เร็วกว่าเบราว์เซอร์!
16 ความสัมพันธ์: กฎ 68-95-99.7การค้นหาแบบสุ่มการแบ่งกลุ่มข้อมูลแบบเคมีนการแจกแจงความน่าจะเป็นการแจกแจงปรกติการแจกแจงปรกติหลายตัวแปรการแจกแจงไคกำลังสองการเข้ารหัสทางประสาทการเคลื่อนที่แบบบราวน์มัธยฐานจุดผลิตน้ำมันสูงสุดคณิตศาสตร์การเงินค่าเบี่ยงเบนมาตรฐานตารางของสัญลักษณ์ทางคณิตศาสตร์ซิกส์ซิกมาNeuroticism
กฎ 68-95-99.7
วนที่เป็นสีฟ้าเข้มแสดงว่าเป็นข้อมูลที่มีค่าน้อยกว่าหรือมากกว่าค่าเฉลี่ยเลขคณิตเป็นจำนวนหนึ่งเท่าของส่วนเบี่ยงเบนมาตรฐาน ในการแจกแจงปกติ จำนวนข้อมูลนี้นับได้เป็น 68.27% ของจำนวนข้อมูลทั้งหมด สีฟ้าปานกลางแสดงถึงส่วนที่มากน้อยกว่าค่าเฉลี่ยเป็นจำนวนสองเท่าของส่วนเบี่ยงเบน เมื่อรวมสีฟ้าปานกลางกับสีฟ้าเข้มจะคิดเป็นพื้นที่ 95.45% ส่วนสีฟ้าอ่อนที่นับเป็นจำนวนสามเท่าของส่วนเบี่ยงเบน เมื่อรวมสีฟ้าทั้งหมดแล้ว จะได้จำนวนข้อมูลจำนวน 99.73% ของข้อมูลทั้งหมด กราฟแสดงจำนวนข้อมูลเป็นเปอร์เซนต์ตามแกน Y เทียบกับข้อมูลปกติที่กระจายตัวจากส่วนเบี่ยงเบนมาตรฐานตามแกน X (แกน Y ไม่เป็นตามอัตราส่วนปกติ) ในทางสถิติศาสตร์ กฎ 68-95.99.7 (68–95–99.7 rule) หรืออาจเรียกว่า กฎสามซิกมา (three-sigma rule), กฎเชิงประจักษ์ (empirical rule) หรือกฎ 95% (95% Rule) เป็นกฎที่แสดงให้เห็นว่าในการแจกแจงปรกติ ค่าของข้อมูลเกือบทั้งหมดจะอยู่น้อยกว่าหรือมากกว่าค่าเฉลี่ยเลขคณิตเป็นจำนวนสามเท่าของส่วนเบี่ยงเบนมาตรฐาน เป็นต้นว่า 68.27% ของข้อมูลทั้งหมดจะมีค่าน้อยกว่าหรือมากกว่าค่าเฉลี่ยเลขคณิตเป็นจำนวนหนึ่งเท่าของส่วนเบี่ยงเบนมาตรฐาน 95.45% มีค่าน้อยกว่าหรือมากกว่าสองเท่า และเกือบทุกค่าของข้อมูล (99.7%) มีค่าน้อยกว่าหรือมากกว่าสามเท่าของส่วนเบี่ยงเบนมาตรฐาน หากเขียนเป็นสัญลักษณ์ทางคณิตศาสตร์จะได้ดังนี้ เมื่อ x แทนค่าที่สังเกตจากตัวแปรสุ่มที่มีการแจกแจงปกติ μ เป็นค่าเฉลี่ยเลขคณิตของการแจกแจง และ σ คือส่วนเบี่ยงเบนมาตรฐานของข้อมูลดังกล่าว \end หมวดหมู่:การวิเคราะห์ข้อมูล หมวดหมู่:คณิตวิเคราะห์.
ใหม่!!: การแจกแจงปรกติและกฎ 68-95-99.7 · ดูเพิ่มเติม »
การค้นหาแบบสุ่ม
การค้นหาแบบสุ่ม (random search: RS) เป็นหนึ่งในวิธีการเชิงตัวเลข ที่ใช้เพิ่มประสิทธิภาพ (Optimization) ในการแก้ปัญหาประเภทค้นหา โดยที่ปัญหาที่จะเพิ่มประสิทธิภาพในการแก้ด้วยวิธีการค้นหาแบบสุ่มนี้ ไม่จำเป็นว่าจะต้องเป็น ปัญหาเชิงเส้น หรือ ปัญหาที่มีความต่อเนื่องของคำตอบ (Continuous function) หรือ ปัญหาที่ใช้อนุพันธ์หาคำตอบได้ (differentiable function) การค้นหาแบบสุ่ม นั้นถูกพิจารณาว่าเขียนโดย Rastrigin ซึ่งเขาเป็นคนนำเสนอวิธีของการค้นหาแบบสุ่มคนแรก ที่ใช้ทฤษฐีทางด้านคณิตศาสตร์เข้ามาช่วยในการวิเคราะห์ทฤษฏี การค้นหาแบบสุ่มนั้น ทำงานโดยการหาในตำแหน่งที่ดีขึ้นจากตำแหน่งเก่า ซ้ำๆ เรื่อยๆ ในปริภูมิค้นหา จากนั้นในปี 1991 คุณ Anatoly Zhigljavsky ก็ได้ทำการตีพิมพ์ออกเป็นหนังสือ ชื่อ Theory of Global Random Search และเขาได้ทำการเขียนเอกสารทางวิชาการออกมาอีกมากมาย ในเรื่องที่เกี่ยวกับการค้นหาแบบสุ่มนี้ ยกตัวอย่างเช่น.
ใหม่!!: การแจกแจงปรกติและการค้นหาแบบสุ่ม · ดูเพิ่มเติม »
การแบ่งกลุ่มข้อมูลแบบเคมีน
การแบ่งกลุ่มข้อมูลแบบเคมีน (k-means clustering) เป็นวิธีหนึ่งในวิธีการแบ่งเวกเตอร์ ที่มีรากฐานมาจากการประมวลผลสัญญาณ วิธีนี้เป็นที่นิยมสำหรับการแบ่งกลุ่มข้อมูล (cluster analysis) ในการทำเหมืองข้อมูล (data mining) การแบ่งกลุ่มข้อมูลแบบเคมีนใช้สำหรับการแบ่งการสังเกตจำนวน n สิ่งเป็น k กลุ่ม โดยแต่ละการสังเกตจะอยู่ในกลุ่มที่มีค่าเฉลี่ย(ที่ใช้เป็นแม่แบบ)ใกล้เคียงกันที่สุด โดยวิธีนี้จะเป็นการแบ่งพื้นที่ข้อมูลไปเป็นแผนภาพโวโรนอย วิธีการจัดกลุ่มนี้อยู่ในกลุ่มความซับซ้อนของปัญหาเอ็นพีแบบยาก (NP-hard) แต่อย่างไรเราสามารถนำขั้นตอนวิธีแบบศึกษาสำนึก (heuristic algorithm) มาใช้หาจุดศูนย์กลางของกลุ่มข้อมูลจากการลู่เข้าได้อย่างมีประสิทธิภาพ ซึ่งจะเหมือนกับขั้นตอนวิธีหาค่าคาดหมายสูงสุด (expectation-maximization algorithm) สำหรับโมเดลแบบผสม (Mixture Model) ของการแจกแจงปรกติ (Gaussian distribution) เนื่องจากทั้งสองขั้นตอนวิธีจะใช้แนวทางกระทำซ้ำการกลั่นกรอง (iterative refinement approach) นอกจากนี้ ทั้งสองขั้นตอนวิธียังใช้จุดศูนย์กลางของคลัสเตอร์สร้างแบบจำลองข้อมูล อย่างไรก็ตาม การแบ่งกลุ่มข้อมูลแบบเคมีนมีแนวโน้มจะได้คลัสเตอร์ผลลัพธ์ที่มีตำแหน่งขอบเขตใกล้เคียงกัน ในขณะที่ขั้นตอนวิธีหาค่าคาดหมายสูงสุดนั้นยอมให้คลัสเตอร์ผลลัพธ์มีรูปร่างที่แตกต่างกันได้ ขั้นตอนวิธีนี้ไม่มีอะไรเกี่ยวข้องกับวิธีการค้นหาเพื่อนบ้านใกล้สุด (k-nearest neighbor) ซึ่งเป็นเทคนิคการเรียนรู้ของเครื่อง (machine learning) ที่เป็นที่นิยมอีกอย่างหนึ่ง.
ใหม่!!: การแจกแจงปรกติและการแบ่งกลุ่มข้อมูลแบบเคมีน · ดูเพิ่มเติม »
การแจกแจงความน่าจะเป็น
ในความน่าจะเป็นและสถิติศาสตร์ การแจกแจงความน่าจะเป็นกำหนดความน่าจะเป็นให้เซตย่อยของผลลัพธ์การทดลองสุ่ม การสำรวจหรือวิธีอนุมานทางสถิติที่วัดได้ทั้งหมด ตัวอย่างการแจกแจงความน่าจะเป็นพบได้ในการทดลองที่ปริภูมิตัวอย่างไม่เป็นตัวเลข ซึ่งการแจกแจงจะเป็นการแจกแจงประเภท, การทดลองที่ปริภูมิตัวอย่างเข้ารหัสด้วยตัวแปรสุ่มวิยุต ซึ่งการแจกแจงสามารถระบุได้ด้วยฟังก์ชันมวลของความน่าจะเป็น, และการทดลองที่ปริภูมิตัวอย่างเข้ารหัสด้วยตัวแปรสุ่มต่อเนื่อง ซึ่งการแจกแจงสามารถเจาะจงได้ด้วยฟังก์ชันความหนาแน่นของความน่าจะเป็น การทดลองที่ซับซ้อนกว่า เช่น การทดลองที่เกี่ยวข้องกับกระบวนการสโทแคสติกที่นิยามในเวลาต่อเนื่อง อาจต้องใช้เมเชอร์ความน่าจะเป็นที่เจาะจงน้อยกว.
ใหม่!!: การแจกแจงปรกติและการแจกแจงความน่าจะเป็น · ดูเพิ่มเติม »
การแจกแจงปรกติ
ำหรับทฤษฎีความน่าจะเป็น การแจกแจงปรกติ (normal distribution) เป็นการแจกแจงความน่าจะเป็นของค่าของตัวแปรสุ่มที่เป็นค่าแบบต่อเนื่อง โดยที่ค่าของตัวแปรสุ่มมีแนวโน้มที่จะมีค่าอยู่ใกล้ ๆ กับค่า ๆ หนึ่ง (เรียกว่าค่ามัชฌิม) กราฟแสดงค่าฟังก์ชันความหนาแน่น (probability density function) จะเป็นรูปคล้ายระฆังคว่ำ หรือเรียกว่า Gaussian function โดยค่าฟังก์ชันความหนาแน่นของการแจกแจงปรกติ ได้แก่ โดย "x" แทนตัวแปรสุ่ม พารามิเตอร์ μ แสดงค่ามัชฌิม และ σ 2 คือค่าความแปรปรวน (variance) ซึ่งเป็นค่าที่ใช้บอกปริมาณการกระจายของการแจกแจง การแจกแจงปรกติที่มีค่า และ จะถูกเรียกว่า การแจกแจงปรกติมาตรฐาน การแจกแจงปรกติเป็นการแจกแจงที่เด่นที่สุดในทางวิชาความน่าจะเป็นและสถิติศาสตร์ ซึ่งก็มาจากหลาย ๆ เหตุผล ซึ่งก็รวมถึงผลจากทฤษฎีบทขีดจํากัดกลาง (central limit theorem) ที่กล่าวว่า ภายใต้สภาพทั่ว ๆ ไปแล้ว ค่าเฉลี่ยจากการสุ่มค่าของตัวแปรสุ่มอิสระจากการแจกแจงใด ๆ (ที่มีค่าเฉลี่ยและค่าความแปรปรวนจำกัด) ถ้าจำนวนการสุ่มนั้นใหญ่พอ แล้วค่าเฉลี่ยนั้นจะมีการแจกแจงประมาณได้เป็นการแจกแจงปรกต.
ใหม่!!: การแจกแจงปรกติและการแจกแจงปรกติ · ดูเพิ่มเติม »
การแจกแจงปรกติหลายตัวแปร
การแจกแจงแบบปรกติหลายตัวแปร (multivariate normal distribution) เป็นการขยายวางนัยทั่วไปจากการแจกแจงแบบปรกติ (ตัวแปรเดียว) ไปเป็นหลายมิติ(หลายตัวแปร) เวกเตอร์สุ่มที่มีการแจกแจงแบบปรกติหลายตัวแปร คือ ทุกๆผลรวมเชิงเส้น (linear combination) ของส่วนประกอบของเวกเตอร์มีการแจกแจงเป็นการแจกแจงแบบปรกติ การแจกแจงแบบปรกติหลายตัวแปร มักใช้อธิบาย เซตของตัวแปรสุ่มหลายๆตัวที่มีความสัมพันธ์กัน โดยที่แต่ค่าของตัวแปรจะมีค่าเกาะกลุ่มอยู่ใกล้ๆกับค่ามัชฌิม.
ใหม่!!: การแจกแจงปรกติและการแจกแจงปรกติหลายตัวแปร · ดูเพิ่มเติม »
การแจกแจงไคกำลังสอง
ไม่มีคำอธิบาย.
ใหม่!!: การแจกแจงปรกติและการแจกแจงไคกำลังสอง · ดูเพิ่มเติม »
การเข้ารหัสทางประสาท
การยิงศักยะงานเป็นขบวนหรือเป็นลำดับ ๆ ของเซลล์ประสาท การเข้ารหัสทางประสาท (Neural coding) เป็นการศึกษาทางประสาทวิทยาศาสตร์ เพื่อกำหนดความสัมพันธ์ระหว่างสิ่งเร้ากับการตอบสนองของเซลล์ประสาทเดี่ยว ๆ หรือของกลุ่มเซลล์ประสาท และความสัมพันธ์ระหว่างการทำงานทางไฟฟ้าของเซลล์ประสาทในกลุ่ม โดยอาศัยทฤษฎีว่า การทำงานของเครือข่ายเซลล์ประสาทในสมองจะเป็นตัวแทนข้อมูลทางประสาทสัมผัสและข้อมูลอื่น ๆ นักวิชาการจึงเชื่อว่า เซลล์ประสาทสามารถเข้ารหัสข้อมูลเป็นทั้งแบบดิจิตัลและแบบแอนะล็อก.
ใหม่!!: การแจกแจงปรกติและการเข้ารหัสทางประสาท · ดูเพิ่มเติม »
การเคลื่อนที่แบบบราวน์
มุมมองการเคลื่อนที่แบบบราวน์ 3 แบบที่แตกต่างกัน จากการเคลื่อนที่ 32 ครั้ง, 256 ครั้ง และ 2048 ครั้ง แสดงด้วยจุดสีที่อ่อนลงตามลำดับ ภาพเสมือนจริง 3 มิติของการเคลื่อนที่แบบบราวน์ ในกรอบเวลา 0 ≤ ''t'' ≤ 2 การเคลื่อนที่แบบบราวน์ (Brownian motion; ตั้งชื่อตามนักพฤกษศาสตร์ โรเบิร์ต บราวน์) หมายถึงการเคลื่อนที่ของอนุภาคในของไหล (ของเหลวหรือก๊าซ) ที่คิดว่าเป็นไปโดยสุ่ม หรือแบบจำลองคณิตศาสตร์ที่ใช้เพื่ออธิบายการเคลื่อนที่แบบสุ่มดังกล่าว มักเรียกกันว่า ทฤษฎีอนุภาค มีการนำแบบจำลองคณิตศาสตร์ของการเคลื่อนที่แบบบราวน์ไปประยุกต์ใช้ในโลกจริงมากมาย ตัวอย่างที่นิยมอ้างถึงคือ ความผันผวนของตลาดหุ้น อย่างไรก็ดี การเคลื่อนไหวของราคาหุ้นอาจเพิ่มขึ้นเนื่องจากเหตุการณ์ที่ไม่อาจคาดการณ์ได้ซึ่งอาจไม่เกิดซ้ำกันอีก การเคลื่อนที่แบบบราวน์เป็นหนึ่งในกระบวนการสโตคาสติก (หรือความน่าจะเป็น) แบบเวลาต่อเนื่องที่ง่ายที่สุดแบบหนึ่ง ทั้งเป็นขีดจำกัดของกระบวนการทำนายที่ทั้งง่ายกว่าและซับซ้อนกว่านี้ (ดู random walk และ Donsker's theorem) ความเป็นสากลเช่นนี้คล้ายคลึงกับความเป็นสากลของการแจกแจงแบบปกติ ซึ่งสำหรับทั้งสองกรณีนี้ การนำไปใช้งานเน้นที่ความสะดวกในการใช้งานเชิงคณิตศาสตร์มากกว่าเรื่องของความแม่นยำของแบบจำลอง ทั้งนี้เนื่องจากการเคลื่อนที่ของบราวน์ (ซึ่งอนุพันธ์เวลาเป็นอนันต์เสมอ) เป็นการประมาณการอุดมคติสำหรับกระบวนการทางกายภาพแบบสุ่มที่เกิดขึ้นจริงที่กรอบเวลามักจำกัดอยู่ที่ค่าหนึ่งเสมอ.
ใหม่!!: การแจกแจงปรกติและการเคลื่อนที่แบบบราวน์ · ดูเพิ่มเติม »
มัธยฐาน
ในทฤษฎีความน่าจะเป็นและสถิติศาสตร์ มัธยฐาน (median) คือการวัดแนวโน้มสู่ส่วนกลางชนิดหนึ่ง ที่ใช้อธิบายจำนวนหนึ่งจำนวนที่แบ่งข้อมูลตัวอย่าง หรือประชากร หรือการแจกแจงความน่าจะเป็น ออกเป็นครึ่งส่วนบนกับครึ่งส่วนล่าง มัธยฐานของรายการข้อมูลขนาดจำกัด สามารถหาได้โดยการเรียงลำดับข้อมูลจากน้อยไปมาก (หรือมากไปน้อยก็ได้) แล้วถือเอาตัวเลขที่อยู่ตรงกลางเป็นค่ามัธยฐาน ถ้าหากจำนวนสิ่งที่สังเกตการณ์เป็นจำนวนคู่ ทำให้ค่าที่อยู่ตรงกลางมีสองค่า ดังนั้นเรามักจะหามัชฌิม (mean) ของสองจำนวนนั้นเพื่อให้ได้มัธยฐานเพียงหนึ่งเดียว.
ใหม่!!: การแจกแจงปรกติและมัธยฐาน · ดูเพิ่มเติม »
จุดผลิตน้ำมันสูงสุด
กราฟแสดงการผลิตน้ำมันโลก ทั้งข้อมูลตามประวัติและข้อมูลอนาคตตามที่คาดหมาย และตามที่เสนอโดยนักธรณีวิทยา ดร. คิง ฮับเบิร์ต ได้ถึงจุดสูงสุดที่ 1.5 ล้านล้านลิตร (12,500 ล้านบาร์เรล) ต่อปีที่ประมาณปี ค.ศ. 2000 (พ.ศ. 2543) การผลิตน้ำมันดิบของประเทศสหรัฐอเมริกา ซึ่งแสดงลักษณะคล้ายคลึงกับเส้นโค้งฮับเบิร์ต (Hubbert curve) แต่ให้สังเกตความแตกต่างที่เกิดขึ้นเมื่อไม่กีปีมานี้ จุดผลิตน้ำมันสูงสุด (Peak oil) เป็นเหตุการณ์ตามทฤษฎีจุดสูงสุดฮับเบิร์ต (Hubbert peak theory) ของ ดร.
ใหม่!!: การแจกแจงปรกติและจุดผลิตน้ำมันสูงสุด · ดูเพิ่มเติม »
คณิตศาสตร์การเงิน
วิศวกรรมการเงิน เป็นสาขาหนึ่งของพาณิชยศาสตร์และการบัญชี ที่ศึกษาทางด้านการเงิน โดยอาศัยเครื่องมือทางคณิตศาสตร์ในการวิเคราะห์ โดยธรรมชาติแล้วจะมีความสัมพันธ์ใกล้ชิดกับเศรษฐศาสตร์การเงิน แต่วิศวกรรมการเงินนั้นแคบกว่าและมีลักษณะเป็นนามธรรมมากกว่า วิศวกรรมการเงิน จะใช้เครื่องมือทางคณิตศาสตร์โดยเฉพาะเครื่องมือทางสถิติ ในการวิเคราะห์ความเสี่ยงทางการเงิน และ ประเมินมูลค่าของตราสารทางการเงิน เช่น ตราสารอนุพัน.
ใหม่!!: การแจกแจงปรกติและคณิตศาสตร์การเงิน · ดูเพิ่มเติม »
ค่าเบี่ยงเบนมาตรฐาน
ี่ยงเบนมาตรฐาน หรือ ส่วนเบี่ยงเบนมาตรฐาน หรือ ความเบี่ยงเบนมาตรฐาน (standard deviation: SD) ในทางสถิติศาสตร์และความน่าจะเป็น เป็นการวัดการกระจายแบบหนึ่งของกลุ่มข้อมูล สามารถนำไปใช้กับการแจกแจงความน่าจะเป็น ตัวแปรสุ่ม ประชากร หรือมัลติเซต ค่าเบี่ยงเบนมาตรฐานมักเขียนแทนด้วยอักษรกรีกซิกมาตัวเล็ก (σ) นิยามขึ้นจากส่วนเบี่ยงเบนแบบ root mean square (RMS) กับค่าเฉลี่ย หรือนิยามขึ้นจากรากที่สองของความแปรปรวน ค่าเบี่ยงเบนมาตรฐานคิดค้นโดย ฟรานซิส กาลตัน (Francis Galton) ในช่วงปลายคริสต์ทศวรรษ 1860 เป็นการวัดการกระจายทางสถิติที่เป็นปกติทั่วไป ใช้สำหรับเปรียบเทียบว่าค่าต่างๆ ในเซตข้อมูลกระจายตัวออกไปมากน้อยเท่าใด หากข้อมูลส่วนใหญ่อยู่ใกล้ค่าเฉลี่ยมาก ค่าเบี่ยงเบนมาตรฐานก็จะมีค่าน้อย ในทางกลับกัน ถ้าข้อมูลแต่ละจุดอยู่ห่างไกลจากค่าเฉลี่ยเป็นส่วนมาก ค่าเบี่ยงเบนมาตรฐานก็จะมีค่ามาก และเมื่อข้อมูลทุกตัวมีค่าเท่ากันหมด ค่าเบี่ยงเบนมาตรฐานจะมีค่าเท่ากับศูนย์ นั่นคือไม่มีการกระจายตัว คุณสมบัติที่เป็นประโยชน์อย่างหนึ่งก็คือ ค่าเบี่ยงเบนมาตรฐานใช้หน่วยอันเดียวกันกับข้อมูล แต่กับความแปรปรวนนั้นไม่ใช่ เมื่อตัวอย่างของข้อมูลกลุ่มหนึ่งถูกเลือกมาจากประชากรทั้งหมด ค่าเบี่ยงเบนมาตรฐานของประชากรสามารถประมาณค่าได้จากค่าเบี่ยงเบนมาตรฐานของกลุ่มตัวอย่างนั้น.
ใหม่!!: การแจกแจงปรกติและค่าเบี่ยงเบนมาตรฐาน · ดูเพิ่มเติม »
ตารางของสัญลักษณ์ทางคณิตศาสตร์
รายการนี้จะถูกจัดระเบียบตาม "ความสัมพันธ์" มี Wikibooks สำหรับการใช้สัญลักษณ์ในแบบ LaTex และยังครอบคลุมถึงการอธิบายเรื่องสัญลักษณ์ LaTex สัญลักษณ์อาจจะถูกเพิ่มเข้าผ่านทางทางเลือกอื่นอย่างเช่นการตั้งค่าเอกสารขึ้นมาเพื่อสนับสนุนยูนิโค้ด (ป.ล. การคัดลอกและการวางใช้แป้นพิมพ์คำสั่ง \unicode ) .
ใหม่!!: การแจกแจงปรกติและตารางของสัญลักษณ์ทางคณิตศาสตร์ · ดูเพิ่มเติม »
ซิกส์ซิกมา
ซิกส์ซิกมา เขียนแทนด้วยตัวเลข 6 และเครื่องหมายซิกมา ซิกส์ซิกมา (Six Sigma) หมายถึงระดับคุณภาพของกระบวนการผลิตที่ยอมให้มีของเสียในระบบได้เพียง 3.4 ชิ้นต่อการผลิตสินค้าล้านชิ้น และนอกจากนี้ยังเป็นเครื่องมือช่วยธุรกิจ ให้สามารถแก้ปัญหาคุณภาพของระบบของการปฏิบัติการได้อีกด้ว.
ใหม่!!: การแจกแจงปรกติและซิกส์ซิกมา · ดูเพิ่มเติม »
Neuroticism
ในการศึกษาทางจิตวิทยา Neuroticism เป็นลักษณะบุคลิกภาพ (personality trait) ที่แสดงออกเป็นความวิตกกังวล ความหวาดกลัว การมีอารมณ์แปรปรวน ความกลุ้มใจ ความอิจฉาริษยา ความขัดข้องใจ และความเหงา คือมีอารมณ์ไม่เสถียร บุคคลที่ได้คะแนนสูงในลักษณะบุคลิกภาพนี้ จะมีโอกาสสูงกว่าโดยเฉลี่ยที่จะประสบกับอารมณ์เชิงลบต่าง ๆ เช่น ความวิตกกังวล ความหวาดกลัว ความอิจฉาริษยา ความรู้สึกผิด และความซึมเศร้า จะมีปฏิกิริยาที่แย่กว่าต่อสิ่งที่ก่อความเครียด และมีโอกาสสูงกว่าที่จะเห็นเหตุการณ์ปกติธรรมดาว่าเป็นภัย และความขัดข้องใจเล็ก ๆ น้อย ๆ ว่าเป็นเรื่องยากถึงให้สิ้นหวัง บ่อยครั้งจะมีความรู้สึกสำนึกตนหรือประหม่ามากเกินไป และขี้อาย และอาจจะมีปัญหาห้ามอารมณ์ชั่ววูบและผัดผ่อนการสนองความต้องการ ลักษณะบุคลิกภาพเช่นนี้เป็นปัจจัยเสี่ยงต่อความผิดปกติทางจิต (mental disorder) หลายอย่างที่สามัญที่สุด รวมทั้งภาวะซึมเศร้า โรคกลัว โรคตื่นตระหนก (panic disorder) โรควิตกกังวลอื่น ๆ และการติดสารเสพติด ซึ่งเป็นอาการที่เคยวินิจฉัยว่าเป็นโรคประสาท (neurosis).
ใหม่!!: การแจกแจงปรกติและNeuroticism · ดูเพิ่มเติม »
เปลี่ยนเส้นทางที่นี่:
Normal distributionการแจกแจงปกติการแจกแจงแบบปกติการแจกแจงแบบปรกติ
