假设我有一个N个正实数的样本，我想找一个＆＃34;典型的＆＃34;这些数字的价值。当然＆＃34;典型＆＃34;定义不是很明确，但可以想到以下更具体的问题：
分配数字使得（粗略地说）它们的一部分（1-epsilon）是从高斯绘制的，具有正平均值m> 1。 0和均方差sigma＆lt;＆lt; m和它们的一小部分epsilon是从一些其他分布中得出的，对于大数和小数都是重尾。我想在几个标准偏差内估计高斯的平均值。
解决方案是计算中值但是当它是O（N）时，常数因子对于中等N不是那么好，而且它需要相当多的编码。我准备放弃对代码简单性和/或小N性能的估计精度（例如，N是10或20，我最多有一两个异常值）。
你有什么建议吗？
（例如，如果我的异常值只来自大值，我会计算我的值的对数的平均值并取幂它。在一些进一步的假设下，这给了我一个很好的估计，我可以计算它容易并且具有尖锐的O（N））。
答案 0 :(得分：2)
您可以采用不包括最小值和最大值的数字的平均值。公式为（sum - min - max）/（N - 2），分子中的项只需一次通过即可计算（注意浮点问题）。
答案 1 :(得分：1)
我认为你应该重新考虑中位数，要么使用quickselect，要么使用Blum-Floyd-Pratt-Rivest-Tarjan（由Coetzee在这里实现）。它快速而强大。
如果你需要更好的速度，你可以考虑选择固定数量的随机元素并取其中位数。这是次线性的（O（1）或O（log n），具体取决于模型），适用于大型集合。