• A huge number of different tests

• A huge number of different tests are available differing in
– Type of data distribution (e.g. Gaussian)
– Number of variables, i.e., dimensions of the data objects
( univariate/multivariate )
– Number of distributions (mixture models)
– Parametric versus non-parametric (e.g. histogram-based)
• Example on the following slides
– Gaussian distribution
– Multivariate – 1 model
– Parametric
• Probability density function of a multivariate normal distribution
N(x) = 1 −(x−μ)TΣ2 −1(x−μ) e
( )d
2π | Σ |
– μ is the mean value of all points (usually data is normalized such that μ=0)
– Σ is the covariance matrix from the mean

Kết quả (Việt) 1:

• Một số lượng lớn các xét nghiệm khác nhau là khác nhau có sẵn trong-Kiểu dữ liệu phân phối (ví dụ: Gaussian)-Số của các biến, ví dụ, kích thước của các đối tượng dữ liệu (véc/đa biến)-Số lượng bản phát hành (các mô hình hỗn hợp)– Tham số so với không tham số (ví dụ như dựa trên biểu đồ)• Ví dụ về các trang trình bày sau đây-Phân phối Gaussian-Đa biến – mẫu 1– Tham số• Hàm mật độ xác suất của một phân phối chuẩn nhiều chiềuN(x) = 1 − (x−μ) TΣ2 −1(x−μ) ed)2Π | Σ |-Μ là giá trị trung bình của tất cả các điểm (thường dữ liệu được chuẩn hoá như vậy mà μ = 0)– Σ là các ma trận hiệp phương sai từ có nghĩa là

Kết quả (Việt) 2:

• Một số lượng lớn các xét nghiệm khác nhau có khác nhau ở
- Loại phân phối dữ liệu (ví dụ như Gaussian)
- Số lượng các biến, tức là, kích thước của các đối tượng dữ liệu
(đơn biến / đa biến)
- Số lượng các bản phân phối (các mô hình hỗn hợp)
- Parametric so với phi tham số (ví dụ biểu đồ dựa trên)
• Ví dụ về các slide sau
- Gaussian phân phối
- đa biến - 1 mô hình
- Parametric
• hàm mật độ xác suất của một đa biến bình thường phân phối
N (x) = 1 - (x-μ) TΣ2 -1 (x- μ) e
() d
2π | Σ |
- μ là giá trị trung bình của tất cả các điểm (thường là dữ liệu được chuẩn hóa như vậy mà μ = 0)
- Σ là ma trận hiệp phương sai từ trung bình