比浏览器更快的访问！
19 关系: 协方差矩阵，向量，实数，矩 (數學)，矩阵，線性無關，线性代数，统计学，統計獨立性，相关，随机变量，變數，误差，转置矩阵，标量，概率论，期望值，方差，无量纲量。
协方差矩阵
在统计学与概率论中，共變異數矩阵（也称离差矩阵、方差-协方差矩阵）是一个矩阵，其 i, j 位置的元素是第 i 个与第 j 个（即随机变量构成的向量）之间的共變異數。这是从标量随机变量到高维度随机向量的自然推广。.
向量
向量（vector，物理、工程等也称作--）是数学、物理学和工程科学等多个自然科學中的基本概念，指一个同时具有大小和方向，且满足平行四边形法则的几何對象。一般地，同时满足具有大小和方向两个性质的几何对象即可认为是向量（特别地，电流属既有大小、又有正负方向的量，但由于其运算不满足平行四边形法则，公认为其不属于向量）。向量常常在以符号加箭头标示以区别于其它量。与向量相对的概念称标量或数量，即只有大小、绝大多数情况下没有方向（电流是特例）、不满足平行四边形法则的量。.
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：.
矩 (數學)
矩，又稱動差，英文為moment。 数学中矩的概念来自于物理学。在物理学中，矩是用来表示物体形状的物理量。矩是用于物体形状识别的重要参数指标。定义在实数域上的实函数相对于值c的n阶矩为: 總的來說，在數學中，矩的概念是用來度量一組具有一定形態特點的點陣。舉個常用的例子，一個“二階矩”，我們在一維上可以測量它的“寬度”；而在更高階的維度上，由於其適用於橢球的空間分佈，我們還可以對點的云結構進行測量和描述。其他的矩用來描述諸如與均值的歪斜分佈情況（偏態），或峰值的分佈情況（峰態）等其他方面的分佈特點。.
新！!: 协方差和矩 (數學) · 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.
線性無關
在線性代數裡，向量空間的一組元素中，若沒有向量可用有限個其他向量的線性組合所表示，则稱為線--性無關或線--性獨立（linearly independent），反之稱為線性相關（linearly dependent）。例如在三維歐幾里得空間R3的三個向量(1, 0, 0)，(0, 1, 0)和(0, 0, 1)線性無關。但(2, −1, 1)，(1, 0, 1)和(3, −1, 2)線性相關，因為第三個是前兩個的和。.
线性代数
线性代数是关于向量空间和线性映射的一个数学分支。它包括对线、面和子空间的研究，同时也涉及到所有的向量空间的一般性质。 坐标满足线性方程的点集形成n维空间中的一个超平面。n个超平面相交于一点的条件是线性代数研究的一个重要焦点。此项研究源于包含多个未知数的线性方程组。这样的方程组可以很自然地表示为矩阵和向量的形式。 线性代数既是纯数学也是应用数学的核心。例如，放宽向量空间的公理就产生抽象代数，也就出现若干推广。泛函分析研究无穷维情形的向量空间理论。线性代数与微积分结合，使得微分方程线性系统的求解更加便利。线性代数的理论已被泛化为。 线性代数的方法还用在解析几何、工程、物理、自然科学、計算機科學、计算机动画和社会科学（尤其是经济学）中。由于线性代数是一套完善的理论，非线性数学模型通常可以被近似为线性模型。.
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。.
統計獨立性
#重定向 独立 (概率论).
相关
在概率论和统计学中，相关（Correlation，或称相关系数或关联系数），显示两个随机变量之间线性关系的强度和方向。在统计学中，相关的意义是用来衡量两个变量相对于其相互独立的距离。在这个广义的定义下，有许多根据数据特点而定义的用来衡量数据相关的系数。.
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.
變數
在初等數學裡，變數或變元、元是一個用來表示值的符號，該值可以是隨意的，也可能是未指定或未定的。在代數運算時，將變數當作明確的數值代入運算中，可以於單次運算時解出多個問題。一個典型的例子為一元二次公式，該公式可以解出每個一元二次方程的值，只需要將方程的系數代入公式中的變數即可。 變數這個概念在微積分中非常重要。一般，一個函數y.
误差
误差(errors)是实验科学术语。指测量结果偏离真值的程度。对任何一个物理量进行的测量都不可能得出一个绝对准确的数值，即使使用测量技术所能达到的最完善的方法，测出的数值也和真实值存在差异，这种测量值和真实值的差异称为误差。數值計算分为绝对误差和相对误差。也可以根据误差来源分为系统误差（又称可定誤差、已定誤差）、随机误差（又称机会误差、未定誤差）和毛誤差(又稱粗差)。.
转置矩阵
在线性代数中，矩阵A的转置是另一个矩阵AT（也写做Atr, tA或A′）由下列等价动作建立.
标量
--（Scalar），又称--，是只有大小，没有方向，可用實數表示的一個量，實際上純量就是實數，純量這個稱法只是為了區別與向量的差別。标量可以是負數，例如溫度低於冰點。与之相对，向量（又称--）既有大小，又有方向。 在物理学中，标量是在坐标变换下保持不变的物理量。例如，欧几里得空间中两点间的距离在坐标变换下保持不变，相对论四维时空中在坐标变换下保持不变。与此相对的矢量，其分量在不同的坐标系中有不同的值，例如速度。标量可被用作定义向量空间。.
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).
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)&.
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）。.
无量纲量
在量綱分析中，無量綱量，或称--、无维量、无维度量、无维数量、无次元量等，指的是沒有量綱的量。它是個單純的數字，量綱為1。無量綱量在數學、物理學、工程學、經濟學以及日常生活中（如數數）被廣泛使用。一些廣為人知的無量綱量包括圓周率（π）、歐拉常數（e）和黃金分割率（φ）等。與之相對的是有量綱量，擁有諸如長度、面積、時間等單位。 無量綱量常寫作兩個有量綱量之積或比，但其最終的綱量互相消除後會得出無量綱量。比如，應變是量度形變的量，定義為長度差與原先長度之比。但由於兩者的量綱均為L（長度），因此相除後得出的量是沒有量綱的。.
