误差平方检测通常用于评估数据的准确性和可靠性。
均方误差（MSE）：计算预测值与实际值之间的平均平方误差。
均方根误差（RMSE）：MSE 的平方根，更直观地表示误差大小。
平均绝对误差（MAE）：计算预测值与实际值之间的平均绝对误差。
相对误差：计算预测值与实际值之间的相对差异。
标准误差：衡量样本均值与总体均值之间的差异。
偏差：评估预测值与实际值之间的系统偏差。
方差：衡量数据的离散程度。
协方差：衡量两个变量之间的线性关系。
相关系数：评估两个变量之间的相关性。
回归分析：通过建立回归模型来评估预测值与实际值之间的关系。
残差分析：分析回归模型的残差，评估模型的拟合程度。
正态性检验：检验数据是否符合正态分布。
方差齐性检验：检验不同组数据的方差是否相等。
独立性检验：检验两个变量之间是否独立。
卡方检验：用于检验分类数据之间的关系。
F 检验：用于比较两个或多个总体的方差。
T 检验：用于比较两个总体的均值。
方差分析（ANOVA）：用于比较多个总体的均值。
主成分分析（PCA）：用于数据降维，提取主要成分。
因子分析：用于找出数据中的潜在因子。
聚类分析：将数据分为不同的簇或类别。
判别分析：用于根据已知的类别信息对新数据进行分类。
时间序列分析：用于分析时间序列数据的趋势、季节性和周期性。
生存分析：用于分析事件发生的时间和概率。
可靠性分析：评估系统或产品的可靠性。
灵敏度分析：评估模型对输入参数的敏感程度。
稳健性分析：评估模型在不同条件下的稳定性。
蒙特卡罗模拟：通过随机模拟来评估模型的不确定性。
贝叶斯分析：基于贝叶斯定理进行数据分析和推断。
