Variable: Característica que puede presentar distintas modalidades. Por ejemplo, la variable "género" solo presenta dos modalidades (mujer y hombre), y la variable "depresión" presenta un número infinito de modalidades, (las magnitudes de gravedad con que puede afectar a las personas).

Constante: Característica que presenta una sola modalidad

Datos: Son números que representan las modalidades de las variables. Por ejemplo, el 1 puede representar la modalidad "Mujer", el 6.3 representa una de las magnitudes que podemos registrar en la variable "grado de conocimiento de las técnicas estadísticas". Los datos pueden ser clasificados según diferentes criterios, uno de los cuales se basa en las modalidades que presentan: Se dirá que son datos dicotómicos los que provienen de variables que solo admiten dos modalidades (por ejemplo la variable "género"), son datos dicotomizados aquellos que presentan dos categorías pero provienen de variables con más de dos modalidades (por ejemplo datos con valores 1 y 0 que representan aprobado y suspenso).

Población: Conjunto completo de indivíduos, objetos o fenómenos.

Muestra: Subconjunto de la población.

Muestreo: Procedimiento de selección de las muestras.

Representatividad de la muestra: Las muestras son partes de la población, pero no son la población completa. Por ello, sus características no suelen coincidir con las de la población. La medida en que la muestra aproxima a la población se denomina representatividad.

Sesgo: Es la discrepancia entre las características de las muestras y las de la población.

Análisis univariado: Analiza una sola variable. Es más sencillo, más fácil de entender y de interpretar. En cambio, la sencillez puede comportar una simplificación excesiva de la realidad. Por ejemplo, un investigador quiere hacer un estudio del rendimiento académico universitario, para lo cual recoge las calificaciones de los estudiantes en los exámenes finales. Es claro que una caracterización del rendimiento basada exclusivamente en las calificaciones académicas es incompleta y que, si queremos conocer los condicionantes del rendimiento deberíamos incluir otros variables (como actitud, preparación previa, etc.) y estudiar cómo interactúan para dar cuenta de las variables de interés.

Análisis multivariado: Analiza los datos teniendo en cuenta las relaciones entre las variables. Es más complejo y de comprensión más dificultosa, pero proporciona información más completa del objeto estudiado.