z-score值：
（某值-mean）/標准差=z-score
zi=（xi-均值）/s，zi又稱為標准分數。這是統計中的標准化公式。它給出了一組數據中各個數據的相對位置。
該公式的意義：
一個數減去均值，可認為是：該數偏離均值的程度。
因為，標准差可以認為是一組數的平均離散程度。所以，減去均值后再除以sd，可認為是：（該數偏離平均值的程度）是（整組數平均偏離程度）的幾倍。
所以，針對每一個數都可以計算它的z-score值。
例子：
一組數： X=（25,28,31,34,37,40,43） X的平均數：34 X的標准差：（81+36+9+9+36+81）/7 = 37, 37的平方根：6。所以標准差=6
減平均數：-9，-6，-3，0，3，6，9
除以標准差：Y=（-1.5, -1，-0.5, 0, 0.5， 1， 1.5） Y的平均數：0 Y的標准差：（2.25+1+0.25+0.25+1+2.25）/7=1,1的平方根：1。所以標准差=1
即：將上面的一組數，轉換成了下面的一組正負值的數。
由此例子，可以看出：z-score（即Y值）具有平均數是0，標准差是1的特性。符合標准正態分布。
z-score只是對原來的數據進行線性變換，並沒有改變某個數據在該組數據中的位置，也沒有改變這組數據的分布形狀。它只是將該組數據變為平均數為0，標准差為1的一組數。
這樣，就可以利用正態分布的一些特性。（此處還不太懂，后續補充吧）
方差：
與均值之差的平方的和的平均數。
標准差的計算公式：
相關系數：
衡量兩組數據之間的關系 。比如：X=（x1，x2，...），Y=（y1，y2，...）
反應的是變量之間的線性關系和相關性的方向（正相關、負相關）。比如，0表示X與Y之間不相關；1表示X與Y正相關，X變大，Y也變大；-1表示X與Y負相關，X變小，Y也變小。
有3種定量相關性association的方法：OR、RR（risk ratio）、ARR（abolute risk reduction）
