标准差怎么算（标准差系数怎么算）

#肥胖等级如何划分#一般认为，最理想的体质指数（BMI）是20～22，比如像我这种[憨笑]

我体重69.2千克，身高1.78米，我的BMI=

69.2÷1.78÷1.78=21.8

吐槽一下BMI的传统公式，BMI=体重÷身高的平方。这个“平方”特别不方便手机计算[允悲] 我一般会把这个公司简化成：BMI=体重÷身高÷身高。注意公式中体重的单位是千克（公斤，不是市斤），身高的单位是米（不是厘米）。

另外，BMI计算公式本身没有生理或病理意义，是纯粹的数值回归方程………成年人（儿童青少年例外）BMI判定肥胖的数值“切点”是根据BMI与肥胖相关疾病风险的调查数据来确定的。

儿童BMI的计算公式与成年人相同，但其判定肥胖的数值切点与成年人不同，而且数值切点确定的原理也与成年人不同，不再依靠肥胖相关疾病的调查数据（毕竟儿童很少慢性病），而是完全靠统计学数据来确定（通常采用“标准差评分法”或“百分位数法”）。如图是国家卫健委发布的判定儿童青少年肥胖的行业标准WS/T 586—2018。#注册营养师##减重大师工作室#

Excel的一些统计函数，包括计算最大值、最小值、平均值、中位值、众数、方差、标准差和四分位值等。

#APQP##cmk#算Cmk时，收集数据必须是连续收集吗？

答: 在设备调整到最佳状态后，通常要求连续加工50件产品，对于机器能力研究，要求“人”“料”“法”“环”尽可能保持恒定，以便评价机器对于特征值变差的影响。

在进行统计分析时，通常包括三步

首先，需要基于50件零件特征值的单值运行图，评估设备加工过程的稳定性；当发现任何不随机，且不能解释的异常时，都需要进行原因调查，必要时排除异常后，重新进行研究；

第二步，基于直方图和概率网确认特征值是否符合预计的分布模型，通常企业对数据进行正态性检验（如果是正态分布，则非常方便就能得到总体中99.73%的数值分布离散范围为六倍标准差，方便后续计算），这是一种简化的做法，正态分布模型对于形位公差这类特征参数非常不合适。为了与产品设计中尺寸工程软件中所使用的统计模型保持一致，通常企业会针对于不同的特性类型预设不同的的默认分布模型(参见“在设备能力研究中，如何合理的选择分布模型？”)，在进行能力研究时，确保设备能按照预计的分布模型来生成数据是设备的第一验收准则，对于默认分布模型的选择和确认，则需要使用专业的统计软件。

第三步，确认能力指数是否能满足要求。基于分布模型确定特征参数的中心位置和离散程度，用ISO标准或企业内部的标准来计算能力指数，评价是否满足规定要求。

如何验收生产设备？

世界青年平均身高173公分以上的国家和地区

各国地区青年一代200公分及以上比率和全国基数注意是中午裸足身高，身高最高是清晨，身高最低在夜晚，按严格裸足身高是199公分及以上，在整个东亚任意城市基本是极为罕见存在。标准差最大是美国因为是移民国家，其次到非洲，北美再到澳大利亚，欧洲白人比率高，国家标准差也算比较大，欧洲部分非洲白人，国家标准差要小于纯白人国家，中东大，标准差最小东亚地区。

平均身高173公分以上国家地区

荷兰男183.6女169.9

黑山男183.4女169.4

波黑男182.1女168.3

冰岛男181.8女168

丹麦男181.6女168.7

瑞典男181.4女167.9

爱沙尼亚男181.3女168.6

塞尔维亚男181.2女167.2

立陶宛男181女168.4

克罗地亚男180.8女166.6

斯洛伐克男180.7女166.3

捷克180.6女167.3

德国男180.5女167.7

比利时男180.4女166.8

斯洛文尼亚男180.3女167

希腊男180.2女165.3

挪威男180女167

匈牙利男179.9女166.9

奥地利男179.5女165.7

马其顿男179.1女164.8

波兰男178.7女165.1

芬兰男178.6女165.4（绝大部分瑞典裔）

爱尔兰男178.5女164.5

欧美发达国家男178.4女164.7

瑞士男178.3女166.1

卢森堡男178女165.5

法国男177.9女164.2

澳大利亚男177.8女163.8

英国男177.7女164

新西兰男177.6女163.9

白俄罗斯男177.5女165.6

俄罗斯男177.4女165

乌克兰男177.2女164.6

罗马尼亚男177.1女164.1

西班牙男177女163.7

格拉纳达男176.9女164.3

美国男176.8女163.6（白人男178女164.5）

加拿大男176.7女163.3

汤加男176.6女165.2

意大利男176.5女163.2

牙买加男176.1女163.5

保加利亚男175.9女162.4

格鲁吉亚男175.8女163.4

黎巴嫩男175.5女162.9

摩尔多瓦男175.4女163.1

特立尼达多巴哥男175.3女162.8

塞浦路斯男175女162.5

阿尔巴尼亚男174.9女161.3

乌拉圭男174.8女162.1

巴巴多斯男174.7女162.7

圣卢西亚男174.6女163

中国胶东男174.5女163（城市与农村小部分片区男176.5女164.5）

中国大连男174.5女163（城郊小部分片区纯山东裔男176女164）

以色列男174.5女162.6

萨摩亚男174.4女162.2

阿根廷男174.3女161.6

利比亚男174.2女161.8

斐济男174.1女160.8

哈萨克斯坦男174女162.3

葡萄牙男173.9女161.7

突尼斯男173.8女160.9

土耳其男173.7女160.6

中国华北汉族北京男173.5女161.5[只算北方汉族山东河北裔（城市小部分片区男176女163.5）]

中国华北汉族天津男173女161（城市小部分片区男175女162.5）

伊朗男173.4女159.8

塞内加尔男173.3女162

佛得角男173.2女161.5

中国山东汉族男173女160.1（城郊小部分地区男176女164）

中国最高胶东大连，200公分即使不算极为罕见地步，也是罕见高个

大连全域2000年出生段男青年一代，中午裸足200公分，2万个男性，基本没有，或者最多有1个

中午裸足190公分，在整个中国罕见

190公分即使在华北山东东北，省份不罕见，也得非常少见存在

青岛大街外来移民太多190公分也是稀有

山东青年一代男173，标准差6.5， 187以上在整个山东已经非常少见，不去人流量密集场所，基本一日下来不会被秒，在山东人流量密集场所可见到193，在高罕见，小部分平均176地区在人流量密集情况下，能见到195，胶东商业街本地人，个别街道乡镇人流量密集地，一天基本能见到，裸足197穿鞋200，高个

胶东个别街道乡镇平均值177.5

在西南华南二线城市，190公分基本极为罕见存在

江浙沪（不包含含浙南山区少数民族染色）

平均身高跟北方汉族基本相差无几，江浙标准差小对比差不多北方高个比率处于逊色

摩根大通的分析显示，按实际有效汇率计算，人民币的汇率比其五年平均水平高出约2.8个标准差，为所测得的32种主要货币之间的差异最大。据此，摩根大通认为，人民币的价值可能存在高估。#边际看财经#

白酒行业现在平均估值是46.79倍，过去五年平均估值是35倍，按上下各一个标准差为合理区间计算，白酒行业整体估值现在处于合理区间，按每年行业最低20%增速计算，明年白酒平均估值就会来到30倍以下，这样的估值对比其他赛道行业是相当有优势的，所以现在的白酒适合长期布局。

深度实践OCR——基于深度学习的文字识别

第二章 图像预处理

1、在文字检测和文字识别中，图像质量的好坏直接关系到检测率与识别率的高低，因此对图像进行预处理是不容忽视的重要环节。图像预处理常用算法：二值化、去噪和倾斜角检测校正。

2、图像二值化是指将像素点的灰度值设置为0或255，使图像呈现明显的黑白效果。二值化一方面减少了数据维度，另一方面通过排除原图中噪声带来的干扰，可以凸显有效区域的轮廓结构。OCR效果很大程度取决于该步骤，高质量的二值图像可以显著提升识别的准确率。

3、二值化的方法主要分为全局阈值方法、局部阈值方法、基于深度学习的方法等。

4、全局阈值方法：

1）固定阈值方法：该方法对于输入图像中的所有像素点统一使用同一个固定阈值。其基本思想是：g(x,y)=255，若f(x,y)>=T，否则g(x,y)=0。 T为全局阀值。

该方法的主要缺陷：很难为不同的输入图像确定最佳阀值T。

5、根据输入图片计算最佳阈值的算法：

1）Otsu算法（最大类间方差法）：是一种自适应的阀值确定方法，其基本思想：

将输入图像视为L个灰度级，ni表示灰度级i的像素个数，那么可知像素总数N=n1+n2+…nL。使用归一化的灰度直方图，并将其视为输入图像的概率分布：pi=ni/N,∑pi=1 (i=1-L)。现假设在第k个灰度级设置阀值，将图像二分为C0和C1（背景和目标物体），C0表示灰度级为[1,…,k]的像素点，C1表示灰度级为[k+1,…,L]的像素点，则两类出现的概率以及类内灰度级的均值分别为：

w0=Pr(C0)=∑pi=w(k),(i=1,…,k)

µ0=∑i*Pr(i|C0)= ∑i*pi/w0=µ(k)/w(k) ,(i=1,…,k)

其中，w(k), µ(k)分别为态度级从1到k的累积出现概率和平均灰度级。

这两类的类内方差为：

δ^2=∑(i-µ0)^2* Pr(i|C0)= ∑(i-µ0)^2*pi/w0

6、局部阀值方法：

1）自适应阀值算法：该算法用到积分图的概念，它是一个快速且有效地对网络的矩形子区域计算和的算法。积分图中任意一点(x,y)的值是从图左上角到该点形成的矩形区域内所有值之和。

2）自适应阀值算法的主要思想是以一个像素点为中心设置大小为sxs的滑窗，滑窗扫过整张图像，每次扫描均对窗口内的像素求均值并将均值作为局部阀值。若窗口中的某一像素值低于局部阀值t/100，赋值为0；高于局部阀值t/100，赋值为255。

3）Niblack算法：同样是根据窗口内的像素值计算局部阀值的，不同之处在于它不仅考虑到区域内像素点均值和方差，还考虑到用一个事先设定的修正系数k来决定影响程度。

T(x,y)=m(x,y)+k*s(x,y)，T(x,y)为阀值，m(x,y)、s(x,y)分别代表均值与方差。与m(x,y)相近的像素点被判定为背景，反之则判定为前景，相近程度由标准差和修正系数来决定。

4）Sauvola算法是针对文档二值化处理，在Niblack算法基础上的改进。

T=m*[1+k*(s/R-1)]，R是标准方差的动态范围，若输入图像是8位灰度图像，R=128。Sauvola算法在处理光线不均匀或染色图像时，比Niblack算法拥有更好的表现，因为上述公式以自适应的方式放大了标准差s的作用。

8、基于深度学习的方法：随着深度学习技术的快速发展，越来越多的工作人员尝试构建神经网络对图像进行二值化，并达到了state-of-the-art的水平。

9、文档图像二值化的两个公开数据集：

1）DIBCO（Document Image Binarization Contest）:包括灰度图、彩图、机器打印、手写文档、真实图像和模拟数据。

2）PLM（Palm Leaf Manuscripts）:是ICFHR2016手写文字图像分析baseline数据集。

Inferential statistics章节梗概：从t-distribution的使用条件讲起：无偏估计可以使用的状态下才能使用，其概率密度图像尾部的概率值比正态分布的尾部要大。然后书上定义了如何求n个数据下的其无偏估计的方差即是s^2=1/(n-1)sigma(x-xbar)^2完全平方公式一用即为1/（n-1）*(sigma x^2-nx bar^2),也可以把分子看成s sub xx故，s^2=sxx/(n-1)公式的两种面孔，所以使用的时候选择好方向猛算就行，哪一种都殊途同归。对于一种未知方差，且满足正态分布的基本群体，它的原假设和备择假设给出 它的test statistics=（xbar-u)/(s/根号n)算出，这里xbar 是sample mean,s即是无偏估计下的标准差=根号下sxx/(n-1).这个临界值对于置信水平是100*（1-a）%是单尾的ta,n-1双尾ta/2,n-1查表和test statistics的值比较看看是接受原假设，还是拒绝原假设，从而接受备择假设就可以把问题论证清楚了。来到Hypothesis test concerning the difference in means.

丁丁短小和小丁丁有什么区别？

首先必须要说明一点，丁丁短小只是与正常人的尺寸相比略有出入。

可是临床中经常能发现患者的丁丁发育正常，但他们却仍自觉有问题，所以丁丁短小更多只是一个模糊的概念。

而小丁丁，指的是外观正常，但因发育异常导致长度小于同龄人2.5个标准差以上。

目前一般认为，丁丁疲软时<4厘米，充分勃起<9.5厘米才算得上小丁丁。#涨知识# #男性健康# #清风计划#