馬氏距離法屬於數學的哪個方面？

這就是我要找的：描述是統計的，看看統計學的書就知道了（我在同濟大學學過統計學，還不錯）。

馬哈拉諾比斯距離是由印度統計學家 P. Maharanobis 開發的 c.Mahalanobis），表示資料的協方差距離。

它是計算兩組未知樣本相似度的有效方法。 與歐幾里得距離不同，它考慮了各種屬性之間的聯絡（例如，一條關於身高的資訊導致一條關於體重的資訊，因為兩者是相關的），並且是尺度不變的，即與測量尺度無關。

對於協方差矩陣均值為 的多元向量，馬氏距離為 。

馬氏距離也可以定義為服從相同分布的兩個隨機變數之間的差異程度，其協方差矩陣為

如果協方差矩陣是單位矩陣，則馬氏距離簡化為歐幾里得距離，如果協方差矩陣是對角矩陣，也可以稱為歸一化歐幾里得距離'.

其中 i 是 習 的標準差。

什麼是Marhalanobis距離判別法。

馬哈拉諾比斯距離由印度統計學家馬哈拉諾比斯（）提出，表示資料的協方差距離。 它是計算兩組未知樣本相似度的有效方法。 與歐幾里得距離不同，它考慮了各種屬性之間的聯絡（例如

一條關於身高的資訊導致一條關於體重的資訊，因為兩者是相關的）並且是尺度不變的，即與測量尺度無關。對於具有協方差均值和協方差矩陣的多元向量，馬氏距離也可以定義為服從相同分布且協方差矩陣為'.

其中 i 是 習 的標準差。

你不需要知道這裡是哪個距離...... 完成後，找到係數並將它們與相應的自變數相乘，得到判別判別並知道臨界值 y0。 Y0 可以通過將已知分組的所有 y 值相加並除以數字來獲得。

以兩組為例，當第一組的均值大於第二組的均值時，那麼當樣本代入判別公式時，如果y大於y0，則判定為第一組。 否則，將被判定為第二組。

如果你不明白，你可以打我。

完成 Fisher 判別分析後，SPSS 將給出典型判別函式係數和函式在每種質心處的馬氏距離。

歐幾里得是最常見的幾何數學，主要使用它，即 m 維空間中兩點之間的真實距離。 相同的 2 點 A 和 B，無論如何定義空間坐標系，距離都是相同的。 馬氏距離是資料的協方差距離，計算與總體樣本有關，相同的兩個樣本A和B，放入兩個不同的總體中，最終計算出的兩個樣本之間的馬氏距離一般不相同，除非兩個總體的協方差矩陣相同;

矩陣是高等代數中的常用工具，也常見於統計分析等應用數學學科中。 在物理學中，矩陣在電路、力學、光學和量子物理學中都有應用; 在電腦科學中，3D 動畫也需要使用矩陣。 矩陣的運算是數值分析領域的乙個重要問題。

將矩陣分解為簡單矩陣的組合可以簡化矩陣在理論和實際應用中的操作。 對於一些應用廣泛、形式特殊的矩陣，如稀疏矩陣和準對角矩陣，有特定的快速運算演算法。 關於矩陣相關理論的發展和應用，請參考矩陣理論。

在天體物理學、量子力學等領域，也會出現無限維矩陣，這是矩陣的一種泛化。