比浏览器更快的访问！
14 关系: 协方差，皮尔逊积矩相关系数，统计学，绝对值，随机变量，Gamma相關係數，Phi相關係數，柯西-施瓦茨不等式，概率论，標準差，測量尺度，期望值，斯皮尔曼等级相关系数，数量积。
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).
皮尔逊积矩相关系数
在统计学中，皮尔逊积矩相关系数（Pearson product-moment correlation coefficient，又称作 PPMCC或PCCs, 文章中常用r或Pearson's r表示）用于度量两个变量X和Y之间的相关（线性相关），其值介于-1与1之间。在自然科学领域中，该系数广泛用于度量两个变量之间的相关程度。它是由卡尔·皮尔逊从弗朗西斯·高尔顿在19世纪80年代提出的一个相似却又稍有不同的想法演变而来。J.
新！!: 相关和皮尔逊积矩相关系数 · 查看更多 »
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。.
绝对值
絕對值用來表示一個數至原點的距離之大小。絕對值的概念也可以定義在複數、有序環以及域上。.
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.
Gamma相關係數
Gama相關係數（Goodman and Kruskal's gamma），通常表示為G，是統計學上衡量兩個次序尺度變數（ordinal level variables）之相關程度所用的一種等級相關係數。 跟其他的相關係數一樣，G的範圍從 -1 到 +1 ，-1 表示完全負相關， +1 表示完全正相關。 分類: 統計學.
新！!: 相关和Gamma相關係數 · 查看更多 »
Phi相關係數
在統計學裡，「Phi相關係數」（Phi coefficient）（符號表示為：\phi 或 r_\phi）是測量兩個二元變數（binary variables or dichotomous variables）之間相關性的工具，由卡爾·皮爾森所發明 。他也發明了與Phi相關係數有密切關聯的皮爾森卡方檢定（Pearson's chi-squared test。一般所稱的卡方檢定，若未明指種類，即指此），以及發明了測量兩個連續變數之間相關程度的皮爾森積差相關係數（Pearson's r。一般所稱的相關係數，若未明指種類，即指此）。 Phi 相關係數在機器學習的領域又稱為。.
新！!: 相关和Phi相關係數 · 查看更多 »
柯西-施瓦茨不等式
數學上，柯西-施瓦茨不等式，又稱施瓦茨不等式或柯西-布尼亞科夫斯基-施瓦茨不等式，是一條很多場合都用得上的不等式；例如線性代數的矢量，數學分析的無窮級數和乘積的積分，和概率論的方差和協方差。它被认为是最重要的数学不等式之一。它有一些推广，如赫尔德不等式。 不等式以奧古斯丁·路易·柯西（Augustin Louis Cauchy），赫爾曼·阿曼杜斯·施瓦茨（Hermann Amandus Schwarz），和（Виктор Яковлевич Буняковский）命名。.
新！!: 相关和柯西-施瓦茨不等式 · 查看更多 »
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：.
測量尺度
測量尺度（scale of measure）或稱度量水平（level of measurement）、度量類別，是統計學和定量研究中，對不同種類的數據，依據其尺度水平所劃分的類別，這些尺度水平分別為：名目（nominal）、次序（ordinal）、等距（interval）、等比（ratio）。 名目尺度和次序尺度是定性的，而等距尺度和等比尺度是定量的。定量數據，又根據數據是否可數，分為离散的和连续的。.
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)&.
斯皮尔曼等级相关系数
在 统计学中, 以查尔斯·斯皮尔曼命名的斯皮尔曼等级相关系数， 经常用希腊字母 \rho (rho) 或者 r_s表示。 它是衡量两个变量的依赖性的 非参数 指标。 它利用单调方程评价两个统计变量的相关性。 如果数据中没有重复值， 并且当两个变量完全单调相关时，斯皮尔曼相关系数则为 +1 或 −1 。.
新！!: 相关和斯皮尔曼等级相关系数 · 查看更多 »
数量积
#重定向 点积.
