correlation

搭配上时间的变数，会让运算复杂度升高非常多。 数据的起点在于“资料”，而资料之间会在“变数”上产生关系。 观察资料时，可以试着对资料先做分群，以年龄来举例，我们收集资料时会是一组1岁的资料、一组2岁的资料、一组3岁的资料…等，我可以将这些资料分组成1~3岁一组、4~8岁一组、9~12岁一组，而要如何分组，目前没有特别有效的演算发可以协助找出，应该需要透过对该领域的了解，用经验来试着分组，然后从整理出的结果再往后推敲更多可能性

两个随机变量X、Y之间呈线性趋势的关系称为线性相关（linear correlation），又称简单相关（sample correlation），简称相关（correlation），线性相关的性质可由散点图直观地说明。 线性相关系数的意义及计算[编辑] 其中，Cov(XY)为X与Y的协方差，Var(X)为X的方差，Var(Y)为Y的方差。 当上式右端分别为总体协方差和总体方差时，左端便是总体相关系数，记为ρ

度与斜率完全负相关时对ξ>0应的完全负相关的斜率值.ξ<0局地极大值附近只有“由上而下”的交点。图2给出了当参数T=100相关系数的绝对值|ρ|分别取值00.5和1此时第1个(实线)和第2个(虚线)返回脉冲传播时间的概率分布及其PDF的数值结果。通过以上分析及数值结果可....以看出界面高度与斜率的相关性对背向散射脉冲传播时间统计特性的影响:当参数T一定随机界面第1个和第2个返回的背向散射脉冲传播时间的概率分布及PDF仅与高度与斜率相关系数的绝对值有关;当界面高度与斜率相关系数取不同值时第1个和第2个返回的背向散射脉冲传播时间的概率分布及PDF有显著的变化