比浏览器更快的访问！
57 关系: 埃里克·韦斯坦因，卡爾·弗里德里希·高斯，卡方分佈，反函數，均值，多元正态分布，实数，对数正态分布，中位數，中心极限定理，亞伯拉罕·棣莫弗，二項分佈，伽玛分布，心理学，六標準差，光子，動差生成函數，皮埃尔-西蒙·拉普拉斯，矩阵，示性函数，社会科学，稳定分布，累积分布函数，累积量，统计学，統計獨立，瑞利分布，熵 (信息论)，物理学，特征函数 (概率论)，特殊函数，随机变量，行为科学，高斯函数，误差函数，阿德里安-马里·勒让德，自由度，自然科学，MathWorld，Stephen Jay Gould，Stigler名字由來法則，柯西分布，概率分布，概率论，標準差，機率密度函數，正态分布，母函数，泊松分佈，法蘭西斯·高爾頓，...，期望值，指数函数，最小二乘法，方差，數值積分，拐点，68–95–99.7原則。 扩展索引 (7 更多) »
埃里克·韦斯坦因
埃里克·沃尔夫冈·韦斯坦因（Eric Wolfgang Weisstein，），生於美國印第安納州，為數學及科學領域百科全書編纂者，沃尔夫勒姆研究公司員工，編纂MathWorld、ScienceWorld等線上百科全書。.
新！!: 正态分布和埃里克·韦斯坦因 · 查看更多 »
卡爾·弗里德里希·高斯
约翰·卡爾·弗里德里希·高斯（Johann Karl Friedrich Gauß；）， 德国数学家、物理学家、天文学家、大地测量学家，生于布伦瑞克，卒于哥廷根。高斯被认为是历史上最重要的数学家之一Dunnington, G. Waldo.
新！!: 正态分布和卡爾·弗里德里希·高斯 · 查看更多 »
卡方分佈
没有描述。
反函數
在數學裡，反函數為對一給定函數做逆運算的函數。更正式些地說，設f為一函數，其定義域為X，值域為Y。如果存在一函數g，其定義域和值域分別為Y,\, X，並對每一x \in X有： 則稱g為f的反函數，記之為f^。注意上標「−1」指的並不是冪，跟在三角學裡特指\sin x平方的\sin^2 x不同。 例如，若給定一函數f: x\mapsto 3x+2，則其反函數為f^: x\mapsto\frac。 若一函數有反函數，此函數便稱為可逆的。.
均值
#重定向 平均数.
多元正态分布
多变量正态分布亦称为多变量高斯分布。它是单维正态分布向多维的推广。它同矩阵正态分布有紧密的联系。.
新！!: 正态分布和多元正态分布 · 查看更多 »
实数
实数，是有理數和無理數的总称，前者如0、-4、81/7；后者如\sqrt、\pi等。实数可以直观地看作小數（有限或無限的），它們能把数轴「填滿」。但僅僅以枚舉的方式不能描述實數的全體。实数和虚数共同构成复数。 根据日常经验，有理數集在數軸上似乎是「稠密」的，于是古人一直认为用有理數即能滿足測量上的實際需要。以邊長為1公分的正方形為例，其對角線有多長？在規定的精度下（比如誤差小於0.001公分），總可以用有理數來表示足夠精確的測量結果（比如1.414公分）。但是，古希臘畢達哥拉斯學派的數學家發現，只使用有理數無法完全精確地表示這條對角線的長度，這徹底地打擊了他們的數學理念；他們原以為：.
对数正态分布
没有描述。
新！!: 正态分布和对数正态分布 · 查看更多 »
中位數
中位數（又稱中值，Median），統計學中的專有名詞，代表一個樣本、種群或概率分佈中的一個數值，其可將數值集合劃分爲相等的上下兩部分。對於有限的數集，可以通過把所有觀察值高低排序後找出正中間的一個作爲中位數。如果觀察值有偶數個，則中位數不唯一，通常取最中間的兩個數值的平均數作爲中位數。 一個數集中最多有一半的數值小於中位數，也最多有一半的數值大於中位數。如果大於和小於中位數的數值個數均少於一半，那麽數集中必有若干值等同於中位數。 设连续随机变量X的分布函数为F(X)，那么满足条件P(X≤m).
中心极限定理
中心极限定理是概率论中的一组定理。中心极限定理说明，在适当的条件下，大量相互独立随机变量的均值经适当标准化后依分布收敛于正态分布。这组定理是数理统计学和误差分析的理论基础，指出了大量随机变量之和近似服从正态分布的条件。.
新！!: 正态分布和中心极限定理 · 查看更多 »
亞伯拉罕·棣莫弗
亞伯拉罕·棣莫弗（Abraham de Moivre，簡稱棣莫弗，法語发音为(IPA)）（），法國數學家，發現了棣莫弗公式，將複數和三角學連繫起來。其他貢獻主要是在正態分布和概率論上，包括斯特林公式。他亦發現了中心極限定理的一個特例，後人稱為棣莫佛－拉普拉斯定理。 1692年，他認識了當時英國皇家學會助理秘書愛德蒙·哈雷，不久後結識艾薩克·牛頓，並與兩人成為好友。他在1697年加入皇家學會。1710年他被指派處理牛頓和萊布尼茲關於微積分發明者的爭議。 棣莫弗是加爾文主義者，1685年南特敕令廢止後他便離開法國，在英國度過餘生。他十分貧窮，據說他是Slaughter咖啡館的常客，借下國際象棋以賺錢。他死於倫敦，葬於聖馬丁教堂（遺體後來移到別處）。.
新！!: 正态分布和亞伯拉罕·棣莫弗 · 查看更多 »
二項分佈
在概率论和统计学中，二项分布（Binomial Distribution）是n个独立的是/非试验中成功的次数的离散概率分布，其中每次试验的成功概率为p。这样的单次成功/失败试验又称为伯努利试验。实际上，当n.
伽玛分布
没有描述。
心理学
-- 心理学是一门研究人類以及其他动物的內在心理歷程、精神功能和外在行为的科学，既是一门理论学科，也是一门应用学科。包括理论心理学与应用心理学两大领域。 心理學研究涉及意識、感覺、知覺、認知、動機、情绪、人格、行為和人際關係等眾多領域，影響其他學科的發展，例如：教育學、管理學、傳播學、社會學、經濟學、精神病學、統計學、計算機科學以及文學等等。心理學一方面嘗試用大腦運作來解釋個体基本的行為與心理機能，同時，心理學也嘗試解釋個體心理機能在社會行為與社會動力中的角色。心理學家從事基礎研究的目的是描述、解釋、預測和控制行為。應用心理學家還有第五個目的——提高人類生活的質量。這些目標構成了心理學事業的基礎。.
六標準差
六標準差（Six Sigma，6 sigma），又譯為六西格玛，用於流程改善的工具與程序，是商业管理的战略之一，最初于1986年由摩托罗拉创立。后来由于通用電氣第八任執行長杰克·韦尔奇（Jack Welch）的推广，六西格玛于1995年成为通用電氣的核心管理思想，今天广泛应用于很多行业中。 六西格玛是通过确定、消除引起残疵的流程来提高产品品質，降低生产中和商业流程中的变化程度，利用了一套品質管理方法，包括统计方法，创建了组织内人员的一种特殊架构（“黑带”、“绿带”等等）。每个六西格玛项目都是根据具体的步骤，完成具体的财务目标实现的。 “六西格玛”这个名字来自于生产方面的方法，特别是中的统计模型。生产流程可用“西格玛”来计算，可计算产品中无缺陷产品的百分比。六个西格玛是指生产的产品中，有99.99966%的产品是没有品質问题的（每一百万中有3.4个有缺陷）。摩托罗拉制定了一套六西格玛的目标，针对于所有生产流程，也可指管理和工程实践中达到目标的一种手段。.
光子
| mean_lifetime.
動差生成函數
#重定向 矩生成函數.
新！!: 正态分布和動差生成函數 · 查看更多 »
皮埃尔-西蒙·拉普拉斯
埃尔-西蒙·拉普拉斯侯爵（Pierre-Simon marquis de Laplace，），法国著名的天文学家和数学家，他的工作对天体力学和统计学有举足轻重的发展。.
新！!: 正态分布和皮埃尔-西蒙·拉普拉斯 · 查看更多 »
矩阵
數學上，一個的矩陣是一个由--（row）--（column）元素排列成的矩形阵列。矩陣--的元素可以是数字、符号或数学式。以下是一个由6个数字元素构成的2--3--的矩阵： 大小相同（行数列数都相同）的矩阵之间可以相互加减，具体是对每个位置上的元素做加减法。矩阵的乘法则较为复杂。两个矩阵可以相乘，当且仅当第一个矩阵的--数等于第二个矩阵的--数。矩阵的乘法满足结合律和分配律，但不满足交换律。 矩阵的一个重要用途是解线性方程组。线性方程组中未知量的系数可以排成一个矩阵，加上常数项，则称为增广矩阵。另一个重要用途是表示线性变换，即是诸如.
示性函数
在數學中，示性函数（特征函数，Characteristic function）可以代表不同的概念.
社会科学
会科学是用科学的方法，研究人类社会的種種现象。如社會學研究人類社會（主要是當代），政治學研究政治、政策和有關的活動，經濟學研究資源分配。广义的“社会科学”，是人文学科和社会科学的统称。 社會科學起源於西元1930年出版的《社會科學百科全書》（Encyclopaedia of the Social Sciences），其內容包含了社會學、人類學、經濟學、政治學、犯罪學、生物學、地理學、醫學、教育學、心理學、語言學、倫理學、藝術、社會工作學及法律學等與社會科學概論相關的一門學科。.
稳定分布
没有描述。
累积分布函数
累积分布函数，又叫分布函数，是概率密度函數的积分，能完整描述一個實随机变量X的概率分佈。一般以大寫“CDF”（Cumulative Distribution Function）标记。 對於所有實數x ，累积分布函数定義如下：.
新！!: 正态分布和累积分布函数 · 查看更多 »
累积量
在概率论和统计学中，一个随机变量的累积量是指一系列能够提供和矩一样的信息的量。累积量和随机变量的矩密切相关。如果两个随机变量的各阶矩都一样，那么它们的累积量也都一样，反之亦然。 对于随机变量X而言，一阶累积量等于期望值E(x)，二阶累积量等于方差V(x)，三阶累积量等于三阶中心矩S(x)，但是四阶以及更高阶的累积量与同阶的中心矩并不相等。在某些理论推导中，使用累积量更加方便。特别是当两个或者更多的随机变量相互独立时，它们的 n阶累积量的和等于它们和的n阶累积量。另外，服从正态分布的随机变量的三阶及以上的累积量为0。.
统计学
统计学是在資料分析的基础上，研究测定、收集、整理、归纳和分析反映數據資料，以便给出正确訊息的科學。這一门学科自17世纪中叶产生并逐步发展起来，它廣泛地應用在各門學科，從自然科学、社會科學到人文學科，甚至被用於工商業及政府的情報決策。隨著大数据(Big Data)時代來臨，統計的面貌也逐漸改變，與資訊、計算等領域密切結合，是資料科學(Data Science)中的重要主軸之一。 譬如自一組數據中，可以摘要並且描述這份數據的集中和離散情形，這個用法稱作為描述統計學。另外，觀察者以數據的形態，建立出一個用以解釋其隨機性和不確定性的數學模型，以之來推論研究中的步驟及母體，這種用法被稱做推論統計學。這兩種用法都可以被稱作為應用統計學。數理統計學则是討論背後的理論基礎的學科。.
統計獨立
#重定向 独立 (概率论).
瑞利分布
没有描述。
熵 (信息论)
在信息论中，熵（entropy）是接收的每条消息中包含的信息的平均量，又被稱為信息熵、信源熵、平均自信息量。这里，“消息”代表来自分布或数据流中的事件、样本或特征。（熵最好理解为不确定性的量度而不是确定性的量度，因为越随机的信源的熵越大。）来自信源的另一个特征是样本的概率分布。这里的想法是，比较不可能发生的事情，当它发生了，会提供更多的信息。由于一些其他的原因，把信息（熵）定义为概率分布的对数的相反数是有道理的。事件的概率分布和每个事件的信息量构成了一个随机变量，这个随机变量的均值（即期望）就是这个分布产生的信息量的平均值（即熵）。熵的单位通常为比特，但也用Sh、nat、Hart计量，取决于定义用到对数的底。 采用概率分布的对数作为信息的量度的原因是其可加性。例如，投掷一次硬币提供了1 Sh的信息，而掷m次就为m位。更一般地，你需要用log2(n)位来表示一个可以取n个值的变量。 在1948年，克劳德·艾尔伍德·香农將熱力學的熵，引入到信息论，因此它又被稱為香农熵。.
新！!: 正态分布和熵 (信息论) · 查看更多 »
物理学
物理學（希臘文Φύσις，自然）是研究物質、能量的本質與性質，以及它們彼此之間交互作用的自然科學。由於物質與能量是所有科學研究的必須涉及的基本要素，所以物理學是自然科學中最基礎的學科之一。物理學是一種實驗科學，物理學者從觀測與分析大自然的各種基於物質與能量的現象來找出其中的模式。這些模式（假說）稱為「物理理論」，經得起實驗檢驗的常用物理理論稱為物理定律，直到有一天被證明是有錯誤為止(具可否證性)。物理學是由這些定律精緻地建構而成。物理學是自然科學中最基礎的學科之一。化學、生物學、考古學等等科學學術領域的理論都是建構於這些物理定律。 物理學是最古老的學術之一。物理學、化學、生物學等等原本都歸屬於自然哲學的範疇，直到十七世紀至十九世紀期間，才漸漸地從自然哲學中分別成長為獨立的學術領域。物理學與其它很多跨領域研究有相當的交集，如量子化學、生物物理學等等。物理學的疆界並不是固定不變的，物理學裡的創始突破時常可以用來解釋這些跨領域研究的基礎機制，有時還會開啟嶄新的跨領域研究。 通過創建新理論與發展新科技，物理學對於人類文明有極為顯著的貢獻。例如，由於電磁學的快速發展，電燈、電動機、家用電器等新產品纷纷涌现，人類社會的生活水平也得到大幅提升。由於核子物理學日趨成熟，核能發電已不再是藍圖構想，但其所引致的安全問題也使人們意識到地球環境、生態與人類的脆弱渺小。.
特征函数 (概率论)
在概率论中，任何随机变量的特征函数（缩写：ch.f，复数形式：ch.f's）完全定义了它的概率分布。在实直线上，它由以下公式给出，其中X是任何具有该分布的随机变量： 其中t是一个实数，i是虚数单位，E表示期望值。 用矩母函数MX（t）来表示（如果它存在），特征函数就是iX的矩母函数，或X在虚数轴上求得的矩母函数。 与矩母函数不同，特征函数总是存在。 如果FX是累积分布函数，那么特征函数由黎曼-斯蒂尔切斯积分给出： 在概率密度函数fX存在的情况下，该公式就变为： 如果X是一个向量值随机变量，我们便取自变量t为向量，tX为数量积。 R或Rn上的每一个概率分布都有特征函数，因为我们是在有限测度的空间上对一个有界函数进行积分，且对于每一个特征函数都正好有一个概率分布。 一个对称概率密度函数的特征函数（也就是满足fX(x).
新！!: 正态分布和特征函数 (概率论) · 查看更多 »
特殊函数
特殊函数是指一些具有特定性质的函数，一般有约定俗成的名称和记号，例如伽玛函数、贝塞尔函数、菲涅耳积分等。它们在数学分析、泛函分析、物理研究、工程应用中有着举足轻重的地位。许多特殊函数是微分方程的解或基本函数的积分，因此积分表中常常会出现特殊函数，特殊函数的定义中也经常会出现积分。传统上对特殊函数的分析主要基于对其的数值展开基础上。随着电子计算的发展，这个领域内开创了新的研究方法。因为微分方程的对称性在数学和物理中的重要性，特殊函数理论也与李群和李代数密切相关。 事实上，对于哪些函数属于特殊函数，并没有明确的规定。函数列表中列出了一些通常被认为的特殊函数。广义上，基本超越函数（即指数函数、对数函数、非有理次幂的幂函数、双曲函数、三角函数等周期函数）也称为特殊函数。.
随机变量
給定樣本空间(S, \mathbb)，如果其上的實值函數 X:S \to \mathbb是\mathbb (實值)可測函數，则稱X為（實值）随机变量。初等概率論中通常不涉及到可測性的概念，而直接把任何X:S \to \mathbb的函數稱為随机变量。 如果X指定给概率空间S中每一个事件e有一个实数X(e)，同时针对每一个实数r都有一个事件集合A_r与其相对应，其中A_r.
行为科学
行为科学（Behavioral Science）指應用心理學與人類學等學科的知識與研究方法，如訪談法(interviewing method)與觀察法(observation method)等方法，研究人的行为，如梅堯(Mayo)主持之胡桑實驗(Hawthorne Experiment)。不过，许多心理学学术部门也采用这个术语来指对行为问题的科学研究，以区别于较为普通的心理学主题。.
高斯函数
斯函数的形式为 的函数。其中a、b与 c为实数常数，且a > 0.
误差函数
在数学中，误差函数（也称之为高斯误差函数）是一个特殊函数（即不是初等函数），其在概率论，统计学以及偏微分方程中都有广泛的应用。它的定义如下：Greene, William H.; Econometric Analysis (fifth edition), Prentice-Hall, 1993, p. 926, fn.
阿德里安-马里·勒让德
阿德里安-馬里·勒讓德（Adrien-Marie Legendre，），法國數學家。他的主要貢獻在統計學、數論、抽象代數與數學分析上。勒让德的主要研究领域是分析学（尤其是椭圆积分理论）、数论、初等几何与天体力学，取得了许多成果，导致了一系列重要理论的诞生。勒让德是椭圆积分理论奠基人之一。勒让德对数论的主要贡献是二次互反律，这是同余式论中的一条基本定理。他还是解析数论的先驱者之一，归纳出了素数分布律，促使许多数学家研究这个问题。其他贡献包括：椭圆函数论、最小二乘法、测地线理论等。.
新！!: 正态分布和阿德里安-马里·勒让德 · 查看更多 »
自由度
自由度可以指：.
自然科学
自然科学是研究大自然中有机或无机的事物和现象的科学。自然科学包括天文學、物理学、化学、地球科学、生物学等等。.
MathWorld
MathWorld是線上數學百科全書，由沃夫朗研究公司（Wolfram Research inc.，WRI）贊助和享有版权，大部分由 Eric W. Weisstein 创建和编写。沃夫朗研究公司即是全球闻名的数学软件Mathematica的生产商。MathWorld亦有接受美國国家科学基金会的承認的伊利諾大學厄巴納-香檳分校支持。.
新！!: 正态分布和MathWorld · 查看更多 »
Stephen Jay Gould
#重定向 史蒂芬·古爾德.
新！!: 正态分布和Stephen Jay Gould · 查看更多 »
Stigler名字由來法則
斯蒂格勒定律（英語: Stigler's law），又稱名字命名法則。是芝加哥大学一位很有幽默感的统计学家史蒂芬·史蒂格勒提出的一定律，最簡單的說法是“沒有科學的發現是因其原有發現者的名字而命名”，即科学定律最后的命名大多归功于后来更有名望的科学家。 許多科學定律的命名符合此一定律，以下是一些例子：.
新！!: 正态分布和Stigler名字由來法則 · 查看更多 »
柯西分布
柯西分布也叫作柯西-洛伦兹分布，它是以奥古斯丁·路易·柯西与亨德里克·洛伦兹名字命名的连续概率分布，其概率密度函数为 其中x0是定义分布峰值位置的位置参数，γ是最大值一半处的一半宽度的尺度参数。 作为概率分布，通常叫作柯西分布，物理学家也将之称为洛伦兹分布或者Breit-Wigner分布。在物理学中的重要性很大一部分归因于它是描述受迫共振的微分方程的解。在光谱学中，它描述了被共振或者其它机制加宽的谱线形状。在下面的部分将使用柯西分布这个统计学术语。 x0.
概率分布
概率分布（Wahrscheinlichkeitsverteilung，probability distribution）或簡稱分布，是概率論的一個概念。使用時可以有以下兩種含義：.
概率论
概率论（Probability theory）是集中研究概率及随机现象的数学分支，是研究隨機性或不確定性等現象的數學。概率论主要研究对象为随机事件、随机变量以及随机过程。对于随机事件是不可能准确预测其结果的，然而对于一系列的独立随机事件——例如掷骰子、扔硬币、抽扑克牌以及輪盤等，会呈现出一定的、可以被用于研究及预测的规律，两个用来描述这些规律的最具代表性的数学结论分别是大数定律和中心极限定理。 作为统计学的数学基础，概率论对诸多涉及大量数据定量分析的人类活动极为重要，概率论的方法同样适用于其他方面，例如是对只知道系统部分状态的复杂系统的描述——统计力学，而二十世纪物理学的重大发现是以量子力学所描述的原子尺度上物理现象的概率本质。 數學家和精算師認為概率是在0至1閉區間内的數字，指定給一發生與失敗是隨機的「事件」。概率P(A)根據概率公理來指定給事件A。 一事件A在一事件B確定發生後會發生的概率稱為B給之A的條件概率；其數值為。若B給之A的條件概率和A的概率相同時，則稱A和B為獨立事件。且A和B的此一關係為對稱的，這可以由一同價敘述：「當A和B為獨立事件時，P(A \cap B).
標準差
標準差（又稱标准偏差、--，，缩写SD），数学符号σ（sigma），在概率統計中最常使用作為測量一組數值的離散程度之用。標準差定義：為方差開算术平方根，反映组内个体间的离散程度；标准差与期望值之比为标准离差率。測量到分佈程度的結果，原則上具有兩種性質：.
機率密度函數
在数学中，连续型随机变量的概率密度函數（在不至于混淆时可以简称为密度函数）是一个描述这个随机变量的输出值，在某个确定的取值点附近的可能性的函数。圖中，橫軸為隨機變量的取值，縱軸為概率密度函數的值，而随机变量的取值落在某个区域内的概率為概率密度函数在这个区域上的积分。当概率密度函数存在的时候，累積分佈函數是概率密度函数的积分。概率密度函数一般以大写“PDF”（Probability Density Function）標记。 概率密度函数有时也被称为概率分布函数，但这种称法可能会和累积分布函数或概率质量函数混淆。.
新！!: 正态分布和機率密度函數 · 查看更多 »
正态分布
常態分布（normal distribution）又名高斯分布（Gaussian distribution），是一個非常常見的連續機率分布。常態分布在统计学上十分重要，經常用在自然和社会科学來代表一個不明的隨機變量。 若隨機變量X服從一個位置參數為\mu、尺度參數為\sigma的常態分布，記為： 則其機率密度函數為 常態分布的數學期望值或期望值\mu等於位置參數，決定了分布的位置；其方差\sigma^2的開平方或標準差\sigma等於尺度參數，決定了分布的幅度。 常態分布的機率密度函數曲線呈鐘形，因此人們又經常稱之為鐘形曲線（类似于寺庙里的大钟，因此得名）。我們通常所說的標準常態分布是位置參數\mu.
母函数
在数学中，某个序列(a_n)_ 的母函数（又称生成函数，Generating function）是一种形式幂级数，其每一项的系数可以提供关于这个序列的信息。使用母函数解决问题的方法称为母函数方法。 母函数可分为很多种，包括普通母函数、指数母函数、L级数、贝尔级数和狄利克雷级数。对每个序列都可以写出以上每个类型的一个母函数。构造母函数的目的一般是为了解决某个特定的问题，因此选用何种母函数视乎序列本身的特性和问题的类型。 母函数的表示一般使用解析形式，即写成关于某个形式变量x的形式幂级数。对幂级数的收敛半径中的某一点，可以求母函数在这一点的级数和。但无论如何，由于母函数是形式幂级数的一种，其级数和不一定对每个x的值都存在。 母函数方法不仅在概率论的计算中有重要地位，而且已成为组合数学中一种重要方法。此外，母函数在有限差分计算、特殊函数论等数学领域中都有着广泛的应用。 注意母函数本身并不是一个从某个定义域射到某个上域的函数，名字中的“函数”只是出于历史原因而保留。.
泊松分佈
Poisson分布（法語：loi de Poisson，英語：Poisson distribution），译名有--分布、--分布、--分佈、--分佈、--分佈、--分佈、卜氏分配等，又稱帕松小數法則（Poisson law of small numbers），是一種統計與概率學裡常見到的離散機率分佈，由法國數學家西莫恩·德尼·泊松（Siméon-Denis Poisson）在1838年時發表。 泊松分布适合于描述单位时间内随机事件发生的次数的概率分布。如某一服务设施在一定时间内受到的服务请求的次数，电话交换机接到呼叫的次数、汽车站台的候客人数、机器出现的故障数、自然灾害发生的次数、DNA序列的变异数、放射性原子核的衰变数、雷射的光子數分布等等。 泊松分布的概率質量函数为： 泊松分布的参数λ是单位时间（或单位面积）内随机事件的平均发生率。 根据泰勒展开式可得:e^.
法蘭西斯·高爾頓
法蘭西斯·高爾頓爵士，FRS（Sir Francis Galton，），英格蘭維多利亞時代的博学家、人類學家、優生學家、熱帶探險家、地理學家、發明家、氣象學家、統計學家、心理學家和遺傳學家，查爾斯·達爾文的表弟。.
新！!: 正态分布和法蘭西斯·高爾頓 · 查看更多 »
期望值
在概率论和统计学中，一个离散性随机变量的期望值（或数学期望、或均值，亦简称期望，物理学中称为期待值）是试验中每次可能的结果乘以其结果概率的总和。换句话说，期望值像是随机试验在同样的机会下重复多次，所有那些可能狀態平均的结果，便基本上等同“期望值”所期望的數。需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。（换句话说，期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合裡。） 例如，掷一枚公平的六面骰子，其每次「點數」的期望值是3.5，计算如下： \operatorname(X)&.
指数函数
指数函数（Exponential function）是形式為b^x的數學函数，其中b是底數（或稱基數，base），而x是指數（index / exponent）。 現今指數函數通常特指以\mbox為底數的指數函數（即\mbox^x），為数学中重要的函数，也可寫作\exp(x)。这里的\mbox是数学常数，也就是自然对数函数的底数，近似值为2.718281828，又称为欧拉数。 作为实数变量x的函数，y.
最小二乘法
最小二乘法（又称--）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。 利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。 “最小平方法”是對過度確定系統，即其中存在比未知數更多的方程組，以迴歸分析求得近似解的標準方法。在這整個解決方案中，最小平方法演算為每一方程式的結果中，將殘差平方和的總和最小化。 最重要的應用是在曲線擬合上。最小平方所涵義的最佳擬合，即殘差（殘差為：觀測值與模型提供的擬合值之間的差距）平方總和的最小化。當問題在自變量（x變量）有重大不確定性時，那麼使用簡易迴歸和最小平方法會發生問題；在這種情況下，須另外考慮變量-誤差-擬合模型所需的方法，而不是最小平方法。 最小平方問題分為兩種：線性或普通的最小平方法，和非線性的最小平方法，取決於在所有未知數中的殘差是否為線性。線性的最小平方問題發生在統計迴歸分析中；它有一個封閉形式的解決方案。非線性的問題通常經由迭代細緻化來解決；在每次迭代中，系統由線性近似，因此在這兩種情況下核心演算是相同的。 最小平方法所得出的多項式，即以擬合曲線的函數來描述自變量與預計應變量的變異數關係。 當觀測值來自指數族且滿足輕度條件時，最小平方估計和最大似然估计是相同的。最小平方法也能從動差法得出。 以下討論大多是以線性函數形式來表示，但對於更廣泛的函數族，最小平方法也是有效和實用的。此外，迭代地將局部的二次近似應用於或然性（藉由費雪信息），最小平方法可用於擬合廣義線性模型。 其它依據平方距離的目標加總函數作為逼近函數的主題，請參見最小平方法（函數近似）。 最小平方法通常歸功於高斯（Carl Friedrich Gauss，1795），但最小平方法是由阿德里安-马里·勒让德（Adrien-Marie Legendre）首先發表的。.
新！!: 正态分布和最小二乘法 · 查看更多 »
方差
方差（Variance），應用數學裡的專有名詞。在概率论和统计学中，一个随机变量的方差描述的是它的离散程度，也就是该变量离其期望值的距离。一个实随机变量的方差也称为它的二阶矩或二階中心動差，恰巧也是它的二阶累积量。這裡把複雜說白了，就是將各個誤差將之平方（而非取絕對值，使之肯定為正數），相加之後再除以總數，透過這樣的方式來算出各個數據分佈、零散（相對中心點）的程度。繼續延伸的話，方差的算术平方根称为该随机变量的标准差（此為相對各個數據點間）。.
數值積分
在数值分析中，數值積分是计算定積分数值的方法和理论。在数学分析中，给定函数的定積分的计算不总是可行的。许多定积分不能用已知的積分公式得到精确值。数值积分是利用黎曼积分等数学定义，用数值逼近的方法近似计算给定的定积分值。借助于电子计算设备，数值积分可以快速而有效地计算复杂的积分。.
拐点
拐點（Inflection point）或反曲點是一條可微曲線改變凹凸性的點，或者等價地說，是使切線穿越曲線的點。 決定曲線的拐點有助於理解曲線的外形，這在描繪曲線圖形時特別有用。.
68–95–99.7原則
在統計上，68–95–99.7原則是在正態分佈中，距平均值小於一個標準差、二個標準差、三個標準差以內的百分比，更精確的數字是68.27%、95.45%及99.73%。若用數學用語表示，其算式如下，其中X為常態分布隨機變數的觀測值，μ為分佈的平均值，而σ為標準差： \end 在實驗科學中有對應正態分佈的三西格馬定律（three-sigma rule of thumb），是一個簡單的推論，內容是「幾乎所有」的值都在平均值正負三個標準差的範圍內，也就是在實驗上可以將99.7%的機率視為「幾乎一定」。不過上述推論是否有效，會視探討領域中「顯著」的定義而定，在不同領域，「顯著」（significant）的定義也隨著不同，例如在社會科學中，若置信区间是在正負二個標準差（95%）的範圍，即可視為顯著。但是在粒子物理中，若是新的粒子，置信区间要到正負五個標準差（99.99994%）的程度。 在不是正態分佈的情形下，也有另一個對應的三西格馬定律（three-sigma rule），即使是在非正態分佈的情形下，至少會有88.8%的機率會在正負三個標準差的範圍內，這是依照切比雪夫不等式的結果。若是單模分佈（unimodal distributions）下，正負三個標準差內的機率至少有95%，若一些符合特定條件的分佈，機率至少會到98% 。.
新！!: 正态分布和68–95–99.7原則 · 查看更多 »
重定向到这里：
常態分佈，常態分布，常態分配，标准正态分布，標準正態分布，鐘形曲線，高斯分布，高斯分配，钟形曲线。
