查看“︁标准化 (统计学)”︁的源代码

{{Other uses|subject=統計學中將不同的單位全部轉換為同一個單位，以方便人們計算的方法|other=先制定一套規則，再強迫體系內的所有人遵守這個規則的過程|标准化}}
{{other uses|标准分数}}
{{NoteTA
|G1 = Math
|1=zh-hant:參數;zh-cn:参数;zh-tw:母數
|2= zh-hans:矩; zh-tw:動差;zh-hant:矩
|3= zh-hans:矩阵; zh-tw:矩陣;zh-hant:矩陣
|4= zh-cn:原点矩; zh-tw:原動差
|5= zh-cn:中心矩; zh-tw:主動差
}}
在[[统计学]]以及一些统计学应用领域，'''标准化'''有着一系列涵义。<ref name=Dodge> [[Yadolah Dodge|Dodge, Y]] (2003) ''The Oxford Dictionary of Statistical Terms'', OUP. ISBN 0-19-920613-9 </ref>举个最简单的例子，'''率的标准化'''指的是参照某个标准来调整两组资料的构成使其能够形成参考，比如两者有着不同的尺寸和规格，如果要比较两个总率时，往往按照某个统一的标准（如统一的内部构成）来进行修正，以消除内部构成不同所造成的对结果的影响。<ref name=tjx>''医学统计学 （第五版）'' ISBN 978-7-117-10090-8 </ref>

== 例子 ==
在统计学里有着各种不同的规范化方案。参见下表所示：
{|
!   名字   !!   公式   !!   使用  
|-
| [[标准分数]] || <math>\frac{X - \mu}{\sigma}</math> || 用来标准化误差，当总体参数是已知时。
|-
| [[T-统计量]] || <math>\frac{X - \overline{X}}{s}</math> || 用来标准化[[残差]]，当总体参数是未知时（或估计时）。
|-
| [[学生化残差]] || <math>\frac{\hat \epsilon_i}{\hat \sigma_i} = \frac{X_i - \hat \mu_i}{\hat \sigma_i}</math> || 用来标准化残差，当参数的值为估算时，特别是在[[回归分析]]中跨越不同数据点.
|-
| [[标准化矩]] || <math>\frac{\mu_k}{\sigma^k}</math> || 用来标准化[[中心矩]]，使用标准偏差作为衡量规模。
|-
| [[变异系数]] || <math>\frac{\sigma}{\mu}</math> || 标准化离散量，是[[概率分布]]离散程度的一个[[归一化]]量度，其定义为[[标准差]]<math>\ \sigma </math>与[[平均值]]<math>\ \mu </math>之比.
|-
|}

注意一些其他的比值，比如[[离差指数]] <math>\left(\frac{\sigma^2}{\mu}\right)</math>也做了标准化，但并不是[[无量纲量|無因次值]]（由若干个量所相乘、相除、乘方或者开方等算法组合到一起的单一综合体）。

== 参见 ==
* [[标准分数]]

== 参考资料 ==
{{reflist}}

== 外部链接 ==
*[https://web.archive.org/web/20121230101134/http://www.qsarworld.com/qsar-statistics-normalization.php Statistical Normalization]
*[https://web.archive.org/web/20120725070221/http://www.qsarworld.com/qsar-statistics-mean-shifting.php Mean shifting]
{{statistics-stub}}
[[Category:统计学比率]]