设x1,x2，…，xn是一个大小为n的样本，对自然数k，分别称 为k阶样本原点矩和k阶样本中心矩，统称为样本矩。许多最常用的统计量，都可由样本矩构造。例如，样本均值（即α1）和样本方差 是常用的两个统计量，前者反映总体中心位置的信息，后者反映总体分散情况。还有其他常用的统计量，如样本标准差，样本变异系数S/塣，样本偏度，样本峰度等都是样本矩的函数。若(x1,Y1），（x2,Y2），…，（xn,Yn）是从二维总体（x，Y）抽出的简单样本，则样本协方差·及样本相关系数 也是常用的统计量，r可用于推断x和Y的相关性。

把样本X1,x2，…，xn由小到大排列，得到，称之为样本x1,x2，…,xn的次序统计量。其中最小次序统计量x⑴最大次序统计量x(n）称为极值，在那些如年枯水量、年最大地震级数、材料的断裂强度等的统计问题中很有用。还有一些由次序统计量派生出来的有用的统计量，如：样本中位数 是总体分布中心位置的一种度量，若样本大小n为奇数，，若n为偶数，，它容易计算且有良好的稳健性。样本p分位数Zp(0<p<1）及极差x(n)-x⑴也是重要的统计量。其中Zp当时即为中位数，而当时，表示不超过1+np的最大整数）。样本分位数的一个重要应用是构造连续总体分布的非参数性容忍区间（见区间估计）。

这是W.霍夫丁于1948年引进的，它在非参数统计中有广泛的应用。其定义是：设x1,x2，…，xn，为简单样本，m为不超过n的自然数，为m元对称函数，则称 为样本x1,x2，…，xn的以为核的U统计量。样本均值和样本方差都是它的特例。从霍夫丁开始，这种统计量的大样本性质得到了深入的研究，主要应用于构造非参数性的量的一致最小方差无偏估计（见点估计），并在这种估计的基础上检验非参数性总体中的有关假设。