标准差的定义如上，衡量一组数平均偏离这组数平均值的程度。
标准化（z变换）：是把每个数减去均值、除以标准差，转化为均值为0、标准差为1 的一组数。
标准化可以理解为：标准化的值 = 每个数距离平均值有多少个标准差的大小，即可以理解为到达平均值的距离转化为有多少个标准差
均值为0理解：每个数都减去均值，所以新的数总体加起来为0，其均值就为0
标准差为1：每个数减去平均值之后，只是对整体的数做了平移，数与平均值之间的差距都没有变化，标准差还是原来的值，原始标准差 n = 原始数据距平均值的平均距离是n，但是，新的每个数除以标准差，相当于大家平均距离平均值是一个标准差（标准差本身就是：整体距离平均值的平均距离）的大小，现在就变为从之前衡量到平均值之间的数值大小，变为现在衡量到平均值之间的标准差个数的多少，相当于有一个新的概念，衡量每个数距离平均值有几个平均距离，把平均距离作为做个单位来衡量数与平均距离（平均水平）的差距多少，更能体现出每个样本之间的差距，也能把他们放在同一个维度上进行比较，相当于大家都用之前的标准差作为单位来衡量自己。
为什么一个距离平均值一个标准差范围内的概率是68%？想知道这个概率值是怎么得到的？
谢益辉: 从中心极限定理的模拟到正态分布 | 统计之都 (中国统计学门户网站，免费统计学服务平台)
中心极限定理
协方差：用来描述两组数据之间的相关性，即是否同时变大或者同时变小，如果同时变化或者同时变小，协方差是正的，如果两组数据变化方向相反，那么协方差是负的，变大变小都是以各自的平均值作为参考，大于平均值则是变大，小于平均值则是变小
协方差定义如下：
从公式中可以看出，当
，
，或者两个都相反时，他们的积才为正数，表示他们是相关的，如果是X,Y 是向量，其中多个元素，那么就看上述计算出的
符号是正还是负，正代表他们正相关、负代表他们负相关，0代表没有关系
皮尔逊相关系数：X,Y 的协方差除X,Y的标准差，也是用来衡量两组数据的相关性（曲线的相相似程度）
可以看到皮尔逊相关系数和协方差的值符号上是相同的，即同正相关、负相关、或者不相关，区别在于两者的数值大小不同，协方差容易受到不同数据的单位的影响，即变化值大小的影响，而皮尔逊系数除两者数据的标准差（衡量一组数平均偏离这组数平均值的程度），消除了数据量级不同造成的影响，偏离较多，那么分母分子会同时大。两组量级不同的但变化趋势相同的数的皮尔逊系数基本相同，但协方差差距很大，具体可参考例子。
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
