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。