指同质的研究对象中所有观察单位研究指标变量值的集合。如对某地儿童体温参考值进行研究，研究对象是该地区正常儿童，观察单位是每个儿童，变量值为体温测量值，该地全体儿童的体温值即构成总体，该总体是建立在某地14岁以下的正常儿童的同质基础上。总体通常限定于特定的时间与空间范围之内，且为有限数量的观察单位，称为有限总体;有时总体是假设的，没有时间和空间限制，观察单位数是无限的，称为无限总体。

医学实践与研究中，要直接研究无限总体通常是不可能的，即使是有限总体，由于人力、物力、时间、条件等限制，要对其中每个观察单位进行研究或观察，也是不可能的，而且也不必要。此时只需从总体中随机抽取部分观察单位，由其变量实测值构成样本，用样本指标推断总体特征。例如用一滴外周血的化验结果，代表一个人的全血成分。这种推断是以样本的可靠性和代表性为基础，不需经过严谨的实验设计。样本的可靠性主要是保证样本中每一观察单位属于同质总体。样本的代表性使样本能充分反映总体的实际情况，这就要求抽样遵循随机化原则，使每个观察单位被抽得的机会相等，避免主观取舍及偏性的影响;同时还要保证足够的样本量，即保证足够的观察单位个数。

统计学上描述总体变量的特征称为参数。如总体均数、中位数和众数等描述总体的中心位置或集中趋势;总体标准差、极差、四分位数间距等描述总体的离散趋势等。但总体参数通常未知，需以样本统计量来估计总体参数。如以样本均数( )推算总体均数(μ)，以样本标准差(s)推算总体标准差(σ)等。值得注意的是，选择统计量作为参数估计值时，通常选择无偏、有效且一致的估计量，即对总体变量渐进无偏估计量。

确定总体之后，研究者应对每个观察单位的某项特征进行测量和观察，这种能表现观察单位变异性的特征称为变量(variable)。变量的测得值称为变量值(value of variable)或观察值(observed value)，由变量值构成资料(data)。例如，以人为观察单位调查某地某年7岁正常儿童的生长发育状况，性别、身高、体重等都可视为变量，性别有男有女，身高可高可矮，体重可轻可重，不同个体不尽相同，这种个体间差异称为变异。这些变异来源于一些已知的或未知的，甚至是某些不可控制的因素导致的随机误差。变量的观察结果可以是定量的，例如身高的厘米数;也可以是定性的，例如儿童属男属女。按变量定量或定性的属性，可将资料分为以下几种类型:

又称定量资料(quantitative data)或数值变量(numerical variable)资料。为测定每个观察单位某项指标的大小而获得的资料。其变量值是定量的，以数值大小表示，一般有度量衡单位。

又称定性资料(qualitative data)或无序分类变量(unordered categorical variable)资料。为将观察单位按某属性或类别分组计数，分组汇总各组观察单位数后得到的资料。其变量值是定性的，表现为互不相容的属性或类别，如试验结果的阴阳性，家族史的有无等。可分为以下两种情况:

如检查某单位工作人员血清的乙型肝炎表面抗原，以每个工作人员为观察单位，结果可报告为乙型肝炎表面抗原阴性或阳性两类，两类间相互对立，互不相容。

如观察某人群的血型分布，以人为观察单位，结果可分为A型、B型、AB型与O型，为互不相容的四个类别。

又称半定量资料(semi-quantitative data)或有序分类变量(ordered categorical variable)资料。为将观察单位按某种属性的不同程度分成等级后分组计数，分类汇总各组观察单位数后而得到的资料。其变量值具有半定量性质，表现为等级大小或属性程度。如观察某人群某血清反应，以人为观察单位，根据反应强度，结果可分－、±、+、++、+++、++++六级。

统计分析方法的选用与资料类型密切相关。在资料分析过程中，根据有关专业理论指导，各类资料间可以互相转化，以满足不同统计分析方法的要求。

误差(error)泛指实测值与真值之差，按其产生的原因和性质可粗分为随机误差(random error)与非随机误差(nonrandom error)两大类，后者又可分为系统误差(systematic error)与非系统误差(nonsystematic error)两类。

是一类不恒定的、随机变化的误差，由多种尚无法控制的因素引起。例如，在实验过程中，在同一条件下对同一对象反复进行测量，虽极力控制或消除系统误差，但每次测量结果仍会出现一些随机变化，即随机测量误差，以及在抽样过程中由于抽样的偶然性而出现的抽样误差。

随机误差是不可避免的，其数值可大可小，符号可正可负，且呈一定规律性的变化。但由于造成随机误差的影响因素太多、太复杂，以致无法掌握其具体规律。随着科学的发展与社会进步，有些随机误差可能会逐渐被认识而得以控制。随机误差呈正态分布，可用医学统计学的方法进行分析。

是实验过程中产生的误差，它的值或恒定不变，或遵循一定的变化规律，其产生的原因往往是可知的或可掌握的。例如，可能来自于受试者抽样不均匀，分配不随机，可能来自于不同实验者个人感觉或操作上的差异，可能来自于不标准的仪器，也可能来自于外界环境非实验因素的不平衡等。因而应尽可能设法预见到各种系统误差的具体来源，力求通过周密的研究设计和严格的技术措施加以消除或控制。

在实验过程中由于操作者偶然的失误而造成的误差。例如，仪器失灵、抄错数字、点错小数点、写错单位等，亦称为过失误差(gross error)。这类误差可通过认真检查核对予以清除，否则将会影响研究结果的准确性。

一个随机试验有几种可能的结果，在重复进行试验时，个别结果看上去是偶然发生的，但当重复试验次数相当大时，可观察到某种规律出现。在重复多次后，出现某种结果的比例称之为频率。

概率是描述随机事件发生的可能性大小的一个度量。假设在相同条件下，独立地重复n次试验，随机事件A出现f次，则称f/n为随机事件A出现的频率。当逐渐增大时，频率f/n始终在某个常数附近作微小摆动，则称该常数为随机事件A的概率，可记为P(A)，简记为P。在实际工作中，当概率不易求得时，只要观察单位数足够多，可将频率作为概率的估计值。但在观察单位数较少时，频率的波动性很大，用于估计概率是不可靠的。

随机事件概率的大小介于0与1之间，即0≤P≤1，常用小数或百分数表示。P越接近1，表示事件发生的可能性越大，P越接近于0，表示事件发生的可能性越小。P= 1表示事件必然发生，称为必然事件;P= 0表示事件不可能发生，称为不可能事件。这两类事件具有确定性，不是随机事件，但可视为随机事件的特例。统计分析中的很多结论都是基于一定可信程度下的概率推断，习惯上将P≤0.05称为小概率事件，表示在一次实验或观察中该事件发生的可能性很小，可视为很可能不发生。