我有一些需要按摩的实验数据向量，例如：
{
{0, 61237, 131895, 194760, 249935},
{0, 61939, 133775, 197516, 251018},
{0, 60919, 131391, 194112, 231930},
{0, 60735, 131015, 193584, 249607},
{0, 61919, 133631, 197186, 250526},
{0, 61557, 132847, 196143, 258687},
{0, 61643, 133011, 196516, 249891},
{0, 62137, 133947, 197848, 251106}
}
每个向量是一次运行的结果，由五个数字组成，这五个数字是一个对象通过五个传感器中的每一个的时间。在测量间隔内，物体的速度是恒定的（传感器到传感器的间隔是不同的，因为传感器间距不均匀）。从一次运行到下一次运行，传感器的间距保持不变，但物体的速度在一次运行到另一次运行时会有所不同。
如果传感器是完美的，每个矢量应该只是任何其他矢量的标量倍数（与它们的速度比例成比例）。但实际上每个传感器都会有一些“抖动”，并且会以一些小的随机数量提前或延迟触发。我试图分析传感器本身有多好，即它们给我的测量中有多少“抖动”？
所以我认为我需要做以下事情。对于每个向量，我必须对其进行缩放，然后添加，然后将向量移位一点（向其五个元素中的每一个添加或减去固定量）。然后每列的StandardDeviation将描述该传感器中的“噪声”或“抖动”量。必须选择每个矢量的缩放量以及每个矢量的移位量，以最小化列的标准偏差。
在我看来是数学可能有获得此做了一个很好的工具，其实我想我可能已经找到的答案Standardize[]，但它似乎对处理标量的列表中定向，而不是像我这样的列表列表（或者至少我不知道在这里将它应用到我的案例中）。
所以我正在寻找一些提示，以便我可以使用哪些库函数来解决这个问题，或者我可能需要提示我自己解决算法。也许我的问题的一部分是，我想不出哪里看 - 是我在这里是一个“信号处理”的问题，或数据操作或数据挖掘问题，或最小化问题，或者它是一个相对标准我之前根本没有听说过的统计函数？
（作为奖励，我希望能够控制用于优化此缩放/移位的加权函数;例如，在上面的数据中，我怀疑传感器＃5有问题所以我想将数据仅适合在进行缩放/移位时考虑传感器1-4的SD）
答案 0 :(得分：1)
我对你的算法本身无法评论太多，因为数据分析不是我的强项。但是，根据我的理解，您正试图描述每个传感器的时序变化。由于来自单个传感器的数据位于矩阵的单个列中，我建议将其转置并将Standardize映射到每组数据。换句话说，
dat = (* your data *)
Standardize /@ Transpose[dat]
要将其以柱状形式放回，Transpose结果。要从此过程中排除最后一位传感器，只需使用Part（[ ]）和Span（;;）
Standardize /@ Transpose[dat][[ ;; -2 ]]
或者，Most
Standardize /@ Most[Transpose[dat]]
考虑到这一点，我认为你很难将定时抖动与速度变化区分开来。你能有意改变速度吗？