丰富度：物种类别的多少，越丰富多样性越高。
均匀度：不同物种的数目均匀程度，越均匀多样性越高。
1、Chao指数： 是用chao1 算法估计群落中含OTU 数目的指数，chao1 在生态学中常用来估计物种总数，由Chao (1984) 最早提出。
2、Ace指数： 用来估计群落中含有OTU 数目的指数，是生态学中估计物种总数的常用指数之一，与Chao1的算法不同。
Chao和Ace越大，说明群落中含有的OTU数目越多，群落的丰富度越大。
1、Simpson指数： 是生态学中常用的一个指数，它反映的是 优势种在群落中的地位和作用 ，若一个群落中优势种占的多，其他非优势物种所占的比例则会减少，那么Simpson 指数值较大，这说明群落多样性较低，该指数与其他多样性指数均呈 负相关 。
2、Shannon指数： 用来估算样品中微生物的多样性指数之一。它与Simpson 多样性指数均为常用的α多样性的指数。Shannon值越大，说明群落多样性越高（包括丰富度和均匀度）。
3、Coverage： 是指各样品文库的覆盖率，其数值越高，样本中序列没有被测出的概率越低。该指数反映了测序结果是否代表样本的真实情况。
如果已经安装了就可以跳过这部分。
（faith-pd也是一个反映种群丰富度的指数）
PD score（phylogenetic diversity）：PD score是结合OTUtable和OTU tree一同计算的。考虑到了样本在进化树上的分布。一个OTU的来源越复杂，其PD score越高。来自进化树上不同的地方越多，其PD score越高。
参考：
Alpha多样性【转】 - (jianshu.com)
alpha diversity分析方法 - (jianshu.com)
估计你的意思是unconditional/conditional coverage。一般来说，VaR的backtesting是unconditional的，也就是说，假设事件对时间是均匀分布的。
而conditional则认为事件不是均匀分布的，比如说，当前时间出现exception的概率与上一时间是否出现exception有关。
conditional的好处是它考虑了市场状况。例如说现在做100个月的backtesting，95% VaR，你当然不会认为那5个exception是均匀地出现，而是集中在市场波动非常大是时间段，比如说08年下半年。
不好意思，觉得自己的中文表述非常烂。不知道这是否有帮助。
