为什么用pymc.Uniform（＆＃34; stds＆＃34;，0,100）计算的均匀分布的标准偏差每次都不同？

Question

为什么用pymc.Uniform（＆＃34; stds＆＃34;，0,100）计算的均匀分布的标准偏差每次都不同？

我认为标准差是用这个公式＆＃39;（100-0）/2√3＆＃39;来计算的，所以我认为只有一个值有一个均匀分布。

什么是pymc.Uniform干嘛？ 如果您了解有关pymc.Uniform的信息，请使用＆＃34; std＆＃34;，请教我。 谢谢！

Answer 1

如果数据没有变化，标准偏差应每次都输出相同的值。

（标准差的基本分类）https://www.mathsisfun.com/data/standard-deviation-formulas.html

我对pymc函数了解不多，但如果可以的话，我强烈推荐使用numpy的标准偏差函数。

https://docs.scipy.org/doc/numpy/reference/generated/numpy.std.html

使用起来非常简单直观。我自己在几个项目中使用它，并没有注意到标准偏差的变化。抱歉，我无法帮助你使用pymc，但我希望这会有所帮助。

Answer 2

如果您在区间[0,100]

中模拟均匀分布的N个观测值，您就知道您的标准偏差值会收敛到相同的值

但是，频率论观点的标准偏差是对模拟观测而不是概率分布的计算。这就是为什么您可以观察来自同一分布的样本数据集中的stds之间的差异的原因。

随机变量遵循均匀分布的标准差是

(b-a)^2 / 12

但样本数据集的标准偏差的估计是使用这样的公式完成的（看看wiki page）

1/(n-1) * sum( (x_i - avg(X))^2 for i in 1...N )

因此，尝试增加您模拟的点数，您应该看到stds reduce之间的区别

Answer 3

抱歉，我犯了一个大错。我认为pymc.Uniform（＆＃34; stds＆＃34;，0,100）做的事情就像计算均匀分布的标准差。但它只是统一分配，只是得到一个名为＆＃34; stds＆＃34;的值。谢谢你的回答！