji generalnej. W przypadku rozkładu ciągłego, prawdopodobieństwo, że ocena punktowa parametru przyjmie wartość równą wartości szacowanego parametru jest bliskie zeru. W metodach estymacji przedziałowej oceną parametru nie jest konkretna wartość, ale pewien przedział, do którego z określonym prawdopodobieństwem należy szacowana wartość parametru.

Współczynnik determinacji - Informuje o tym, jaka część zmienności zmiennej objaśnianej została wyjaśniona przez model. Jest on więc miarą stopnia, w jakim model wyjaśnia kształtowanie się zmiennej objaśnianej. Można również powiedzieć, że współczynnik determinacji opisuje tę część zmienności objaśnianej, która wynika z jej zależności od uwzględnionych w modelu zmiennych objaśniających. Współczynnik determinacji przyjmuje wartości z przedziału [0;1]. Jego wartości najczęściej są wyrażane w procentach. Dopasowanie modelu jest tym lepsze, im wartość R2 jest bliższa jedności.

Zmienna niezależna jest tą zmienną, którą w badaniu manipulujemy (naszym działaniem, zamierzeniem zmieniamy jej wartości, kierunek, siłę).

Zmienna zależna jest tą zmienną którą mierzymy, dokonujemy jej pomiaru, którą nie manipulujemy w badaniu, której wartość jest "zależna" od wartości zmiennej niezależnej.

Testy t-Studenta służą do porównania ze sobą 2 grup. Nie więcej! Korzystamy z nich wtedy, gdy mamy wyniki dla dwóch grup i chcemy porównać je ze sobą - tzn. stwierdzić, czy wyniki w jednej grupie są większe bądź mniejsze niż w drugiej grupie. Istnieją trzy rodzaje testu t-Studenta: dla prób niezależnych, prób zależnych, jednej próby.

Obszar krytyczny testu - Zbiór wartości rozkładu funkcji testowej w teście statystycznym, których wystąpienie, przy założeniu prawdziwości hipotezy zerowej (H₀), jest wystarczająco mało prawdopodobne, żeby (empiryczna) realizacja zmiennej losowej mieszcząca się w obszarze krytycznym pozwalała na odrzucenie tej hipotezy.