精华内容
下载资源
问答
  • Python求一组数据的均值,方差,标准差 代码如下: def get_mean_var_std(arr): import numpy as np #求均值 arr_mean = np.mean(arr) #求方差 arr_var = np.var(arr) #求标准差 arr_std = np.std(arr,...

    Python求一组数据的均值,方差,标准差
    代码如下:

    
    def get_mean_var_std(arr):
        import numpy as np
        
        #求均值
        arr_mean = np.mean(arr)
        #求方差
        arr_var = np.var(arr)
        #求标准差
        arr_std = np.std(arr,ddof=1)
        print("平均值为:%f" % arr_mean)
        print("方差为:%f" % arr_var)
        print("标准差为:%f" % arr_std)
    
        return arr_mean ,arr_var ,arr_std
    
    
    
    
    if __name__ == '__main__':
    
        arr = [1, 2, 3, 4, 5, 6]
        print(get_mean_var_std(arr))
    
    展开全文
  • 标准偏差(标准差)

    千次阅读 2015-06-03 09:32:35
    标准偏差(标准差) 标准偏差(Std Dev,Standard Deviation) -统计学名词。一种量度数据分布的分散程度之标准,用以...标准差也被称为标准偏差, 或者实验标准差, 标准差(Standard Deviation)描述各数据偏离平均数的距离
    标准偏差(标准差)
    标准偏差(Std Dev,Standard Deviation) -统计学名词。一种量度数据分布的分散程度之标准,用以衡量数据值偏离算术平均值的程度。标准偏差越小,这些值偏离平均值就越少,反之亦然。标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量。

    标准差也被称为标准偏差, 或者实验标准差, 标准差(Standard Deviation)描述各数据偏离平均数的距离(离均差)的平均数,它是离差平方和平均后的方根, 用σ表示. 标准差是方差的算术平方根. 标准差能反映一个数据集的离散程度, 标准偏差越小, 这些值偏离平均值就越少, 反之亦然. 标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量. 平均数相同的两个数据集,标准差未必相同.

    例如: A, B两组各有6位学生参加同一次语文测验, A组的分数为95, 85, 75、65, 55、45; B组的分数为73, 72, 71, 69、68, 67; 这两组的平均数都是70, 但A组的标准差应该是18.708分, B组的标准差应该是2.37分,说明A组学生之间的差距要比B组学生之间的差距大得多

    总体标准偏差与样本标准偏差区别
    总体标准偏差: 针对总体数据的偏差, 所以要平均: 1 / n

    样本标准偏差: 针对从总体抽样, 利用样本来计算总体偏差, 为了使算出的值与总体水平更接近, 就必须将算出的标准偏差的值适度放大, 即: 1 / (N - 1)



    // 实现伪代码

    // 总体标准偏差:
    bool TotalityStandardDeviation(vector sample, double& dStdDev)
    {
    	if(1 > sample.size())
    	{
    		return false;
    	}
    	double dSum = 0.0;		// 样本值之和
    	double dAverage = 0.0;	// 样本值的平均值
    	
    	// 遍历样本
    	for(i = 0; i < sample.size(); ++i)
    	{
    		dSum += sample[i];
    	}
    	dAverage = dSum / sample.size();
    	
    	// 遍历样本数字
    	dSum = 0.0;
    	for(i = 0; i < sample.size(); ++i)
    	{
    		dSum += (sample[i] - dAverage)^2;
    	}
    	
    	dStdDev =  sqrt(dSum / sample.size());
    	return true;	
    }
    
    
    // 样本标准偏差:
    bool SampleStandardDeviation(vector sample, double& dStdDev)
    {
    	if(2 > sample.size())
    	{
    		return false;
    	}
    	double dSum = 0.0;		// 样本值之和
    	double dAverage = 0.0;	// 样本值的平均值
    	
    	// 遍历样本
    	for(i = 0; i < sample.size(); ++i)
    	{
    		dSum += sample[i];
    	}
    	dAverage = dSum / sample.size();
    	
    	// 遍历样本数字
    	dSum = 0.0;
    	for(i = 0; i < sample.size(); ++i)
    	{
    		dSum += (sample[i] - dAverage)^2;
    	}
    	
    	dStdDev =  sqrt(dSum / (sample.size() - 1));
    	return true;	
    }
    

    引用: http://baike.baidu.com/view/663819.htm


    展开全文
  • % 计算一离散数据标准偏差和中位数。 % 我们假设数据是以频数或数据点数量给出。作为例子,我们再次以办公室雇员为例 % 子,我们取得每个年龄的雇员数量。假设他们是: % 2 个雇员的年龄是 17 % 1 ...

    % 计算一组离散数据的标准偏差和中位数。
    % 我们假设数据是以频数或数据点数量给出。作为例子,我们再次以办公室雇员为例
    % 子,我们取得每个年龄的雇员数量。假设他们是:
    % 2 个雇员的年龄是 17
    % 1 个雇员的年龄是 18
    % 3 个雇员的年龄是 21
    % 1 个雇员的年龄是 24
    % 1 个雇员的年龄是 26
    % 4 个雇员的年龄是 28
    % 2 个雇员的年龄是 31
    % 1 个雇员的年龄是 33
    % 2 个雇员的年龄是 34
    % 3 个雇员的年龄是 37
    % 1 个雇员的年龄是 39
    % 2 个雇员的年龄是 40
    % 3 个雇员的年龄是 43
    % 我们要做的第一件事是创建一个绝对频数数据数组,这就是我们在前一节中使用的数组
    % N(j)。这一次我们会有每个年龄的入口,所以我们把所给年龄没有雇员的地方设为 0。我们
    % 把绝对频数称为 f_abs:
    f_abs = [2, 1, 0, 0, 3, 0, 0, 1, 0, 1, 0, 4, 0, 0, 2, 0, 1, 2, 0, 0, 3, 0, 1, 2, 0, 0, 3];
    % 我们把数据“装”在一起,所以我们定义一个 bin width(We are “binning” the data, so let’s
    % define a bin width)。由于我们是以一岁一岁度量的,我们把 bin width 设为 1:
    binwidth = 1;
    % 我们创建一个数组表示 17 到 43 之间的年龄,binwidth 是 1。
    bins = [17:binwidth:43]; %bins=[17,43];
    % 现在我们收集未加工的数据,使用 for 循环遍历所有数据,重新构建数组如下:
    raw = [];
    for i = 1:length(f_abs)
    if f_abs(i) > 0
    new = bins(i)*ones(1,f_abs(i)); %ones(a,b)创建一行两列单位向量
    else
    new = [];
    end
    raw =[raw,new]; %数组的创建/拼接
    end
    % 这个循环所做的就是创建一个数组,按频率重复每个元素。运行得:

    raw =
    Columns 1 through 21
    17 17 18 21 21 21 24 26 28 28 28 28 31 31 33 34 34 37 37 37 39
    Columns 22 through 26
    40 40 43 43 43

    ave = mean(raw) %平均数
    ave =
    30.7308

    md = median(raw) %中位数
    82
    md =
    31

    sigma = std(raw) %标准偏差
    sigma =
    8.3836

    注:标准差也被称为标准偏差,标准差(Standard Deviation)描述各数据偏离平均数的距离(离均差)的平均数,它是离差平方和平均后的方根,用σ表示。标准差是方差的算术平方根。这里写图片描述
    数组对应位置的重构,这个基础问题我好久都不知道如何下手 今天终于看到了,感谢这本教材,真的特别特别好。

    展开全文
  • 最近做实验需要统计实验结果的均值,标准差,mark一下,方便查阅! 总体标准差 样本标准差 有的也叫无偏样本标准差,就是自由度为 n-1 代码 imimport numpy as np each_acc1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] ...

    前言

    最近做实验需要统计实验结果的均值,标准差,mark一下,方便查阅!

    总体标准差

    在这里插入图片描述

    样本标准差

    有的也叫无偏样本标准差,就是自由度为 n-1
    在这里插入图片描述

    代码

    imimport numpy as np
    each_acc1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
    print("总体标准差:", np.std(each_acc1))
    print("样本标准差:", np.std(each_acc1, ddof=1))
    
    样本标准差: 3.0276503540974917
    总体标准差: 2.8722813232690143
    

    按列计算均值,总体标准差,样本标准差

    imimport numpy as np
    each_list = []
    each_acc1 = [1.0, 2.323, 3.323, 45.321321, 6.312, 6.312, 8.3123, 99.3232]
    each_acc2 = [0.99233, 2.3212, 3.323, 45.321321, 7.312, 7.312, 8.666, 100]
    each_acc3 = [1.32323, 1.32, 6.323, 35.321321, 8.312, 7.312, 8.7877, 100.0]
    each_list.append(each_acc1)
    each_list.append(each_acc2)
    each_list.append(each_acc3)
    a = np.array(each_list)
    print('原始数组:\n', a)
    print('每列均值:\n', a.mean(axis=0))
    print('每列总体标准差:\n', np.around(a.std(axis=0),decimals=2))
    print('每列样本标准差:\n', np.around(a.std(axis=0,ddof=1),decimals=2))
    
    原始数组:
     [[  1.         2.323      3.323     45.321321   6.312      6.312      8.3123    99.3232  ]
     [  0.99233    2.3212     3.323     45.321321   7.312      7.312      8.666    100.      ]
     [  1.32323    1.32       6.323     35.321321   8.312      7.312      8.7877   100.      ]]
    每列均值:
     [ 1.10518667  1.98806667  4.323      41.98798767  7.312       6.97866667  8.58866667 99.7744    ]
    每列总体标准差:
     [0.15 0.47 1.41 4.71 0.82 0.47 0.2  0.32]
    每列样本标准差值:
     [0.19 0.58 1.73 5.77 1.   0.58 0.25 0.39]
    
    展开全文
  • /// 获得一组数据中的个数,最大值,最小值,平均值,标准差 /// /// 一组数据 /// 个数,最大值,最小值,平均值,标准差 public double[] GetStatisData(string sData) { double[] dResult = new ...
  • 标准偏差:评价数据的离散程度

    千次阅读 2021-02-23 12:51:46
    我们知道了方差是用来评价一组数据的离散程度,然而他与原数据 不处在同一个级数下,往往很难理解数据的离散程度,这个时候就需要引入 标准偏差 和变异系数,让这个指标 归一化,能更简单的去评价数据的离散程度。...
  • 标准差标准偏差的区别

    千次阅读 2015-09-25 17:55:16
    标准差(Standard ...标准差能反映一个数据集的离散程度。平均数相同的,标准差未必相同。 例如,A、B两组各有6位学生参加同一次语文测验,A的分数为95、85、75、65、55、45,B的分数为73、72、71、69、68、6
  • 一、问题描述“Matlab求标注差函数std与Python Numpy中求标注差函数std对统一数据标准差的结果不一样”Matlab示例:&gt;&gt; a = [1,3,7,10,20]; &gt;&gt; std(a) ans = 7.4632Python Numpy示例...
  • 利用标准差剔除异常数据

    千次阅读 2019-03-27 21:53:00
    标准差也被称为标准偏差,或者实验标准差,公式如下所示:标准差=方差的算术平方根=s=sqrt(((x1-x)^2 +(x2-x)^2 +......(xn-x)^2)/n)。 如是总体(即估算总体方差),根号内除以n(对应excel函数:STDEVP); 如是...
  • 多组数据两两比较相关性

    万次阅读 2013-11-06 17:41:42
    假设我们有多组数据,需要两两比较它们之间的相关性,并使用图形将它们显示出来。 这个问题可以分为几种情况,第一,每组数据数据量都很小,比如只有三个或者四个。第二,每组数据都有一定的数据量,比如十几二十...
  • 标准差SD、相对标准偏差RSD学习和python实现前言一、SD和RSD的定义、公式、深层意义(1)定义(2)公式(3)RSD的必要性二、Python实现1.SD2.读入数据总结 前言 提示:这里可以添加本文要记录的大概内容: 例如:...
  • 标准偏差

    千次阅读 2015-12-18 17:02:55
    标准偏差 标准偏差(Std Dev,Standard Deviation) -统计学名词。一种量度数据分布的分散程度之标准,用以衡量数据值偏离算术平均值的程度。...标准差能反映一个数据集的离散程度,标准偏差越小,这些
  • 数据的离散程度 如下两组数据: A:1,2,5,8,9 B:3,4,5,6,7 两组数据的均值都是5,但是B组的数据更接近5。...可以看出A的极比B的极大,所以A组数据比B组数据要分散 但是只用极来衡量数据离散程度
  • 知识想简单处理python的同志们(指并不怎么学python,但偶尔使用写个小分析啥的。)就像进行数据处理的时候,有时会遇到求极值(最大值、最小值)、平均值、中位数和四分位数(25%、 75%)的情况。 这一篇博客...
  • 内方差(Se) 实现每次只读取单张图片来计算整个图像数据集的各通道均值和标准差,从而避免需要读取所有图片使得内存占用太(最后可能忘了除样本数量,待下次用到再更新) PathRoot='.\RCS\RGB'; %data file ...
  • 数据的离散程度即衡量一组数据的分散程度如何,其衡量的标准和方式有很,而具体选择哪一种方式则需要依据实际的数据要求进行抉择。 首先针对不同的衡量方式的应用场景大体归纳如下: 极:极为数据样本中的...
  • 数据标准

    千次阅读 2016-10-30 23:01:19
    数据标准化,是指将数据按比例缩放,使之落到一个特定的区间,数据标准化目的是为消除单位的影响,方便进行比较分析,常用的数据标准化方法有【0-1标准化】和【Z标准化】。 0-1标准化 0-1标准化也称为离差...
  • 数据标准化/归一化normalization

    千次阅读 2019-05-31 09:40:09
    1 数据的标准化(normalization)和归一化 数据的标准化(normalization)是将数据按比例缩放,使之落入一个...目前数据标准化方法有多种,归结起来可以分为直线型方法(如极值法、标准差法)、折线型方法(如三折线法...
  • 总体标准差-样本标准差

    万次阅读 2019-03-19 15:18:46
    1,求一组数据标准差,该组数据就是总体,此时是求总体标准差,公式中分母为n; 2,总体太大或未知,只能每次抽取样本,此时是求样本标准差,分母为n-1。 图片来源:...
  • 我们已知均数、标准差及例数,如何生成一模拟的原始数据呢?对大多数人来说,这是一个艰难的作业,下面分享一个简单的方法。 【工具/原料】临床医师统计学助手 V15.0 【方法/步骤】 一、首先我们到网上下载一个...
  • 机械原因是由于机械原因导致的数据收集或保存的失败造成的数据缺失,比如数据存储的失败,存储器损坏,机械故障导致某段时间数据未能收集(对于定时数据采集而言)。人为原因是由于人的主观失误、历史局限或有意隐瞒...
  • C语言 求标准偏差

    万次阅读 2017-10-11 19:55:24
    标准偏差是一种量度数据分布的分散程度之标准,能反映一个数据集的离散程度,标准偏差越小,这些值偏离平均值就标准偏差越少。 例如,A、B两组各有6位学生参加同一次语文测验,A的分数为95、85、75、65、55、45,B...
  • 对于前面例子的数据 [1,2,5,8,9],求出来的方差是10,但是这个方差值是否说明这一组数据非常离散呢?由于方差的单位和原始数据的单位不一样,如果原始数据的单位是m,那么方差的单位就是m^2,这样比较没大意义。 ...
  • 文章目录一、中位数二、波动范围与极差三、离差、方差与标准差 一、中位数 1、中位数 将个样本按照大小顺序排列,居于中间位置的元素为中位数 2、经典求法 1)A:样本集 2)L:样本数 3)M = (A[(L-1)/2] + A[L/2]...
  • RNA-seq:转录组数据分析处理(上)

    万次阅读 多人点赞 2019-01-26 17:04:52
    RNA-seq:转录组数据分析处理 一、流程概括 RNA-seq的原始数据(raw data)的质量评估 raw data的过滤和清除不可信数据(clean reads) reads回帖基因组和转录组(alignment) 计数(count ) 基因差异分析(Gene ...
  • 求它的标准差,我们知道公式是: 分母为什么是n-1而不是n呢? 这个问题需要我们从统计学的知识开始说起来,统计学就是通过对一部分数据(样本)的观察分析,来获取整体数据的特征。也就是说我们的目的是为了获得...
  • 数据标准化方法

    千次阅读 2017-04-09 20:44:43
    数据标准化(normalization)是将数据按比例缩放,使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到,去除数据的...“标准化”则是将特征值转换为均值为0的一数,其中每个数表示偏离均值的程度
  •  中位数:分类数据组的中间值(如果数据个数为偶数,则是两个中间数值和的一半)  众数:数据组中出现次数最多的值(或者一值)   异常值:比几乎其他所有数字都要 大/小 很的数值   加权平均值:对变量在...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 215,181
精华内容 86,072
关键字:

多组数据的标准偏差