俄罗斯搜索引擎推广,广州优化网站建设,网站促销广告,校园风景网页设计图片1. 均值、众数描述数据的集中趋势度量#xff0c;四分位差、极差描述数据的离散程度。
2. 标准差、四分位差、异众比率度量离散程度#xff0c;协方差是度量相关性。 期望值分别为E[X]与E[Y]的两个实随机变量X与Y之间的协方差Cov(X,Y)定义为#xff1a;
从直观上来看…1. 均值、众数描述数据的集中趋势度量四分位差、极差描述数据的离散程度。
2. 标准差、四分位差、异众比率度量离散程度协方差是度量相关性。 期望值分别为E[X]与E[Y]的两个实随机变量X与Y之间的协方差Cov(X,Y)定义为
从直观上来看协方差表示的是两个变量总体误差的期望。
如果X与Y是统计独立的那么二者之间的协方差就是0因为两个独立的随机变量满足E[XY]E[X]E[Y]。
但是反过来并不成立。即如果X与Y的协方差为0二者并不一定是统计独立的。
3. 卡方检验可以分析分类变量之间的相关性。http://t.csdn.cn/SZSy6
4. t检验t检验亦称student t检验Students t test主要用于样本含量较小例如n 30总体标准差σ未知的正态分布。 只能分析数值型变量。 5. 皮尔逊相关系数是一种衡量变量之间线性关系强弱的统计量。它的取值范围在-1到1之间可以反映出两个变量之间的相关程度。如果相关系数接近1表明两个变量之间存在完全正向的线性关系如果接近-1则说明存在完全负向的线性关系如果接近0则表示两个变量之间没有线性关系。 皮尔逊相关系数的计算方法如下
r Cov(X, Y) / (σX * σY)
其中Cov(X, Y)表示变量X和Y的协方差σX和σY分别表示变量X和Y的标准差。通过计算协方差和标准差我们可以得到两个变量之间的相关系数。
只能分析数值型变量。
例子百度安全验证 6. 列联相关列联相关又称列联相关系数(contingencycorrelation)又称均方相依系数或接触系数是指当两列数据中至少有一列是多分类资料时描述变量之间的相互关系的品质相关系数。
可以分析分类变量之间的相关性。 7. SQL中的关键字float浮点型、int 整数型、char 文本型、decimal 定点型
8. HAVING 子句中的筛选字段必须是可以出现在分组结果中的字段
9. 多维数据库——雪花模式
雪花模式是集中代表事实表的连接到多个层面 是类似星型模式 。 星型模型星型模式是多维的数据关系它由事实表Fact Table和维表Dimension Table组成。每个维表中都会有一个维作为主键所有这些维的主键结合成事实表的主键。事实表的非主键属性称为事实它们一般都是数值或其他可以进行计算的数据。 交叉模型
