相关性违背：c-δ 系数——在相似的方式下或不同方式地被不同

本文引入了相关性违背系数 c-δ，这是一种量化两个价值群体内部违背模式相似性的自定义统计度量。不同于 Pearson 或 Spearman 等常规相关系数，这些系数评估成对值之间的关联，c-δ 则评估一种群体内值如何不同是否在另一种群体中得到反映。该方法涉及计算每个值与其群体内其他值之间的所有违背，然后比较两种群体之间的这些模式（例如人类与机器智能）。该系数由每组内平均根均方违背进行标准化，以确保尺度不变性。c-δ 的潜在应用领域包括量子物理，其中可以比较量子系统之间测量结果的分布；以及基因、生态学、心理计量学、制造业、机器学习和社交网络分析等领域。该度量特别适用于基准测试、聚类验证和评估 variability 结构的相似性。虽然 c-δ 不受限制于 -1 到 1 之间，也可能对异常值敏感（但 Pearson 的 r 也如此），但它为分析 internal variability 和违背提供了新的视角。该文讨论了数学公式、复杂数据的数据适应以及与这一替代方法相关的解释性考虑。