皮尔逊三型曲线三个统计参数的含义

大家好呀，临床医生写塞统计结果总被审稿人质疑，别再含糊其词， 三十秒带你一句话讲清屁值！我 hr 我！ 曲线和样本量的核心用法直接对应临床研究场景，用对不踩雷。 p 值判差异， p 小 于零点零五，说明两组疗效预后的差异是统计学显著，排除偶然误差是论文核心判定依据。 我指定关联专用于病历对照研究。我等于一点五，代表暴露组患病风险是对照组的一点五倍，小于一则为保护因素。 h 二值测生存适配队列研究的 capelin 分 析， h 二等于零点六，意味着肝郁组复发或死亡风险降低百分之四十。 while 曲线平向能重点看 a u c 值， a u c 大 于等于零点八，说明诊断模型的鉴别能力优秀。零点七至零点八为良好 样本量。定根机需根据研究设计效应量提前用公式计算，不足会导致检验效能不足，直接被拒稿。 担心这些指标在论文中表述不规范吗？可以交给我们，我们可提供一对一统计结果润色服务，帮你精准规避审稿人质疑，加速塞路用。关注我，每天分享不同的科研干货，我们下期见！

今天我们来讲解一下统计与概率学中的正态分布，正态分布是统计与概率中三种分布中比较难理解的一种，这三种分布是二项分布、超级核分布以及正态分布。 那么今天我们就来讲解一下正态分布。首先来了解一下他的这个曲线，正态分布的曲线大概是这个样子，那么这条曲线是怎么来的呢？首先我们可以画出一个柱形图，这个比如说他就是 一次高二某次数学考试中学生的分数关系，那么 零分的同学是比较少的，一百五十分的同学也是比较少的，那么平均分呢？在九十分，也就是很多人都在九十分这个大概这个区间内，所以画出柱形图大概就是这个样子， 我们把终点连成了这个线，划出来大概就是这样的一条曲线。那么不光是数学考试中人们的分数关系， 包括女生的平均身高是一米六五，然后一米三的人越往一米三靠近他就越少，越往一米八靠近他也越少， 然后包括体重，嗯，还有其他的一些成绩啊，嗯之类的东西，很多都是符合这个正态分布的。那么最终我们来到这个图像上，首先因为这个公式我们大概要了解一下 公式大概是这个样子的，那么其中呢有两个比较常见的值，一个是 mu， 一个是 sigma， 那 么我们现在就来了解一下这个 mu 和 sigma 它到底是什么？首先这个 mu 呢，在这个图像中就是它对称轴所对应的值， 比如说这个图像中对称轴所对应的值就是九十，那么这个缪呢？就是九十，那么 sigma 是 什么呢？比如说 sigma 越大，那这个图像呢？它就越平缓， 但是不管这个图像是怎么变化的，它大概围成它与这个坐标轴围成的面积大概都是相同的，然后呢这个 sigma 越大，它这个图像大概变成了这个趋势，然后 sigma 越小， 它图像就会变得越陡峭一些，所以 sigma 对 应的是图像它这个变化趋势。 那么在看某每一个图像的时候，我们都需要先看这个图像的，嗯，横坐标和纵坐标，对吧？ 那么这个 x 横坐标对应的就是我们所需要考虑的这个自变量，嗯，也就是说，嗯，比如说这个是分数，那么女生的身高，那么就是身高，体重就是体重，那么 动作不要歪是什么呢？动作不要歪是频率。嗯，好的，那么我们现在去了解一下这个面积所对应的这个数值是什么？比如说我们再画出一个曲线， 比如依旧是嗯，这样的一个正态分布的曲线，那么还是我们数学成绩大概在九十分是平均分，然后最高点， 比如说我们画出这个是一百三，然后 在九十到一百三之间的这个人数，他的概率大概是零点四，那么从九十到一百三是四十分。 如果我们往前推的话，从九十再往前推四十分是五十分，那么五十到九十这个区间内， 他的得分的概率也是零点四。这就是我们正态分布中一个非常重要的一个性质，就是当 两边是相同的分数区间的时候，就是比如说呃是九十到一百三，或者是说他的这个身高是一百一米六五至呃一米三五， 然后那他们前面的那些是相同分数区间，或者相同区间内的这个人数大概也是相同的，也就是说频率啊，不是这个概率也是相同的，那么我们最后可以写出来这个 p 是 就等于零点四，然后同理 也是零点四，那么由于整个面积是一，所以我们可以知道这个大于零点，大于一百三的这个人数， 然后它所对应的这个概率就是零点一， 然后小于五十的这个概率也是零点一，所以大概这个得出的这个频率呢？嗯，还有大概这个概率呢，就是我们所写出的这些，那么 我们刚才说到这个零点三啊，还是零点一啊，也好，它都是概率，对吗？ 但是其实呢，也可以说，如果题目中提到，比如说九十到一百三十六个区间内，它所对应的这个面积是零点三，那么它的概率就是零点三，它的面积是零点四，它的概率就是零点四。 那么最后我们再提到一个，嗯，比较常见的状态分布中所题目中所提到的式子，那么就是 x 这个波浪线，然后 n 这个波浪线 n， 也就是说明这个 x 它是符合状态分布的， 然后这个命就是我们所提到的这个对称轴，然后 sigma 的 平方就是我们刚才说到的这个正负。好了，那么我们今天的讲解完毕，明天我们要来写练习一道正确丰富的题目。

大家好，我是周飞老师，专注于医学论文与课题辅导。今天呢，和大家介介绍一下正态分布到底长啥样？什么是正态分布？为什么统计分析前都要判断正不正态？今天和大家做一个简单的介绍。我们在介绍之前，先要了解一下正态分布的定义以及它的特征。 正态分布是数据集中两间，然后两边对称的中型曲线，均值等于中位数，比如说身高血压分布。正态分布其实就是中间高，两边低，形状像一个中，这样理解起来可能会更方便一点。那么它的统计分析的意义什么呢？ 像正态分布的时候，我们一般是用 t 检验方差来进行分析的，非正态分布呢，可以用一和检验非参数的一个方法。 那么判断正在分布的方法呢？就是我们在 space 软件中来进行的，通过软件工具判断数据是否符合正态分布 啊。曾经呢，有一位医生用 t 检验来分析住院天数的差异，但是数据明显的偏态被退稿，那么后面改用一核检验后顺利发表，就是分布一变，方法全变。判断分布是数据分析的第一步。 下面呢，我们将讲 p 值到底是多少，它能代表一切吗？啊，记得点赞加关注，我们下期见！

本系列视频耗时八千七百六十个小时精心制作，今天带你掌握柯西不等式三大题型，二维柯西不等式、三维柯西不等式、反柯西不等式。 首先我们来介绍一下二维、三维 n 维和反柯西不等式的公式。问大家一个问题，你知道什么是二维形式的柯西不等式吗？ 它就是 a 方加 b 方的和乘 c 方加 d 方的和大于等于 a， c 加 b、 d 的 平方的这种形式，这就是它公式。那后面的条件千万不要忘记啊，当 a、 b、 c、 d 属于 r， 并且当 a、 d 等于 bc 时，等号是成立的。这个后面的条件如果不写会扣分的。那我们背下来二维的克奇不等式之后， 我们还需要知道他的片式都有哪些啊？首先第一个他这个公式，他是两边都开了一个根号，对吧？所以这边右边变成了一个绝对值的形式，因为是正的嘛，那后面条件大家也注意要写上。第二个形式是根号下 a 方加 b 方乘根号， c 方加 d 的 绝对值，加 b 的 绝对值条件依旧不要忘记。第三种形式呢，就是当我们把 a 方、 b 方、 c 方地方变成 a、 b、 c、 d 的 时候的这种变式啊，那它的话呢，就是 a、 b、 c、 d 都要大于等于零同号嘛，当前仅当 a、 d 等于 b、 c 时，等号成立，这里大家注意， 那我们知道了二维的克奇不等式的公式和变式，单类的变式。那我们看 n 为克奇不等式是什么呢？ n 的 话，它其实三维也是通用的，它的公式就是这一长串， 它是什么呢？前面是一个 a 一 到 a， n 平方的求和，后面呢是 b 一 方到 b n 方的一个求和，乘上了大于等于 a 一， b 加 a 二， b 二一直加到 a n、 b n 的 平方。然后它的条件呢就是当且紧刀 a 和 b 它们是成比 比例的时候，我们等号成立。那我们来看一下这个公式它是如何证明得到的。首先我们第一步可以设一个 a 向量等， 等于 a 一 a 二 a 三一直到 a n， 这它向量坐标吧。那 b 向量呢，等于 b 一 b 二也到一个 b n， 这是 a 向量和 b 向量的坐标。然后我们看啊， a 向量的模是什么呢？是不就是 a 一 的平方加 a 二的平方一直加加到 a n 的 平方开根号啊？那同理， b 下来的膜呢，就是 b 一 的平方加 b 二的平方也是加到 b n 的 平方开根号，对吧？那我们接下来看啊， a 向量模乘 b 向量模是什么？是不是就等于根号下前面这一串乘后面这一串啊？前面就是从 a 一 的平方加到 a n 的 平方，后面是从 b 的 平方加到 b n 的 平方，对不对？那我们继续再看啊。如果我说 a 向量乘 b 向量等于什么来着？ a 向量点乘 b 向量的话，它是不等于 a 一 b 一 加 a 二 b 二，一直加到 a n、 b n 的 一个形式。那我们看这个点积和这个膜的积有什么关系呢？我们是不是知道 a 向量与 b 向量点积的膜是小于等于 a 向量的膜乘 b 向量的膜的，所以我们就可以得到，左边是 a 一 b 一 加 a 二， b 二一直加，加到 a n、 b n 的 模是小于等于根号下这一坨的啊。那接下来我们怎么办？两边 分别给它平方，平方的话，我们是不是就得到了我们的 n 为柯西不等式，这就是我们 n 为柯西不等式的 丧量证明过程。好，那我们来看一下反克西不等式呢？反克西不等式他的不等式是什么？就是把加号变成了减号，然后大于等于变成了小于等于，这个大家了解一下，遇到 减法的时候，我们给他用到就可以了哈。好，那我们来看一下我们这个视频讲解的三个，一个是二维克西不等式和反克 奇不等式，二为克西不等式的形式， n 为和反克西不等式的三种形式，大家一定要注意，而且我们后面的当其紧当大家是一定要写上的哈， 那我们看我们运用克西不等式是可以快速的求解出函数最值证明不等式，并且求距离范围的这种类型题的，它常用于竞赛或者是平方和的这种 题型的计算会减变非常之多。那接着我们来看一下真题模型精讲。我们首先看第一类配凑形式的题型，我们立一已知二， x 加三， y 等于四，让我们求 s 方加 y 方的最小值。我们这道题的关键是什么呢？关键就是求这种 已知条件转化成可求不等式左边啊， a 一 方乘 b 一 方，它这些求和的这种形式哈，那我们看我们要求的是不是一个 x 方加 y 方， 那我们 a 方加 b 方的话，是不是要乘 c 方加 d 方啊？但是我们没有啊，是不是它的话相当于它乘一对不对？那我们没有一的话怎么办呢？我们就自己进行配凑啊， 配凑成他题目中给的前面系数的形式啊，我一会儿来说一下，为什么这样子配凑配凑成二的平方 加三的平方的这种形式，那我们看，根据克西不等式，他肯定是大于等于二 x 加三 y 整体的平方的，对不对？哎，这就是我们为什么要配凑成二方加三方的形式，因为我们后面要凑成二 s 加三 y， 因， 因为我们只知道二四加三 y 的 值，对不对？所以说我们看啊，接下来的这是四加九等于十三嘛，也就是说十三倍的 s 方加 y 方，它是大于等于十六的，那么 x 方加 y 方的话，它是大于等于十三分之十六的，也就是说它最小值就是十三分之十六嘛。但是我们后面一定要写一下啊，当这个 s 比二等于三比 y 时，等号成立，这样子它才不会扣分啊，大家注意这一点。 好，那我们看一下例题二，它是运用一的代换来构造不等式的。这道题已知正实数 x、 y、 z 的 和为一，那么我们就是知道 x 加 y z 是 等于一的，然后我们求这一长串的最小值。 那这道题它应用的场景呢？就是分式求和或者说条件和为一的这种问题啊。我们是用 三维的克奇不等式啊，因为他不是有三个分式吗？那我们看三维怎么能凑成三维呢？他的话应该成什么？是不是应该成分母啊？对不对？所以说我们分母第一个是不是 x 加 y， 第二个呢？是不是 y 加 z， 第三个是不是 z 加 x， 他 是不是应该凑成这样的一个形式啊？他的话我们是大于等于什么的呢？他是相当于 根号 x 加 y 分 之 x 乘根号 x 加 y 这种形式对不对？那我们把三个都写在上面，好，我们看接下来的话，我们给它化简成什么了，这两个是不是约掉了？ 所以说它就是等于什么呢？ x 加 y 加 z 的 平方的一个形式，那么就是一的平方就是一，对不对？所以我们看我们最后 x 加 y 加 z 是 不是一，相当于我们乘了个二，对不对？所以是二倍的，它大于等于一，那么这个式子是不是又是大于等于二分之一的？那并且当且仅当 x 等于 y 等于 z 等于三分 之一时，等号成立，所以它最小值就是二分之一。那接着我们看一下今天第三类题型， 就是运用反科学不能式来求最值，它的话呢，可以求根式，求差的最值。问题类型，那我们来看一下 f x 等于根号五， s 减四，减去根号 x 减四， 我们要求它最小值的话，我们要给它怎么变？是不是变成 a c 减 b d 的 一个形式啊？那我们看它的话有乘积吗？ 没有，是不是？那我们可以提出来一个系数啊，比如说我提一个根号五这个系数出来，然后变成根号五乘什么了？乘 x 减去五分之四，对不对？那这边呢？我提一个根号一出来，那就是一乘一乘，根号下 x 减四，是不是？ 那他的话大于等于什么？根号下根号五的平方减去根号一的平方，对不对？乘个后面的这个数的平方，减去 他的平方，然后他就等于什么来着？等于根号下四乘五分之十六，对吧？等于根号五分之八，那么就是五分之八倍根号五，那最小值就是五分之八倍根号五。 那我们最后一定要写啊，写当且紧，当 x 减五分之四比上， x 减四等于五比一时，等号成立。 我们的三种类型题都讲完了，接着我们来总结。我们首先看一下科西不等式，它的核心是什么？ 就是平方和的乘积大于乘积和的平方，它呢就是适用于二维、三维、 n 维，这些形式都是一样的，统一的，结构也是一致的。那我们的考点呢？一般 正向考的话，就是求最值、正不等式，求范围这种类型啊。那反向考呢？就是放缩下限，仅约束的这种类型题。最后我们一定要注意抓住配凑， 其次对称啊，直接可以高效解题。那我们下期见，下期想听什么？欢迎评论区投稿。

嘿，我们今天来聊一条特别简单的曲线，但你可能想不到，它几乎能解释所有人类群体的行为，这条曲线就是正态分布，它其实是一个我们都该懂的常识，能帮我们打开一个系统性思考的大门，看懂很多事情背后的逻辑。我们先来想一个问题啊，如果我告诉你，就这么一条曲线，就能解释几乎所有关于人的事，从市场交易到社会潮流，甚至是咱们自己的生活，你信吗？ 对，这就是我们今天要去挖的东西。咱们今天的路线图大概是这样，首先我们会感受一下这条看透一切的曲线到底有多厉害，然后我会用最简单的话把它讲明白，接着我们会去看看他在金融市场和日常生活里是怎么用的，最后再把它放大到营销和社会层面。当然，最重要的是，在最后我会跟你聊聊怎么用这个思维模型来建立你自己的分析系统。 好，那我们先来看第一部分，咱们别把它想成什么枯燥的数学公式，就把它当成一张人看懂人类集体行动的通用蓝图。你没听错，原始的分享里就提出了一个相当大胆的观点，这条曲线几乎可以描述所有人类的群体行为。所以啊，把它当成一个常识来理解，对我们建立一个看问题的系统真的特别有帮助。 好，那说了半天，这到底是个啥曲线呢？他到底想说个啥？咱们又该怎么用他呢？其实啊，这个正态分布也叫高斯分布，他的核心思想特别简单，说白了就是在一个群体里，大部分人都普普通通，在平均水平上下，而那些特别牛的和特别差的都只是少数。 为了让大家更好理解，咱们来看个例子，就说一个班的考试成绩吧，你看考满分和考零分的同学都很少，对吧？大部分人的分数都挤在中间这一块，也就是二十多分到八十分之间， 这不就正好画出了一个中间高两边低的中型曲线吗？ ok， 基础概念我们懂了，但问题来了，这么简单的曲线，放到像金融市场那种风云变换的地方，它又能干嘛呢？在交易里啊，有个很关键的词叫控制点，或者说 p o c， 你 得知道，它指的不是某个具体的价格，而是一个区间，一个交易量最密集的区间，大概七成的交易都在这发生。 这其实就是正太分配的那个大肚子，也就是市场上大部分人觉得值得那个地方。这张图就有意思了，他把市场两种状态分的特别清楚，你看在曲线中间这个价值区里面，买家卖家都多，大家对价格看法差不多，所以价格走的就比较稳，比较慢。 但是一旦跑到了曲线的两头，也就是区域外，情况就完全不一样了，那里人少，成交量也小，大家意见不统一，所以这里就成了价格真空地带，价格一旦动起来，那可是又快又猛 动了。这个我们就能分清什么是真突破，什么是假突破了。你看啊，假突破他往往就是为了搞点波动，订单是零零散散的，量也跟不上。但真突破就不一样了，那是市场的真实意图，你会看到那个成交量啊，是持续不断的放大，这就说明大家想法变了，价格要去寻找一个新的价值共识了。 ok， 我 们从高大上的金融市场里出来，换个画风来听个特别地气，甚至有点好笑的故事。这个例子啊，真的能让你看到这个概念在咱们日常生活中有多好用。故事的主人公分享了他小时候的经历，他说他发现自己挨打这事吧，他不是瞎打的，而是有规律的，一到周二和周四，挨揍的次数就飙升，你看，能发现数据里的这个异常，就是解决问题的开始了。 所以你看，这不光是个好玩的故事，他背后是一套能重复用的方法。他把这个过程总结成了四步，第一步找到规律，第二步去调查为啥，结果发现，哦，原来是老师专挑这两天查考前，然后就跟他妈告状。那第三步就改变变量，他乖乖的去上晚自习了。最后一步看结果，哎，挨打的次数真的就下来了。 你看这个故事是不是很巧妙的又回到了咱们之前说的交易上，其实这套避免挨打的方法，完全可以拿来分析你亏钱的交易，你去做个统计，看看自己总是在什么样的市场里亏钱，问题的根子不就找到了吗？然后才能去改进好。我们看过了市场，也看过了家庭，那如果我们把格局再打开一点，放到整个社会层面，这条曲线又能告诉我们什么呢？ 就拿营销来说吧，消费者的行为啊，也完全符合这个正态。分布在曲线的两头是那一小村赶第一个吃螃蟹的人，我们叫他们种子用户。而在曲线中间那个大块头，就是我们说的大多数人，他们是跟着别人走的，看到别人都在用了，或者广告打的响了，他们才会买。 对于这种从众行为啊，原分享者给出了一个嗯，可以说是相当犀利的分析。这里要强调一下，这完全是来源的观点啊。他觉得呢，这些在中间的大多数人，他们就是追随者，他们的行动不是出于自己的独立思考，而更多的是一种从众心理。 这句话可以说是对上面那个观点的一个绝妙总结。他打了个比方，啦啦队喊得再响，也改变不了比赛结果，真正决定胜负的还是场上那几个核心运动员。这就好像在说，真正推动事情发展的，往往是少数的创新者，而不是人多的那一波追随者。 ok， 我 们聊了这么多，从交易到营销，甚至聊到了怎么少挨打，那聊了这么多，到底对你有什么用呢？现在我们就把话题转回到你自己身上，看看怎么把这些东西变成你自己的思维工具。 要想搭建自己的系统，不管是做交易、做生意，还是规划生活来源的型分享者，认为有三个问题你必须得想清楚。第一个问题，就是，你想赚谁的钱？是中间那一大波追随者的钱，还是两头那一小串创新者的钱？第二个问题，你现在在什么样的环境里做事？这个环境是风平浪静还是波涛汹涌？是个成熟的市场，还是个刚刚兴起的市场？你得对自己在哪有个清醒的认识。 最后一个问题，你的时间维度是什么？你是想玩个短线还是做个长期的布局，把时间周期想明白了，你的策略才能对得上好好。那么最后也给大家留下一个问题，去思考一下，在你自己的世界里，在你的工作和生活当中，有哪些看起来乱七八糟毫无头绪的事情，其实正等着你用这条曲线去把它看穿呢？

先说结果，这次考分普遍会比较高，头部高中如空中、海中的分数，平均分可能会超过一百甚至一百 一。全卷十九题，真正的难题只有第十九题，而这张试卷是不是出的不好？恰恰相反，这张试卷出的利益很高。纵观本卷， 第六题、第十八题都是高二学习统计和圆锥曲线式的基本难题，但到了高三往往不再复习，所以很多学生蒙圈，他们会抱怨自己应该做对，应该能考到高中。但这其实就是二五年高考的趋势。 二五年高考的十八题就是一道高二的基本难题，但高三往往不做复习，看你基本功如何。 出卷人希望此卷神似高考，本人出卷只看形似高考，如上期视频的十一题，再总看本卷难题，八十一、十四，第八题是一道立体型的题， 不再是熟悉的间隙就能算出来的事情。第十一题是个书面题，其实是逻辑推理，不再靠刷题被套路进去， 而是你理解他的逻辑关系，其实容易做出。十四题是一个二零二零年前的江苏老高考常考的一个基本问题， 可以间接去解决，也可以通过向量换算。这些题对于基础好的学生都不是难事，但对于一位想刷题被套路的学生，就觉得学了一学期的数学都没考到。而这其实就是目前高考的第一次重思考，精计算，出题人也想模仿。高考 十九题是一个典型的大学数学系的考场，考察反函数定义，而不是像以前的难题在迷宫中折腾，通过繁杂计算完成解析。 但是这样数题有很大风险，就是试卷整体计算能力低，考生偏高，一线教师会抱怨无从复习。其实反过来看，准备高考没有捷径，只有把所有点都复习到位才能踏实。 邢老师根据这撕心膜整理了应对知识点的问题，有需要的家长私信我，记得关注再走哦！

大家好，这里是大表哥，今天表哥给大家分享一个皮尔逊相关的一个函数，叫做 rsq， 它是属于一个纯计算类型的一个函数，看一下它的一个基本的一个简介，我们的函数名称呢叫做 rsq， 横的呃，都是一个大写的一个 一个一个符号。然后他是可以通过我们的一个基本的一个两组数据，也就是参数一跟参数二来返回，就是说来计算这个皮尔逊乘机 据相关系数的一个平方，也就是这样的一个 p 二性的一个算法，可以通过我们的这个 rsq 的一个函数来做一个呃，非常简便的一个计算来得出它的一个结果。嗯，相当于就是说我们的这样的这个 rsq， 还说他的一个应用场景是非常的一个冷门的，相当于只是需要我们这样的一个算法跟结果的时候，才可以非常方便的用到我们的 rsq。 他的用法非常简单，他是由两部分参数构成的，一跟二参数一跟参数二，他是两组相对应的一个数组或者数据点的一个区域，是可以来作为我们的一个， 嗯，他的一个对应的一个参数组的，同样他的这个个数是必须对应的五个对五个，五个对五个 这样一个内容。嗯，如果说他的一个个数不一样的话，是没办法做一个计算，他是会报错的。我们看一下他的一些备注说明，我们的这个参数可以是数字，或者或者说是包含数字的名称，数组或 用都可以来作为我们的这个基本的一个参数一或参数二的这样国际值和直接进入到参数列表中，代表数字的一个文本啊，也是会被纳入计算的，这是他的一个基本的一个逻辑嘛。 第三点我们看一下啊，如果数组或引用参数包含文本逻辑值或空白的这个单元格，额，这些值是将被忽略的， 包含零值的这个单元格是会被呃纳入到他的这个计算的一个范畴当中的。然后呢，其他几点大家可以给大家可以大致的看一下，嗯，这点要着重关注一下，因为我们的这个 rsq 函数，他就是完全是简便的 来实现这样的一个公式的公式，就是我们的这个 p 二讯乘机局相关系数的一个一个内容， 你的一个明细表就是这样的一个公式，然后完全可以用我们今天的这个 rsq 的函数来简便的实现 到他的一个住宿值，这就是我们的 rsq 的一个一个意义吗？嗯，我们看一下，其中 x 跟 y 是样本的一个平均值，就是 ra 级 rhx rhy 后呢，我们的这个 rsq 发明的这个二呢二呢及就是我们的这个相关系数这个平方，我们可以看一下它是怎样计算的。 嗯，同样是需要两组对应的一个数据组或数据区间，首先要保证他们的个数是一致的，我们这都是七个的，含七个数据，对七个数据，所以说我们直接是写入等号 sq， 选中我们的这个区间 a 三到 a 九，这不是 a 三到 a 九，这是我们的一个 a 二到 a 八，可以并证一下他的一个区域同样 b 二到 b 八的一个内容。 然后直接是回车就可以得到我们这两组数据的一个 rsq 的一个输出值了，可以看到他的一个结果，就是零点零五七左右的一个输出结构值，然后呢这样的一个结果值呢？就可以，嗯，在我们的这个 第二训的他的一个算法里面得到一些相关的一些结果，通过或者不通过啊。那么一个内容我们可以看一下，之前也提到他们的数据组区是对称的，什么意思呢？也就是说他们的个数必须要相等，如果说我们此时直接是删掉我们 a 二当中的一个单元格，删掉 一个的话，他会直接当成零值来做处理的。如果说我们输入一个其他的值， 他也是会被认为有一个值的一个内容存在的，我们具体的内容可以参考一下我们的这个说明像里面的一个内容。然后呢这就是今天分享的一个函数 rsq， 你都记住了没？我是大表哥，关注我主页还有更多数据小知识哦！