标签: standard-deviation

我知道 sx 是样本的标准差，\xcf\x83x 是总体的标准差。我的问题是，TI-Nspire 认为我输入的数据是样本还是总体？如果它认为\xe2\x80\x99s (A)我的数据是一个样本，那么\xcf\x83x是如何计算的？如果它认为 (B) 我的数据是总体，那么它如何获取 \xe2\x80\x9csample\xe2\x80\x9d ？

我认为 (A) 是有道理的，计算器以某种方式通过一些正态分布近似来估计总体标准差 (\xcf\x83x)。

可能...\n https://en.wikipedia.org/wiki/Unbiased_estimation_of_standard_deviation

但是，我\xe2\x80\x99找不到任何参考来证实这一点，我想确定一下。

注：实际使用的是 TI-Nspire CX CAS。

我正在尝试使用 pandas 求均值、方差和 SD。但手动计算与pandas输出不同。使用 pandas 有什么我想念的吗？附上xl截图供参考

import pandas as pd

dg_df = pd.DataFrame(
            data=[600,470,170,430,300],
            index=['a','b','c','d','e'])

print(dg_df.mean(axis=0)) # 394.0 matches with manual calculation
print(dg_df.var())        # 27130.0 not matching with manual calculation 21704
print(dg_df.std(axis=0))  # 164.71187 not matching with manual calculation 147.32

我有一个数字数组，我需要使用计算样本标准差jq。

标准差公式示例（学分）：\n

我尝试将代码拆分为多个部分（长度、平均值），但我的尝试均无效，因为我不知道如何将所有数据合并为单个sqrtandmap操作：

# Example of data input\n_data="[73,73,76,77,81,100]"\n\n_length=$(echo "$_data" | jq --raw-output \'length\')\n_mean=$(echo "$_data" | jq --raw-output \'add/length\')\n\n_standard_deviation=$(echo "$_data" \\\n\xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 | jq --raw-output \\\n\xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0  --arg length "$_length" \\\n\xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0 \xc2\xa0--arg mean "$_mean" \\\n\xc2\xa0 \xc2\xa0 \xc2\xa0 …

很抱歉发布这个,因为我知道这是以各种形式出现的,但我真的不明白我做错了什么/ R的内部工作!

我有一个(多维)数据数组,我从我正在玩的netcdf文件中读取.我想计算一些数组的"统计数据",例如:

data <- array(runif(96*73*26*12), dim=c(96,73,26,12))

part.mean <- apply(data[10:23, 42:56, ,], c(3,4), mean)

效果很好.但:

part.sd <- apply(data[10:23, 42:56, ,], c(3,4), sd)

失败.

那么对我的数组进行子集化并计算与我上面可以计算的均值相关的sd的正确方法是什么？

谢谢你的时间!

亚历克斯

我正在尝试计算带有NA值的data.frame中几列(除第一列之外)的平均值和标准差.

我已经尝试过colMeans,sapply等等,创建一个遍历data.frame的循环,然后将平均值和标准偏差存储在一个单独的表中,但不断出现"FUN"错误.任何帮助都会很棒.谢谢

一个

Bellow是股票日收益矩阵示例(ret_matriz)

      IBOV        PETR4        VALE5        ITUB4        BBDC4        PETR3    
[1,] -0.040630825 -0.027795652 -0.052643733 -0.053488685 -0.048455772 -0.061668282
[2,] -0.030463489 -0.031010237 -0.047439725 -0.040229625 -0.030552275 -0.010409016
[3,] -0.022668170 -0.027012078 -0.022668170 -0.050372843 -0.080732363  0.005218051
[4,] -0.057468428 -0.074922051 -0.068414670 -0.044130126 -0.069032911 -0.057468428
[5,]  0.011897277 -0.004705891  0.035489885 -0.005934736 -0.006024115 -0.055017693
[6,]  0.020190656  0.038339130  0.009715552  0.014771317  0.023881732  0.011714308
[7,] -0.007047191  0.004529286  0.004135085  0.017442303 -0.005917177 -0.007047191
[8,] -0.022650593 -0.029481336 -0.019445057 -0.017442303 -0.011940440 -0.046076458
[9,]  0.033137223  0.035274722  0.038519205  0.060452104  0.017857617  0.046076458

例如,考虑一个5天的移动窗口,我想要一个新的矩阵,如下所述:

     IBOV        PETR4    ...       
[1,] 0           0        ... …

使用python的Pandas库,Dataframe.describe()函数打印数据集的标准偏差.但是,文档页面未指定此标准偏差是"未校正"标准偏差还是"校正"标准偏差.

有人能告诉我它返回哪一个？

我使用numpy.polyfit得到线性回归:coeffs = np.polyfit(x,y,1).

使用numpy计算拟合斜率误差的最佳方法是什么？

我在stackoverflow上找到了以下代码片段,但我遇到的问题是stdev变为NaN.任何想法如何解决这一问题？

public static void AddBollingerBands(ref SortedList<DateTime, Dictionary<string, double>> data, int period, int factor)
{
    double total_average = 0;
    double total_squares = 0;

    for (int i = 0; i < data.Count(); i++)
    {
        total_average += data.Values[i]["close"];
        total_squares += Math.Pow(data.Values[i]["close"], 2);

        if (i >= period - 1)
        {
            double total_bollinger = 0;
            double average = total_average / period;

            double stdev = Math.Sqrt((total_squares - Math.Pow(total_average,2)/period) / period);
            data.Values[i]["bollinger_average"] = average;
            data.Values[i]["bollinger_top"] = average + factor * stdev;
            data.Values[i]["bollinger_bottom"] = average - factor * …

我正在查看Accelerate以在Swift中计算数组的均值和标准差。

我可以这样说。如何做标准偏差？

let rr: [Double] = [ 18.0, 21.0, 41.0, 42.0, 48.0, 50.0, 55.0, 90.0 ]

var mn: Double = 0.0

vDSP_meanvD(rr, 1, &mn, vDSP_Length(rr.count))

print(mn) // prints correct mean as 45.6250

// Standard Deviation should be 22.3155