⑴ 问几个统计数据计算方法问题
1.假设2012年相比2011年增幅是10%，2013GDP增幅同比回落3.6个百分点，那么2013与2012相比，增幅就是6.4%。
2.比上年同期回落28.7个百分点，这个是增速下降，去年增速*（1-28.7%）=19.4%
3.降幅比去年同期扩100.7个百分点，去年同期降幅*（1+100.7%）=38.4%
4.去年利税下降*（1-73%）=15.1%
⑵ 数据库的数据计算方法 谁知道
你可以在［一品威客网］上面发任务呀，会有人帮你设计而且很专业价格也很合理的，都是明码标价，有例子在店铺里放着，你可以看一下的。
⑶ 计算方法和数据准备
1.计算方法的选择
根据“《地热资源评价方法》(DZ40—85)”和“《地热资源地质勘查规范》(GB/T11615—2010)”国家标准。评价区热资源计算采用热储法为基础,根据实际情况进行适当修正的原则进行。
2.计算参数的选择
参数的选择准确与否,直接关系到热储量的计算精度。根据天津地区地热资源开发利用特点,地热资源分布一般不以地热异常区圈定范围而是以热储层分布范围圈定计算区域。由于热储层的顶底板埋深、温度、密度、砂层厚度等各项地质参数差异较大,再加上各热储层在空间分布位置不重叠,在计算地热资源量时,为了减小计算误差,根据热储层的空间分布形态、各项地质参数及现有的钻孔资料等因素,有必要对各热储层分层分区进行计算。地热资源计算中将热储层在平面上进行三角形剖分(图5-3至图5-7;表5-4)。剖分时新近系主要以地温梯度,基岩则主要以构造控制为边界;同时将每个钻孔都落到对应热储层剖分三角形的节点上,使每个小三角形范围内的计算因素力求准确一致。任一热储层地热资源量的计算公式可表示如下:
沉积盆地型地热田勘查开发与利用
式中:i为第i热储层;j为三角形的编号;ni为第i热储层三角形剖分总数(各热储层有不同的值);Qr(i)为第i热储层的地热资源量;Qij为第i热储层第j个剖分三角形单元的地热资源量;Aij为第i热储层第j个剖分三角形单元的面积;Hij为第i热储层第j个剖分三角形单元的平均厚度;Tij为第i热储层第j个剖分三角形单元的平均温度;T0为基准温度(13.5℃);Cij为第i热储层第j个剖分三角形单元中岩石和水的平均比热容,计算公式和参数意义同式5-2。
由公式5-11可知计算区总热资源量可由下式计算:
沉积盆地型地热田勘查开发与利用
计算中用以下方法对公式5-11中的各个参数进行分析确定。
(1)热储层三角单元面积Aij
考虑到断裂产状的影响,在对不同热储层进行三角单元剖分和面积统计时,充分考虑每一个热储层的特殊性,为了计算方便,取热储层中点埋深处断裂所处的位置作为计算边界。计算过程中对每个三角单元进行逐一编号,单个三角单元的面积由三角形面积公式5-13计算得出,各个热储层面积统计结果见表5-4。
表5-4 评价区热资源计算热储层三角剖分统计表
沉积盆地型地热田勘查开发与利用
式中的(Xij1,Yij1),(Xij2,Yij2),(Xij3,Yij3)分别表示第i热储层第j个三角形的顶点(即节点)坐标。为录入数据的方便,采用了相对坐标,以图件的西南角为坐标原点(0,0)。
(2)热储层平均厚度Hij
即对第j个三角单元的3个顶点所对应的某个热储层的厚度进行算术平均,而各节点处的顶、底板埋深则根据已有钻孔的实测资料及热储层厚度等值线图、顶底板埋深线图采用内插法确定。如底板埋深大于4000m则只取4000m。
(3)热储层平均温度Tij
根据已有钻孔的实测资料及地温梯度等值线,利用内插法确定各个节点处的顶、底板温度(最深4000m),再将相应的数值进行算术平均求得各个小三棱柱内的平均温度。
(4)热储层基准温度T0
根据实际测温情况,天津地区取13.5℃。
(5)平均体积比热容Cij
平均体积比热容影响因素较多,但对同一热储层因其岩性变化不大,岩石密度、岩石比热容的变化亦不大,所以平均体积比热容的影响变化亦不大。通过综合分析整理区内王兰庄、山岭子、万家码头、潘庄-芦台等地热田已有成果,求取各热储层平均体积比热容,其值见表5-5。
表5-5 热储层平均体积比热容确定表
3.可回收热资源量的计算
可回收资源由公式5-3求得。分析公式5-3中各参数,如Qr(埋藏在地下热储中的地热资源量) 以热储层的地热资源量作为基数,则据《地热资源评价方法》(DZ40-85)4.1.2规定,热回收率RE无论取25%或15%,其可回收热资源量的计算值都显然偏大。根据天津各地热田的实际情况,各热储层Qr即使取地热流体富集段所含热资源量作为基数,其可回收资源量计算结果也远远大于实际开采量(绝大部分不到1%)。这一方面说明地热资源量的开采潜力巨大,同时也说明利用现有的开采热流体模式去获取地热资源是远远不够的,容易形成地热资源的浪费,应该尝试新的地热资源开采模式以获取更高的效益。相比较而言,公式5-3中Qr选用地热流体富集段所含热量作为基数进行热储层的可回收地热资源量计算更实际一些(后面计算即是)。
⑷ 给一组数据求计算方法
⑸ 数据算法中
上界代表最大值,用O表示,下界代表最小值,类似于>=或者“至少”,用高中学的电阻那个符号表示.例如,基于比较的排序的时间复杂度下界是nlogn,是指无法设计出一个基于比较的排序算法,时间复杂度低于nlogn.因为基于比较的排序的时间复杂度一般都是o2或者nlogn,不会小于nlogn.
⑹ 论文中数据统计计算方法
直接网络就知道了，用wrold公式打出来然后网络网络有说明的
⑺ 需要掌握哪些大数据算法
数据挖掘领域的十大经典算法：C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, and CART。
1、C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法。
2、2、k-means algorithm算法是一个聚类算法，把n的对象根据他们的属性分为k个分割，k < n。
3、支持向量机，英文为Support Vector Machine，简称SV机（论文中一般简称SVM）。它是一种监督式学习的方法，它广泛的应用于统计分类以及回归分析中。
4、Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。
5、最大期望（EM）算法。在统计计算中，最大期望（EM，Expectation–Maximization）算法是在概率（probabilistic）模型中寻找参数最大似然 估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variabl）。
6、PageRank是Google算法的重要内容。2001年9月被授予美国专利，专利人是Google创始人之一拉里·佩奇（Larry Page）。因此，PageRank里的page不是指网页，而是指佩奇，即这个等级方法是以佩奇来命名的。
7、Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器 (强分类器)。
8、K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。
9、Naive Bayes。在众多的分类模型中，应用最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBC）。
10、CART, Classification and Regression Trees。 在分类树下面有两个关键的思想。
关于大数据算法的相关问题推荐CDA数据分析师的相关课程，课程内容兼顾培养解决数据挖掘流程问题的横向能力以及解决数据挖掘算法问题的纵向能力。要求学生具备从数据治理根源出发的思维，通过数字化工作方法来探查业务问题，通过近因分析、宏观根因分析等手段，再选择业务流程优化工具还是算法工具，而非“遇到问题调算法包”点击预约免费试听课。
⑻ 数据的算法都有哪些……
A*搜寻算法
俗称A星算法。这是一种在图形平面上，有多个节点的路径，求出最低通过成本的算法。常用于游戏中的 NPC的移动计算，或线上游戏的 BOT的移动计算上。该算法像 Dijkstra算法一样，可以找到一条最短路径；也像BFS一样，进行启发式的搜索。
Beam Search
束搜索(beam search)方法是解决优化问题的一种启发式方法，它是在分枝定界方法基础上发展起来的，它使用启发式方法估计k个最好的路径，仅从这k个路径出发向下搜索，即每一层只有满意的结点会被保留，其它的结点则被永久抛弃，从而比分枝定界法能大大节省运行时间。束搜索于20 世纪70年代中期首先被应用于 人工智能领域,1976 年Lowerre在其称为 HARPY的语音识别系统中第一次使用了束搜索方法。他的目标是并行地搜索几个潜在的最优决策路径以减少回溯，并快速地获得一个解。
二分取中查找算法
一种在有序数组中查找某一特定元素的搜索算法。搜素过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜素过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。这种搜索算法每一次比较都使搜索范围缩小一半。
Branch and bound
分支定界算法是一种在问题的解空间树上搜索问题的解的方法。但与回溯算法不同，分支定界算法采用广度优先或最小耗费优先的方法搜索解空间树，并且，在分支定界算法中，每一个活结点只有一次机会成为扩展结点。
数据压缩
数据压缩是通过减少计算机中所存储数据或者通信传播中数据的冗余度，达到增大数据密度，最终使数据的存储空间减少的技术。数据压缩在文件存储和分布式系统领域有着十分广泛的应用。数据压缩也代表着尺寸媒介容量的增大和网络带宽的扩展。
Diffie–Hellman密钥协商
Diffie–Hellman key exchange，简称“D–H”，是一种安全协议。它可以让双方在完全没有对方任何预先信息的条件下通过不安全信道建立起一个密钥。这个密钥可以在后续的通讯中作为对称密钥来加密通讯内容。
Dijkstra’s 算法
迪科斯彻算法（Dijkstra）是由荷兰计算机科学家艾兹格·迪科斯彻发明的。算法解决的是有向图中单个源点到其他顶点的最短路径问题。举例来说，如果图中的顶点表示城市，而边上的权重表示着城市间开车行经的距离，迪科斯彻算法可以用来找到两个城市之间的最短路径。
动态规划
动态规划是一种在 数学和计算机科学中使用的，用于求解包含重叠子问题的最优化问题的方法。其基本思想是，将原问题分解为相似的子问题，在求解的过程中通过子问题的解求出原问题的解。 动态规划的思想是多种算法的基础，被广泛应用于计算机科学和工程领域。比较着名的应用实例有：求解最短路径问题，背包问题，项目管理，网络流优化等。这里也有一篇文章说得比较详细。
欧几里得算法
在 数学中，辗转相除法，又称 欧几里得算法，是求 最大公约数的算法。辗转相除法首次出现于 欧几里得的《几何原本》（第VII卷，命题i和ii）中，而在中国则可以追溯至 东汉出现的《九章算术》。
快速傅里叶变换(FFT)
快速傅里叶变换（Fast Fourier Transform，FFT），是离散傅里叶变换的快速算法，也可用于计算离散傅里叶变换的逆变换。快速傅里叶变换有广泛的应用，如数字信号处理、计算大整数乘法、求解偏微分方程等等。
哈希函数
HashFunction是一种从任何一种数据中创建小的数字“指纹”的方法。该 函数将数据打乱混合，重新创建一个叫做散列值的指纹。散列值通常用来代表一个短的随机字母和数字组成的字符串。好的散列 函数在输入域中很少出现散列冲突。在散列表和数据处理中，不抑制冲突来区别数据，会使得数据库记录更难找到。
堆排序
Heapsort是指利用堆积树（堆）这种 数据结构所设计的一种排序算法。堆积树是一个近似完全二叉树的结构，并同时满足堆积属性：即子结点的键值或索引总是小于（或者大于）它的父结点。
归并排序
Merge sort是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。
RANSAC 算法
RANSAC 是”RANdom SAmpleConsensus”的缩写。该算法是用于从一组观测数据中估计 数学模型参数的迭代方法，由Fischler and Bolles在1981提出，它是一种非确定性算法，因为它只能以一定的概率得到合理的结果，随着迭代次数的增加，这种概率是增加的。该算法的基本假设是观测数据集中存在”inliers”（那些对模型参数估计起到支持作用的点）和”outliers”（不符合模型的点），并且这组观测数据受到噪声影响。RANSAC 假设给定一组”inliers”数据就能够得到最优的符合这组点的模型。
RSA加密算法
这是一个公钥加密算法，也是世界上第一个适合用来做签名的算法。今天的RSA已经 专利失效，其被广泛地用于 电子商务加密，大家都相信，只要密钥足够长，这个算法就会是安全的。
并查集Union-find
并查集是一种树型的 数据结构，用于处理一些不相交集合（Disjoint Sets）的合并及查询问题。常常在使用中以森林来表示。
Viterbi algorithm
寻找最可能的隐藏状态序列
等等这些，算法很多。
⑼ 关于数据库的某一列数据的计算方法的问题
计算总和
不用你在ASP里实现
一句
SQL语句
就可以了
比如
你的数据列是
id
select
sum(id)
from
表
查出来的就是一列的总和