標準是演算法

A. 標准體重的演算法

計算標准體重的方法很多，不同國家的的標准體重可能也不一樣，世界衛生組織的的標准體重是這樣計算的，男性是(身高cm－80×70﹪=標准體重，女性是(身高cm－70×60﹪=標准體重，標准體重是反映和衡量一個人健康狀況的重要標志之一。

成人標准體重，一般是身高（cm）-105再乘2，而計算體重指數的方式是體重（kg）／身高（m）的平方，如果身體BMI指數在18.5-24之間，則屬於正常體重范圍，BMI在24-28之間，屬於超重。BMI大於等於28則屬於肥胖。老年人的體重指數一般在25左右屬於正常。

(1)標準是演算法擴展閱讀

標准體重是反映和衡量一個人健康狀況的重要標志之一。過胖和過瘦都不利於健康，也不會給人以健美感。不同體型的大量統計材料表明，反映正常體重較理想和簡單的指標，可用身高體重的關系來表示。

輕度肥胖：超過標准體重 20% - 30 %

中度肥胖：超過標准體重 30% - 50 %

重度肥胖：超過標准體重 50% 以上

B. 標准體重的演算法

女人的標准體重演算法：身高-110=公斤數。
男人標准體重演算法；身高-100=公斤數
如：女人身高是160cm，她的標准體重是 160-110=50公斤

C. 標准差的演算法

方差s^2=[(x1-x)^2+(x2-x)^2+......(xn-x)^2]/n
標准差=方差的算術平方根

標准差計算公式的來源
標准差是反應一組數據離散程度最常用的一種量化形式，是表示精密確的最要指標。
雖然樣本的真實值是不能知道，但是每個樣本總是會有一個真實值的，不管它究竟是多少。可以想像，一個好的檢測方法，基檢測值應該很緊密的分散在真實值周圍。如不緊密，那距真實值的就會大，准確性當然也就不好了，不可能想像離散度大的方法，會測出准確的結果。因此，離散度是評價方法的好壞的最重要也是最基本的指標。
一組數據怎樣去評價與量化它的離散度?有很多種方法：
1.極差
最直接也是最簡單的方法，即最大值－最小值（也就是極差）來評價一組數據的離散度。這一方法最為常見，比如比賽中去掉最高最低分就是極差的具體應用。
2.離均差的平方和
由於誤差的不可控性，因此只由兩個數據來評判一組數據是不科學的。所以人們在要求更高的領域不使用極差來評判。其實，離散度就是數據偏離平均值的程度。因此將數據與均值之差（我們叫它離均差）加起來就能反映出一個准確的離散程度，越大離散度也就越大。
但是由於偶然誤差是成正態分布的，離均差有正有負，對於大樣本離均差的代數相加為零的。為了避免正負問題，在數學有上有兩種方法：一種是取絕對值，也就是 常說的離均差絕對值相加。而為了避免符號問題，數學上最常用的是另一種方法－－平方，這樣就都成了非負數。因此，離均差的平方累加成了評價離散度一個指標。
3.方差（S2）
由於離均差的平方累加值與樣本個數有關，只能反應相同樣本的離散度，而實際工作中做比較很難做到相同的樣本，因此為了消除樣本個數的影響，增加可比性，將標准差求平均值，這就是我們所說的方差成了評價離散度的較好指標。
我們知道，樣本量越大越能反映真實的情況，而算數均值卻完全忽略了這個問題，對此統計學上早有考慮，在統計學中樣本的均差多是除以自由度（n-1），它是意思是樣本能自由選擇的程度。當選到只剩一個時，它不可能再有自由了，所以自由度是n-1。
4.標准差（SD）
由於方差是數據的平方，與檢測值本身相差太大，人們難以直觀的衡量，所以常用方差開根號換算回來這就是我們要說的標准差。

D. 評價演算法優劣的標準是

同一問題可用不同演算法解決，而一個演算法的質量優劣將影響到演算法乃至程序的效率。演算法分析的目的在於選擇合適演算法和改進演算法。一個演算法的評價主要從時間復雜度和空間復雜度來考慮。

時間復雜度

演算法的時間復雜度是指執行演算法所需要的計算工作量。一般來說，計算機演算法是問題規模n 的函數f(n)，演算法的時間復雜度也因此記做。

T(n)=Ο(f(n))

因此，問題的規模n 越大，演算法執行的時間的增長率與f(n) 的增長率正相關，稱作漸進時間復雜度

空間復雜度

演算法的空間復雜度是指演算法需要消耗的內存空間。其計算和表示方法與時間復雜度類似，一般都用復雜度的漸近性來表示。同時間復雜度相比，空間復雜度的分析要簡單得多。

正確性

演算法的正確性是評價一個演算法優劣的最重要的標准。

可讀性

演算法的可讀性是指一個演算法可供人們閱讀的容易程度。

健壯性

健壯性是指一個演算法對不合理數據輸入的反應能力和處理能力，也稱為容錯性。

(4)標準是演算法擴展閱讀

演算法可大致分為基本演算法、數據結構的演算法、數論與代數演算法、計算幾何的演算法、圖論的演算法、動態規劃以及數值分析、加密演算法、排序演算法、檢索演算法、隨機化演算法、並行演算法，厄米變形模型，隨機森林演算法。

演算法可以宏泛的分為三類：

一，有限的，確定性演算法 這類演算法在有限的一段時間內終止。他們可能要花很長時間來執行指定的任務，但仍將在一定的時間內終止。這類演算法得出的結果常取決於輸入值。

二，有限的，非確定演算法 這類演算法在有限的時間內終止。然而，對於一個（或一些）給定的數值，演算法的結果並不是唯一的或確定的。

三，無限的演算法 是那些由於沒有定義終止定義條件，或定義的條件無法由輸入的數據滿足而不終止運行的演算法。通常，無限演算法的產生是由於未能確定的定義終止條件。

參考資料：演算法--網路

E. 人體體重的是標準的演算法

一種是：成年：（身高（厘米）-100〕＊0．9= 標准體重（千克）
另一種是：男性：身高（厘米）－105= 標准體重（千克），
女性：身高（厘米）－100= 標准體重（千克）

F. 評價演算法的四個標準是什麼

評價演算法的四個標准：

1.正確性

能正確地實現預定的功能，滿足具體問題的需要。處理數據使用的演算法是否得當，能不能得到預想的結果。

2.易讀性

易於閱讀、理解和交流，便於調試、修改和擴充。寫出的演算法，能不能讓別人看明白，能不能讓別人明白演算法的邏輯？如果通俗易懂，在系統調試和修改或者功能擴充的時候，使系統維護更為便捷。

3.健壯性

輸入非法數據，演算法也能適當地做出反應後進行處理，不會產生預料不到的運行結果。數據的形式多種多樣，演算法可能面臨著接受各種各樣的數據，當演算法接收到不適合演算法處理的數據，演算法本身該如何處理呢？如果演算法能夠處理異常數據，處理能力越強，健壯性越好。

4.時空性

演算法的時空性是該演算法的時間性能和空間性能。主要是說演算法在執行過程中的時間長短和空間佔用多少問題。

演算法處理數據過程中，不同的演算法耗費的時間和內存空間是不同的。

(6)標準是演算法擴展閱讀：

演算法是對特定問題求解步驟的一種描述，它是指令的有限序列，其中每一條指令表示一個或多個操作。此外，一個演算法還具有下列5個重要的特性。

（1）、有窮性

一個演算法必須總是（對任何合法的輸入值）在執行有窮步之後結束，且每一步都可在有窮時間內完成。

（2）、確定性

演算法中每一條指令必須有明確的含義，讀者理解時不會產生二義性。即對於相同的輸入只能得到相同的輸出。

（3）、可行性

一個演算法是可行的，即演算法中描述的操作都是可以通過已經實現的基本運算執行有限次來實現的。

（4）、輸入

一個演算法有零個或多個的輸入，這些輸入取自於某個特定的對象的集合。

（5）、輸出

一個演算法有一個或多個的輸出，這些輸出是同輸入有著某種特定關系的量。

G. 演算法的衡量標准有哪些

衡量演算法的三個標準是：時間復雜度、空間復雜度和難易程度。時間復雜度可以簡單的說就是：大概程序要被執行的次數，而非時間。
注意：是次數，不是時間，因為不同機器的性能是不一樣的,不要用計時器在那裡計時誰的更快。當然，如果在同一台電腦上運行計時另說。
空間復雜度：同樣簡單來說就是：演算法執行過程中大概所佔用的最大的內存。