数据相关性与回归分析：以棒球比赛为例
1. 基础统计概念
在数据分析中，有几个基础的统计概念非常重要。
-平均值：平均值（average），也称为均值（mean）或期望（expectation），是一组数值的总和除以数值的数量。可以将期望 (E) 看作一个计算数值列表平均值的函数。经过计算后，会得到一个新的数据集，其平均值为 0。若数据集中的某个值为正，则表示该结果高于平均值；若为负，则低于平均值。
-方差：为了了解变量的离散程度，我们需要计算方差。具体操作步骤如下：
1. 对于数据集中的每个值，减去其均值。
2. 将上述结果进行平方，得到一个由正值组成的新数据集。
3. 将新数据集中的所有值相加。
4. 用总和除以观测值的数量，得到与平均值的平均平方距离，这就是总体方差。若要计算样本方差，则将总和除以 (n - 1)（(n) 为观测值数量）。
5. 总体标准差是总体方差的平方根，用希腊字母 (\sigma) 表示。
-变量归一化：知道了数据集中值与平均值的平均距离后，就可以对变量 (X) 进行归一化。具体做法是将 (X - \bar{X}) 中的每个值除以标准差。归一化后的数据仍然包含正负值，它衡量了归一化变量与均值的距离程度。不同的分数范围代表不同的含义：
| 分数范围 | 含义 |
| ---- | ---- |
| -1 到 1 | 该值比典型数据值更接近均值 |
| -2 到 -1 和 1 到 2 | 该值与均值的距离是典型值的 1 - 2 倍 |
| -3
