. . . . . . . . . . . . "\u6807\u51C6\u5316 (\u7EDF\u8BA1\u5B66)"@zh . . . . . . . . . . . . . . . . . . . "Normalizacja (statystyka)"@pl . . . . . . . . . . . . . "Normalizaci\u00F3n (estad\u00EDstica)"@es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . "In statistics and applications of statistics, normalization can have a range of meanings. In the simplest cases, normalization of ratings means adjusting values measured on different scales to a notionally common scale, often prior to averaging. In more complicated cases, normalization may refer to more sophisticated adjustments where the intention is to bring the entire probability distributions of adjusted values into alignment. In the case of normalization of scores in educational assessment, there may be an intention to align distributions to a normal distribution. A different approach to normalization of probability distributions is quantile normalization, where the quantiles of the different measures are brought into alignment. In another usage in statistics, normalization refers to the creation of shifted and scaled versions of statistics, where the intention is that these normalized values allow the comparison of corresponding normalized values for different datasets in a way that eliminates the effects of certain gross influences, as in an anomaly time series. Some types of normalization involve only a rescaling, to arrive at values relative to some size variable. In terms of levels of measurement, such ratios only make sense for ratio measurements (where ratios of measurements are meaningful), not interval measurements (where only distances are meaningful, but not ratios). In theoretical statistics, parametric normalization can often lead to pivotal quantities \u2013 functions whose sampling distribution does not depend on the parameters \u2013 and to ancillary statistics \u2013 pivotal quantities that can be computed from observations, without knowing parameters."@en . . . . . . . . "2978513"^^ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . "Normalizacja \u2013 procedura wst\u0119pnej obr\u00F3bki danych w celu umo\u017Cliwienia ich wzajemnego por\u00F3wnywania i dalszej analizy. Najcz\u0119\u015Bciej u\u017Cywanymi rodzajami normalizacji s\u0105: \n* standaryzacja \n* usuni\u0119cie element\u00F3w odstaj\u0105cych"@pl . . . . . . . . . . "In statistica, la normalizzazione consiste essenzialmente nel limitare l'escursione di un insieme di valori entro un certo intervallo predefinito. Ad esempio nel caso delle serie storiche, normalizzare le date significa assegnare a ciascuna di esse un valore compreso da 1 ad infinito a seconda del periodo di tempo considerato.Nell'ipotesi ci si dovesse trovare di fronte a dati mancanti contenuti in serie storiche non soggette a processi di interpolazione, il processo di normalizzazione in questo caso consente di conservare l'informazione temporale indicata dalla data non alterandola in termini significativi."@it . . . . . . . . "Normalizzazione (statistica)"@it . . . . "\u5728\u7EDF\u8BA1\u5B66\u4EE5\u53CA\u4E00\u4E9B\u7EDF\u8BA1\u5B66\u5E94\u7528\u9886\u57DF\uFF0C\u6807\u51C6\u5316\u6709\u7740\u4E00\u7CFB\u5217\u6DB5\u4E49\u3002\u4E3E\u4E2A\u6700\u7B80\u5355\u7684\u4F8B\u5B50\uFF0C\u7387\u7684\u6807\u51C6\u5316\u6307\u7684\u662F\u53C2\u7167\u67D0\u4E2A\u6807\u51C6\u6765\u8C03\u6574\u4E24\u7EC4\u8D44\u6599\u7684\u6784\u6210\u4F7F\u5176\u80FD\u591F\u5F62\u6210\u53C2\u8003\uFF0C\u6BD4\u5982\u4E24\u8005\u6709\u7740\u4E0D\u540C\u7684\u5C3A\u5BF8\u548C\u89C4\u683C\uFF0C\u5982\u679C\u8981\u6BD4\u8F83\u4E24\u4E2A\u603B\u7387\u65F6\uFF0C\u5F80\u5F80\u6309\u7167\u67D0\u4E2A\u7EDF\u4E00\u7684\u6807\u51C6\uFF08\u5982\u7EDF\u4E00\u7684\u5185\u90E8\u6784\u6210\uFF09\u6765\u8FDB\u884C\u4FEE\u6B63\uFF0C\u4EE5\u6D88\u9664\u5185\u90E8\u6784\u6210\u4E0D\u540C\u6240\u9020\u6210\u7684\u5BF9\u7ED3\u679C\u7684\u5F71\u54CD\u3002"@zh . . . . . . . . . . "5716"^^ . . . . . . . "En estad\u00EDstica y las aplicaciones de estad\u00EDsticas, la normalizaci\u00F3n puede tener una gama de significados.\u200B En los casos m\u00E1s sencillos, la normalizaci\u00F3n de \u00EDndices significa ajustar los valores medidos en diferentes escalas respecto a una escala com\u00FAn, a menudo previo a un proceso de realizar promedios. En casos m\u00E1s complicados, la normalizaci\u00F3n puede referirse a ajustes m\u00E1s sofisticados donde la intenci\u00F3n es conseguir todas las distribuciones de probabilidad que se ajustan a los valores. En el caso de normalizaci\u00F3n de puntuaciones en valoraci\u00F3n educativa, puede haber una intenci\u00F3n para alinear distribuciones a una distribuci\u00F3n normal. Una aproximaci\u00F3n diferente a la normalizaci\u00F3n de distribuciones de probabilidad es normalizaci\u00F3n de cuantiles, donde los cuantiles de diferentes medidas son tra\u00EDdas al ajuste. Otro uso en estad\u00EDsticas para la normalizaci\u00F3n se refiere a la creaci\u00F3n de versiones estad\u00EDsticas cambiadas y escaladas, donde la intenci\u00F3n es que los valores normalizados permitan la comparaci\u00F3n de los valores normalizados con conjuntos de datos de manera que elimine los efectos de influencias, como en serie de tiempo anormal. Algunos tipos de normalizaci\u00F3n implican solo un escalamiento, para llegar en los valores relativos a alguna variable de medida. En t\u00E9rminos de niveles de medida, tales proporciones solo tienen sentido para medidas de proporci\u00F3n (d\u00F3nde las proporciones de medidas son significativas), no intervalos de medidas (d\u00F3nde solo las distancias son significativas, pero no las proporciones). En estad\u00EDstica te\u00F3rica, la normalizaci\u00F3n param\u00E9trica puede dirigir a cantidades pivotales \u2013 funciones cuya distribuci\u00F3n de muestreo no depende de los par\u00E1metros \u2013 y a estad\u00EDstica subsidiaria \u2013 pivotal cantidades pueden ser computadoas de observaciones, sin par\u00E1metros conocidos."@es . . . . . . "1109670121"^^ . . . "En estad\u00EDstica y las aplicaciones de estad\u00EDsticas, la normalizaci\u00F3n puede tener una gama de significados.\u200B En los casos m\u00E1s sencillos, la normalizaci\u00F3n de \u00EDndices significa ajustar los valores medidos en diferentes escalas respecto a una escala com\u00FAn, a menudo previo a un proceso de realizar promedios. En casos m\u00E1s complicados, la normalizaci\u00F3n puede referirse a ajustes m\u00E1s sofisticados donde la intenci\u00F3n es conseguir todas las distribuciones de probabilidad que se ajustan a los valores. En el caso de normalizaci\u00F3n de puntuaciones en valoraci\u00F3n educativa, puede haber una intenci\u00F3n para alinear distribuciones a una distribuci\u00F3n normal. Una aproximaci\u00F3n diferente a la normalizaci\u00F3n de distribuciones de probabilidad es normalizaci\u00F3n de cuantiles, donde los cuantiles de diferentes medidas son "@es . . . . . . . . . . . . . . . . . . . . . . . . . . . . "In statistica, la normalizzazione consiste essenzialmente nel limitare l'escursione di un insieme di valori entro un certo intervallo predefinito. Ad esempio nel caso delle serie storiche, normalizzare le date significa assegnare a ciascuna di esse un valore compreso da 1 ad infinito a seconda del periodo di tempo considerato.Nell'ipotesi ci si dovesse trovare di fronte a dati mancanti contenuti in serie storiche non soggette a processi di interpolazione, il processo di normalizzazione in questo caso consente di conservare l'informazione temporale indicata dalla data non alterandola in termini significativi."@it . . . . . . . . . . . "\u5728\u7EDF\u8BA1\u5B66\u4EE5\u53CA\u4E00\u4E9B\u7EDF\u8BA1\u5B66\u5E94\u7528\u9886\u57DF\uFF0C\u6807\u51C6\u5316\u6709\u7740\u4E00\u7CFB\u5217\u6DB5\u4E49\u3002\u4E3E\u4E2A\u6700\u7B80\u5355\u7684\u4F8B\u5B50\uFF0C\u7387\u7684\u6807\u51C6\u5316\u6307\u7684\u662F\u53C2\u7167\u67D0\u4E2A\u6807\u51C6\u6765\u8C03\u6574\u4E24\u7EC4\u8D44\u6599\u7684\u6784\u6210\u4F7F\u5176\u80FD\u591F\u5F62\u6210\u53C2\u8003\uFF0C\u6BD4\u5982\u4E24\u8005\u6709\u7740\u4E0D\u540C\u7684\u5C3A\u5BF8\u548C\u89C4\u683C\uFF0C\u5982\u679C\u8981\u6BD4\u8F83\u4E24\u4E2A\u603B\u7387\u65F6\uFF0C\u5F80\u5F80\u6309\u7167\u67D0\u4E2A\u7EDF\u4E00\u7684\u6807\u51C6\uFF08\u5982\u7EDF\u4E00\u7684\u5185\u90E8\u6784\u6210\uFF09\u6765\u8FDB\u884C\u4FEE\u6B63\uFF0C\u4EE5\u6D88\u9664\u5185\u90E8\u6784\u6210\u4E0D\u540C\u6240\u9020\u6210\u7684\u5BF9\u7ED3\u679C\u7684\u5F71\u54CD\u3002"@zh . . . . . . . . . . . . . . "Normalizacja \u2013 procedura wst\u0119pnej obr\u00F3bki danych w celu umo\u017Cliwienia ich wzajemnego por\u00F3wnywania i dalszej analizy. Najcz\u0119\u015Bciej u\u017Cywanymi rodzajami normalizacji s\u0105: \n* standaryzacja \n* usuni\u0119cie element\u00F3w odstaj\u0105cych"@pl . . . "In statistics and applications of statistics, normalization can have a range of meanings. In the simplest cases, normalization of ratings means adjusting values measured on different scales to a notionally common scale, often prior to averaging. In more complicated cases, normalization may refer to more sophisticated adjustments where the intention is to bring the entire probability distributions of adjusted values into alignment. In the case of normalization of scores in educational assessment, there may be an intention to align distributions to a normal distribution. A different approach to normalization of probability distributions is quantile normalization, where the quantiles of the different measures are brought into alignment."@en . . "Normalization (statistics)"@en . . . . . . . . . . . . . . . . .