第1種の誤り

仮説検定で、本当は正しい帰無仮説を誤って棄却してしまう誤り。「差がないのに差があると判定する」あわてものの誤りで、その確率は有意水準に等しい。セキュリティ分野の誤検知（フォールスポジティブ）と同じ考え方。

仮説検定で、帰無仮説が実際には正しいのに、誤って棄却してしまう誤り。本当は効果がないのに効果があると判断するもので、その起こる確率は有意水準αに等しい。αを小さくすると第1種の誤りは減るが、第2種の誤りが増える。

仮説検定において、本当は誤っている帰無仮説を棄却できない誤り。「差があるのに差がないと判定する」誤りで、ぼんやりものの誤りとも呼ばれる。有意水準を厳しくするほど起こりやすくなる。

説明変数と目的変数の関係を数式（回帰式）で表現し、予測や要因分析を行う統計手法。説明変数が1つの単回帰分析と、複数の重回帰分析がある。将来の予測やデータ分析に広く用いられる。

2つの変数間に見られる関連性の度合い。正の相関（一方が増えると他方も増える）と負の相関（一方が増えると他方は減る）がある。相関があっても因果関係があるとは限らない点に注意が必要。

統計的な調査や分析の対象となるデータ全体の集合。調査対象の全体を指し、全数調査が困難な場合は母集団から標本を抽出して推定を行う。

母集団から一部のデータ（標本）を取り出すこと。無作為抽出（ランダムサンプリング）が基本で、標本の特性から母集団の特性を推定する統計的推測の基礎となる。

ある仮説が統計的に正しいかどうかを、データに基づいて判定する手法。帰無仮説と対立仮説を立て、有意水準を設定してデータの検定統計量から判定を行う。