程序员数学(20)–数据的分析(平均数、中位数、众数、方差、平均差)

简介: 本文目录1. 平均数2. 加权平均数3. 中位数4. 众数5. 方差6. 平均差

1. 平均数

平均数的概念很简单,不再详述,直接给出其公式:

对于n个数字x1、x2…xn,其平均数公式为:

image.png

2. 加权平均数

什么是权,就是重要性,在数学中就是一个表示其所占比重的数值。假设xn的权为wn,则平均数公式为:

image.png

加权平均数平时其实用的很多,例如同时参加语文、数学、英语考试,这三门的权重比为2:2:1,三门考试成绩为100,90,80,则加权平均分为:

image.png

3. 中位数

平均数容易受个别极大、极小数字的影响,从而不能全面描述整体情况。而中位数有时候能较好的表达一组数据的中间水平。


如果数据个数为奇数,处于中间的数为中位数。


如果数据个数为偶数,则中间两个数的平均数为中位数。


4. 众数

一组数据中出现最多次的数为众数。


5. 方差

可以使用方差来描述数据波动的程序,方差越大,数据波动越大,反之方差越小,波动越小。方差方式如下:

image.png

6. 平均差

由于方差与原始数据的单位不同,所以平时常用标准差来刻画数据的波动,标准差公式为:

image.png


相关文章
|
XML 自然语言处理 Java
Kotlin 使用DSL构建语法结构 看这一篇就够了~
Kotlin 使用DSL构建语法结构 看这一篇就够了~
2926 0
Kotlin 使用DSL构建语法结构 看这一篇就够了~
|
前端开发 测试技术
你发现一个bug,如何定位这个是前端还是后端缺陷?建议收藏
你发现一个bug,如何定位这个是前端还是后端缺陷?建议收藏
1463 0
|
安全 Linux Android开发
如何将Kindle电子书下载到电脑:技术流程与操作解析
随着数字阅读兴起,Kindle成为主流电子书平台。然而,Amazon的封闭生态和DRM限制,使用户难以灵活管理书籍。本文从技术角度出发,讲解如何合法下载Kindle电子书至电脑,包括使用Kindle for PC、USB导出及进阶方案(如Android模拟器、WINE环境)。同时介绍文件格式处理、自动化备份与阅读体验优化方法,并强调版权合规的重要性,助您构建个人数字图书馆。
5285 3
|
前端开发 小程序 搜索推荐
什么类型的项目会优先选择Headless CMS
Headless CMS的核心价值在于内容与展示的解耦,当项目需要跨终端、高定制化前端、敏捷迭代或强扩展性时,它会成为更优选择;而在小规模、低预算、内容简单且稳定的场景中,传统CMS则更具实用性。
479 1
|
数据库
mongo占用内存过大解决方案
自己有一个测试用的服务器,配置很低。年前出现几次问题,重启后就好了也就没注意。后来越来越频繁就调查了一下,发现重启后内存就一直增长直到接近100%。使用ps aux查看cpu和内存使用情况,发现mongo占用了大部分的内存,这是什么情况?
1157 0
|
机器学习/深度学习 数据采集 前端开发
深入探讨模型泛化能力的概念、重要性以及如何通过交叉验证来有效评估和提升模型的泛化能力
【6月更文挑战第13天】本文探讨了机器学习中模型泛化能力的重要性,它是模型对未知数据预测的准确性。过拟合和欠拟合影响泛化能力,而交叉验证是评估模型性能的有效工具。通过K折交叉验证等方法,可以发现并优化模型,提高泛化能力。建议包括调整模型参数、选择合适模型、数据预处理、特征选择和集成学习。Python中可利用scikit-learn的cross_val_score函数进行交叉验证。
2390 7
|
11月前
|
存储 缓存 Java
【深入浅出】揭秘Java内存模型(JMM):并发编程的基石
本文深入解析Java内存模型(JMM),揭示synchronized与volatile的底层原理,剖析主内存与工作内存、可见性、有序性等核心概念,助你理解并发编程三大难题及Happens-Before、内存屏障等解决方案,掌握多线程编程基石。
|
缓存 搜索推荐 数据挖掘
TPS和QPS是什么?都是什么区别?
TPS和QPS是什么?都是什么区别?
11751 4
|
机器学习/深度学习 自然语言处理 数据可视化
MOIRAI-MOE: 基于混合专家系统的大规模时间序列预测模型
MOIRAI 是 Salesforce 开发的早期时间序列基础模型,凭借出色的基准测试性能和开源的大规模预训练数据集 LOTSA 获得广泛关注。最新升级版本 MOIRAI-MOE 引入混合专家模型(Mixture of Experts, MOE),在模型性能上实现显著提升。本文深入分析 MOIRAI-MOE 的技术架构与实现机制,对比其与原版 MOIRAI 的差异,探讨 MOE 在提升预测准确率和处理频率变化问题上的作用,并展示其在分布内和零样本预测中的优异表现。实验结果显示,MOIRAI-MOE 以更少的激活参数量实现了更高的性能提升,成为时间序列预测领域的重要里程碑。
1235 12
MOIRAI-MOE: 基于混合专家系统的大规模时间序列预测模型

热门文章

最新文章