Numpy 1自由度

Question

在下面的代码中，我对第三行的含义感到困惑。 ddof = 1做了什么。我试着查一下，但我还是不太了解这个概念或目的。如果有人能指出我正确的方向，我真的很感激。

由于

data = stats.binom.rvs(n = 10, p = 0.3, size = 10000)
print "Mean: %g" % np.mean(data)
print "SD: %g" % np.std(data, **ddof=1**)

Answer 1

自由度是一个重要的概念，你可能想要look it up，但计算差异实际上是直截了当的，请考虑以下几点：

In [20]:

x = np.array([6,5,4,6,6,7,2])
In [21]:

np.std(x)
Out[21]:
1.5518257844571737

#default is ddof=0, what this actually does:
In [22]:

np.sqrt((((x-x.mean())**2)/len(x)).sum())
Out[22]:
1.5518257844571737
In [23]:

np.std(x, ddof=1)
Out[23]:
1.6761634196950517

#what ddof=1 does:
In [24]:

np.sqrt((((x-x.mean())**2)/(len(x)-1)).sum())
Out[24]:
1.6761634196950517

在大多数语言（R，SAS等）中，默认为返回ddof = 1的标准。 numpy的默认值是ddof = 0，这值得注意。

Answer 2

它指的是分母自由度

在某些情况下（例如使用人口水平数据），分母为N.在其他情况下（例如样本水平数据），您的分母为N-1（或者您的ddof值设置为）。

所以这里的差异是你想要除以N，还是除以N-ddof？除以每个地方的时间和地点是更具域名/背景的问题

在numpy中，默认值是ddof = 0（除以N），所以如果你想要一个不同的分母值，你必须手动指定它

Answer 3

ddof = 1指的是Degrees of Freedom。

这是一个统计概念。

人口标准差的公式：

但大多数时候，我们正在尝试使用样本标准偏差来估计真实的人口标准差。上面的公式是一个向下偏差的估计，使用N-1而不是N给我们一个修正。

检查wiki：https://en.wikipedia.org/wiki/Standard_deviation#Corrected_sample_standard_deviation以获取更多信息

Answer 4

先读the documentation：

表示Delta自由度。用于的除数 计算为N - ddof，其中N表示元素数。 默认情况下，ddof为零。

搜索Degrees of Freedom，然后说明统计概念（强调我的意思）：

统计参数的估计可以基于不同的 信息或数据量。独立件数 进入参数估计的信息称为 自由程度。一般而言，估算的自由度 参数的个数等于独立得分的数量 减去估算值减去用作中间参数的数量 参数本身的估算步骤（大多数情况下， 样本方差具有N − 1自由度，因为它是经过计算的 从N个随机分数减去唯一的1个参数估计为 中间步骤，即样本均值）。