所以，让我们说我有一个传感器可以给我一个数字，让我们说一下当地的温度，或者每隔1/100秒说一次。
所以在一秒钟内，我已经填满了一百个数字的数组。
我想要做的是，随着时间的推移，创建一个流数据的统计模型，很可能是钟形曲线，这样我就可以得到这些数据的总体标准偏差。
现在在具有大量存储空间的计算机上，这不是一个问题，但是对于像树莓派或任何微处理器这样的小东西，存储在几个月内从多个传感器生成的所有数字变为非常不现实。
当我查看获得标准差的数学时，我想到只存储一些数字：
到目前为止所有数字的总运行总和，数字的数量，以及最后的运行总和（每个数字 - 当前平均值）^ 2.
使用这个，每当我得到一个新号码时，我只需在计数中加一个，将数字加到运行总和中，得到新均值，将（新数字 - 新均值）^ 2添加到运行中总和，除以计数和根，得到新的标准差。
然而，这种方法存在一些问题：
假设数据类型为温度并且平均温度为60华氏度并且数字以100hz流式传输，则需要476年来溢出流式传输的数字总和。
对于（数 - 均值）^ 2的总和，不能保持相同的置信水平，因为它是平方数的总和。
最重要的是，这种方法非常不准确，因为对于每个数字，使用新的均值，这完全抹去了标准差的整个数学值，尤其是人口标准差。
如果您认为无法实现人口标准差，那么我应该如何进行样本标准差？取每个第n个数字仍然会导致同样的问题。
我也不想将我的数据集限制在一个时间间隔内（即，仅制作传感器数据的最后24小时的模型），因为我希望我的统计模型能够代表传感器很长一段时间，即一年的数据，如果我要等一年时间进行测试和调试，甚至得到一个可用的模型，我就不会玩得开心。
是否存在任何类型的数学工作来获得总体，或者至少是一组不断增加的数字的样本标准偏差，而不实际存储该集合，因为这是不可能的，并且仍然能够准确地检测到什么东西是多个标准偏差？
我见过的最接近的答案是：wikipedia.org/wiki/Algorithms_for_calculating_variance#Online_algorithm但是，我不知道这是什么意思，如果这需要存储这组数字。
谢谢！
答案 0 :(得分：0)
链接显示代码，显然您只需要存储3个变量：到目前为止的样本数，当前平均值和二次差的总和