问题标签 [standard-deviation]

我正在我的 python 程序中导入 datetime 库，并且正在记录多个事件的持续时间。下面是我的代码：

现在我在变量“持续时间”中有一个值。其输出将是：

我想取所有持续时间的标准偏差并确定是否存在异常。例如，00:45:22 是一个异常，我想检测它。如果我知道日期时间的格式，我可以这样做，但它似乎不是数字或任何东西..我正在考虑将值从 : 拆分出来并使用两者之间的所有值，但可能会有更好的方法。

想法？

我在 Calc 电子表格中有几个数据列，每个列有 400 到 500 个条目。对于这些列中的每一个，我只想能够找到平均值和标准差，但不知道如何进行。

有人可以指导我一步一步地用简单而不是技术语言来做到这一点吗？

当我尝试检索单个值以在计算标准偏差的过程中找到方差时出现错误。我不知道是使用 .get() 还是 .getValue ，我迷路了。我已经计算了平均值。

这是我的 NumberHolder 类，我填充在我的主要功能中。我使用这个方程来计算标准偏差： http: //www.mathsisfun.com/data/standard-deviation-formulas.html

根据我的代码，出现次数是 N 并且来自 singleValues 数组列表的值是 Xi

这是我得到的错误。：

如果您需要查看更多代码，请询问，我不想放任何不必要的东西，但我可能错过了一些东西。

您好我想计算 SQL Server 2012 中的加权标准差。

SQL Server 中是否有任何内置函数作为标准偏差或如何在 SQL Server 中构建用户定义函数。

如果它们小于该行的标准偏差，我想将一行的所有值更改为零。

下面的几行似乎可以完成这项工作，但在我的实际用例中速度非常慢，而且我有点不确定 sapply 返回的是什么......

什么是更快更有效的方法？

更新非常感谢大家的快速有效的回答！

以下是它们的堆叠方式...

看起来 Arun 的答案是最快的（正如 Arun 指出的那样）。然而，DWin 的打字少了 8 个字符，并且以使用奇异的（对我而言）sweep功能而著称。

一个小的娱乐更新，Arun 的方法明显更快（t = 2.0112，df = 191.985，p 值 = 0.04571），或者，如果您愿意，Arun 函数的平均速度比 DWin 的平均速度快得多（使用这个强大的贝叶斯估计方法，第 1 组 = DWin，第 2 组 = Arun，尽管 Arun 的时序不太适合 t-dist）：

我正在尝试创建一个JTable可以单击一行的内容，它将显示标准偏差曲线。这是我JTable现在的样子。

因此，例如，字符串的标准偏差screen saver, action->login, login->disclaimer, ok看起来像这样（我在 excel 中绘制它）

所以我的问题是#1 这可能吗，#2 如果可以，那怎么办？

我再次在 xts 中有我的 df 并且没有名字！（据我所知，设置 as.POSIXct() 时不再有名称）：

我想计算当天的平均值和标准差 - 而不是整个 df。

有效，但我得到的不是一天的平均值 - 以及如何处理标准偏差？谢谢

boost accumulators 的 error_of<mean> 特性的文档指出，它通过以下公式计算平均值的误差：

sqrt（方差/（计数 - 1）），

其中方差通过以下方式计算：

方差 = 1/count sum[ (x_i - x_m)^2 ] 其中总和超过样本的所有值 x_i i=1..count，x_m 是平均值。这给出了使用的公式（对于错误值）：

sqrt(1/ (count(count - 1)) sum[ (x_i - x_m)^2 ] ),

维基百科指出，对于标准偏差，使用未校正或校正的样本标准偏差。后者通过以下方式计算：

sqrt(1/(count-1) * sum[ (x_i - x_m)^2] )

这是我通常用来计算平均值误差的方法。那么error_of<mean>的目的是什么？那里计算了哪个错误？

您好我正在尝试计算一系列整数或浮点数的加权方差和加权标准差。我找到了这些链接：

http://math.tutorvista.com/statistics/standard-deviation.html#weighted-standard-deviation

http://www.itl.nist.gov/div898/software/dataplot/refman2/ch2/weightsd.pdf（警告pdf）

到目前为止，这是我的模板功能。方差和标准差工作正常，但对于我的生活，我无法让加权版本与 pdf 底部的测试用例相匹配：

测试用例：

结果：

应该：

我认为问题在于加权方差有几种不同的解释，我不知道哪个是标准的。我发现了这种变化：

http://en.wikipedia.org/wiki/Algorithms_for_calculating_variance#Weighted_incremental_algorithm

结果：

我还尝试查看 boost 和 esutil 但它们并没有太大帮助：

http://www.boost.org/doc/libs/1_48_0/boost/accumulators/statistics/weighted_variance.hpp http://esutil.googlecode.com/svn-history/r269/trunk/esutil/stat/util.py

我不需要整个统计库，更重要的是，我想了解实现。

有人可以发布函数来正确计算这些吗？

如果您的函数可以一次性完成，则可以加分。

另外，有谁知道加权方差是否与具有重复值的普通方差给出相同的结果？例如，samples[] = { 1, 2, 3, 3 } 的方差是否与 samples[] = { 1, 2, 3 }, weights[] = { 1, 1, 2 } 的加权方差相同?

更新：这是我为探索问题而设置的谷歌文档电子表格。不幸的是，我的答案与 NIST pdf 相去甚远。我认为问题出在 unbias 步骤中，但我不知道如何解决它。

https://docs.google.com/spreadsheet/ccc?key=0ApzPh5nRin0ldGNNYjhCUTlWTks2TGJrZW4wQUcyZnc&usp=sharing

结果是加权方差为 3.77，这是我在 c++ 代码中得到的加权标准差 1.94 的平方。

我正在尝试在我的 Mac OS X 设置上安装 octave，以便我可以使用权重运行他们的 var() 函数，但是使用 brew 安装它需要很长时间。我现在很喜欢刮牦牛毛。

我在回答这个问题时看到了这个算法。

这是否正确计算标准偏差？有人可以告诉我为什么这在数学上有效吗？最好从这个公式中恢复：