离散和连续的区别_离散跟连续

离散性,稠密性与连续性的区别

3.序数属性 取值用于描述属性的等级，序列，先后次序等。比如学习能力的取值可为，良好，合格一、获取方式不同

离散和连续的区别_离散跟连续

离散型变量：离散型变量则是通过计数方式取得的，即是对所要统计的对象进行计数，增长量非固定的。

连续型变量：连续型变量是一直叠加上去的，增长量可以划分为固定的单位。

二、域不同

离散型变量：离散型变量的域(即对象的S)是离散的。

连续型变量：连续型变量的域(即对象的S)是因此互相的离散型和连续形随机变量的和积既不是离散型也不是连续型，而是一种复合型。连续的。

流体

表示流体运动时的一种性质。连续性的数学表达式为ρ1u1A1=ρ2u2A2=常数，式中ρ，u，A分别为流体密度、速度和管内截面积，下标1,2表示不同截面。连续性的实质是流体流动时质量守恒。

离散和连续

REF

1.标称属性： 即与名称有关，标称属性的值是一些符号或事物的名称。每个取值代表某种类别、或状态。 举个例子：对于人的头发颜色这个属性可能的取值有，黑、白、棕、黄、宏、褐、灰。职业属性可能的取值有老师、程序员、医生等。 需要注意的是：我们可以用指定的数来代表标称属性的取值，比如对于头发颜色，我们规定0代表黑，1代表白，往后推。

2.二元属性： 属于标称属性，属性只有两种取值，同样可以用1代表一种类别（状态），0代表剩下的另一种类别（状态）。如性别这个属性，只能取男或女，0代表男，1代表女

以上三类属性都是定性的描述，尽管也可以用数代表不同的取值，但这只是我们用于编码的一种方式。

4.数值属性 定量的描述，用整数值或实数值来表示，这是可以进行数算的一类属性，是真正意义上的数值。

如职工人数、工厂数、机器台数，年龄等。离散变量的数值用计数的方法取得。

连续变量： 在一定区间内可以任意取值的变量叫连续变量,其数值是连续不断的,相邻两个数值可作无限分割,即可取无限个数值。

例如,生产零件的规格尺寸,人体测量的身高,体重,胸围等为连续变量,其数值只能用测量或计量的方法取得。

离散属性： 取值可以具有有限个或无限可数个值，这个值可以用来定性描述属性的汉字、单词；当然也可以是整数，注意是整数，而不是浮点数。

比如年龄属性就属于离散属性1、若f（x）在点x连续，则有F’（x）=f（x）。，可取0~110之间的任意整数，无限可数是指这个属性的可能取值的是无限的，但是可以建立一个与自然数的一一对应，比如顾客编号可以从1一直往后编下去，但实际的值的是可数的。

连续属性： 如果属性不是离散的，就是连续属性了

指把取值为连续型或者离散型的属性（特征）按照取值区间划分为用来定性描述属性取值的值(汉字、单词）或者整数值，化为整数值是怎么理解呢？比如，随便举个例子价格0-50为不要钱，；51-100为便宜，分别用整数0，1表示，这个就叫 离散化 。不要钱和0都是离散化后对属于0-50这个价格区间的描述。

离散型的属性离散化又是什么意思？比如年龄为离散属性，取值为0-110这个区间，我们可以将0-16规定为小孩，17-25规定为青年，26-50为中年，51-110为老年（这是我随便划分的，就是随便举个帮助理解的例子），这个过程就叫 离散属性的离散化 ，当然我们也可以选择用整数0，1，2，3来分别代表四个区间。

大多指的是将取值为文本类（汉字，单词）的属性取值变为算法可以处理的数字型。

比如性别属性取值为”男“，”女“，进行独热编码”男“就变为10，女就变为01，形式上有汉字变为了数字型，虽然10，01并不是真正意义上的连续变量。

离散型随机变量和连续型随机变量的区别

离散变量： 指变量值可以按一定顺序一一列举，通常以整数位取值的变量。

离散型随机变量的和，，积仍然是离散型随机变量，连续性随机变量的和，，积也仍然是离散型随机变量。

1、Pn≥0（n=1，2，，，，）。

但是，二维离散型随机变量（ξ，η）要能确定概率分布P{ξ=xi，η=yj}互相，则P{ξ=xi，η=yj}=P{ξ=xi}P{η=yj} 。

二维连续形随机变量（ξ，η）要能确定概率密度函数f（x，y）互相则f（x，y）=fξ（x）fη（y）。

扩展资料：

离散型随机变量的性质：

2、∑pn=1。

连续性随机变量的性质：

2、f（x）是可积，则它的原函数F（x）连续。

尽管P{X=a}=0，但{X=a}并不是不可能。同样，一个的概率为1，并不意味这个一定是必然。

当提到一个随机变量X的概率分布，指的是它的分布函数，当X是连续型时指的是它的概率密度，当X是离散型时指的是它的分布律。

参考资料来源：