目录
18 关系: 埃尔米特矩阵，协方差，协方差矩阵，变异系数，向量空间，希尔伯特空间，应用数学，共轭转置，算术平方根，统计学，羅納德·費雪，随机变量，概率论，標準差，正定矩阵，期望值，方块矩阵，方差。
- 统计偏差和离散度
埃尔米特矩阵
埃尔米特矩阵（Hermitian matrix，又译作厄米矩阵），也稱自伴隨矩陣，是共轭對稱的方陣。埃尔米特矩阵中每一个第i行第j列的元素都与第j行第i列的元素的复共轭。 对于 有： 记做： 例如： 3&2+i\\ 2-i&1 \end 就是一个埃尔米特矩阵。 显然，埃尔米特矩阵主对角线上的元素都是实数的，其特征值也是实数。对于只包含实数元素的矩阵（实矩阵），如果它是对称阵，即所有元素关于主对角线对称，那么它也是埃尔米特矩阵。也就是说，实对称矩阵是埃尔米特矩阵的特例。.
查看 方差和埃尔米特矩阵
协方差
共變異數（Covariance）在概率論和統計學中用於衡量兩個變量的总体误差。而方差是协方差的一種特殊情況，即當兩個變量是相同的情況。 期望值分别为E(X).
查看 方差和协方差
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。.
查看 方差和协方差矩阵
变异系数
在概率论和统计学中，变异系数，又称“离散系数”（英文：coefficient of variation），是概率分布离散程度的一个归一化量度，其定义为标准差\ \sigma 与平均值\ \mu 之比： 变异系数（coefficient of variation）只在平均值不为零时有定义，而且一般适用于平均值大于零的情况。变异系数也被称为标准离差率或单位风险。 变异系数只对由比率标量计算出来的数值有意义。举例来说，对于一个气温的分布，使用开尔文或摄氏度来计算的话并不会改变标准差的值，但是温度的平均值会改变，因此使用不同的温标的话得出的变异系数是不同的。也就是说，使用区间标量得到的变异系数是没有意义的。.
查看 方差和变异系数
向量空间
向量空間是现代数学中的一个基本概念。是線性代數研究的基本对象。 向量空间的一个直观模型是向量几何，幾何上的向量及相关的運算即向量加法，標量乘法，以及对運算的一些限制如封闭性，结合律，已大致地描述了“向量空間”这个數學概念的直观形象。 在现代数学中，“向量”的概念不仅限于此，满足下列公理的任何数学对象都可被当作向量处理。譬如，實系數多項式的集合在定义适当的运算后构成向量空間，在代数上处理是方便的。单变元实函数的集合在定义适当的运算后，也构成向量空间，研究此类函数向量空间的数学分支称为泛函分析。.
查看 方差和向量空间
希尔伯特空间
在数学裡，希尔伯特空间即完备的内积空间，也就是說一個帶有內積的完備向量空間。是有限维欧几里得空间的一个推广，使之不局限于實數的情形和有限的维数，但又不失完备性（而不像一般的非欧几里得空间那样破坏了完备性）。与欧几里得空间相仿，希尔伯特空间也是一个内积空间，其上有距离和角的概念（及由此引申而来的正交性与垂直性的概念）。此外，希尔伯特空间还是一个完备的空间，其上所有的柯西序列會收敛到此空間裡的一點，从而微积分中的大部分概念都可以无障碍地推广到希尔伯特空间中。希尔伯特空间为基于任意正交系上的多项式表示的傅立叶级数和傅立叶变换提供了一种有效的表述方式，而这也是泛函分析的核心概念之一。希尔伯特空间是公設化数学和量子力学的关键性概念之一。.
查看 方差和希尔伯特空间
应用数学
應用數學（Applied Mathematics）是以應用為目的的明確的數學理論和方法的總稱，研究如何應用數學知識到其他範疇（尤其是科學）的數學分支，可以說是純數學的相反，應用純數學中的結論擴展到物理學等其他科學中，應用數學的發展是以科學為依據，作為科學研究的後盾。包括線性代數、矩陣理論、向量分析、複變分析、微分方程、拉普拉斯變換、傅里葉分析、數值分析、概率论、數理統計、運籌學、博弈論、控制理論、組合數學、資訊理論等許多數學分支，也包括從各種應用領域中提出的數學問題的研究。而大部分應用數學是以作為物理分析的工具。計算數學有時也可視為應用數學的一部分。應用數學大部分的教學範疇都是以物理的模型為基礎進行分析，當中或許搭配了各種數學工具，就為了更貼近物理的系統。 圖論應用在網絡分析，拓撲學在電路分析上的應用，群論在結晶學上的應用，微分幾何在規範場上的應用，自動控制理論在計算上的應用，黎曼幾何應用於相對論，數理邏輯應用於計算機，最小二乘法應用於飛機起降時自動控制，利用數字合成計算機輔助的X射線斷層成像技術（1979年數學家獲得諾貝爾醫學獎）數論應用在密碼學，博弈論、概率論、統計學應用在經濟學，線性規劃用於生產安排調度，都可見數學在不同範疇的應用。.
查看 方差和应用数学
共轭转置
矩阵A的共轭转置A^*（又称埃尔米特共轭、埃尔米特转置）定义为： 其中(\cdot)_表示矩阵i行j列上的元素，\overline表示标量的复共轭。 这一定义也可以写作： 其中A^\mathrm \,\!是矩阵A的转置，\overline\,\!表示对矩阵A中的元素取复共轭。 通常用以下记号表示矩阵A的共轭转置：.
查看 方差和共轭转置
算术平方根
#重定向 平方根.
查看 方差和算术平方根
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。.
查看 方差和统计学
羅納德·費雪
#重定向 羅納德·愛爾默·費雪.
查看 方差和羅納德·費雪
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.
查看 方差和随机变量
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).
查看 方差和概率论
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：.
查看 方差和標準差
正定矩阵
在线性代数裡，正定矩阵是埃尔米特矩阵的一种，有时会简称为正定阵。在线性代数中，正定矩阵的性质類似复数中的正实数。与正定矩阵相对应的线性算子是对称正定双线性形式（複域中则对应埃尔米特正定双线性形式）。.
查看 方差和正定矩阵
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)&.
查看 方差和期望值
方块矩阵
方塊矩陣，或简称方阵，是行數及列數皆相同的矩陣。由n \times n\,矩陣組成的集合，連同矩陣加法和矩陣乘法，构成環。除了n.
查看 方差和方块矩阵
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）。.
查看 方差和方差
另见
统计偏差和离散度
- 中心矩
- 偏度
- 全距
- 公差 (工程学)
- 半峰全宽
- 变异系数
- 合并方差
- 均方根误差
- 均方误差
- 大津算法
- 峰度
- 市場風險
- 布林带
- 平均差
- 平方平均数
- 异方差
- 方差
- 方差扩大因子
- 最小均方误差
- 标准误差
- 標準差
- 標準矩
- 离散程度
- 误差
- 误差传播
- 误差范围
亦称为 變異數。