我有几个带有给定属性的记录,我想找到标准偏差。
我该怎么做?
答案 0 :(得分:81)
module Enumerable
def sum
self.inject(0){|accum, i| accum + i }
end
def mean
self.sum/self.length.to_f
end
def sample_variance
m = self.mean
sum = self.inject(0){|accum, i| accum +(i-m)**2 }
sum/(self.length - 1).to_f
end
def standard_deviation
Math.sqrt(self.sample_variance)
end
end
测试它:
a = [ 20, 23, 23, 24, 25, 22, 12, 21, 29 ]
a.standard_deviation
# => 4.594682917363407
通过Dave Sag
修复“sample_variance”答案 1 :(得分:33)
安吉拉似乎想要一个现有的图书馆。在使用statsample,array-statisics和其他一些内容之后,如果你试图避免重新发明轮子,我会推荐descriptive_statistics gem。
gem install descriptive_statistics
$ irb
1.9.2 :001 > require 'descriptive_statistics'
=> true
1.9.2 :002 > samples = [1, 2, 2.2, 2.3, 4, 5]
=> [1, 2, 2.2, 2.3, 4, 5]
1.9.2p290 :003 > samples.sum
=> 16.5
1.9.2 :004 > samples.mean
=> 2.75
1.9.2 :005 > samples.variance
=> 1.7924999999999998
1.9.2 :006 > samples.standard_deviation
=> 1.3388427838995882
我不能说它的统计正确性,或者你对猴子修补的安慰可数;但它易于使用且易于贡献。
答案 2 :(得分:30)
上面给出的答案很优雅但是有一点误差。我不是自己的统计数据,我坐下来仔细阅读了一些网站,发现这个网站给出了如何得出标准差的最易理解的解释。 http://sonia.hubpages.com/hub/stddev
上面答案中的错误是sample_variance
方法。
这是我的更正版本,以及一个简单的单元测试,显示它有效。
./lib/enumerable/standard_deviation.rb
中的
#!usr/bin/ruby
module Enumerable
def sum
return self.inject(0){|accum, i| accum + i }
end
def mean
return self.sum / self.length.to_f
end
def sample_variance
m = self.mean
sum = self.inject(0){|accum, i| accum + (i - m) ** 2 }
return sum / (self.length - 1).to_f
end
def standard_deviation
return Math.sqrt(self.sample_variance)
end
end
在./test
中使用从简单电子表格中派生的数字。
#!usr/bin/ruby
require 'enumerable/standard_deviation'
class StandardDeviationTest < Test::Unit::TestCase
THE_NUMBERS = [1, 2, 2.2, 2.3, 4, 5]
def test_sum
expected = 16.5
result = THE_NUMBERS.sum
assert result == expected, "expected #{expected} but got #{result}"
end
def test_mean
expected = 2.75
result = THE_NUMBERS.mean
assert result == expected, "expected #{expected} but got #{result}"
end
def test_sample_variance
expected = 2.151
result = THE_NUMBERS.sample_variance
assert result == expected, "expected #{expected} but got #{result}"
end
def test_standard_deviation
expected = 1.4666287874
result = THE_NUMBERS.standard_deviation
assert result.round(10) == expected, "expected #{expected} but got #{result}"
end
end
答案 3 :(得分:9)
我不喜欢向Enumerable
添加方法,因为可能会产生不必要的副作用。它还为从Enumerable
继承的任何类提供了特定于数组的方法,这在大多数情况下都没有用。
虽然这对于测试,脚本或小应用程序来说很好,但对于大型应用程序来说风险很大,所以这里有一个基于@tolitius答案的替代方案,它已经很完美了。这比其他任何东西都更适合参考:
module MyApp::Maths
def self.sum(a)
a.inject(0){ |accum, i| accum + i }
end
def self.mean(a)
sum(a) / a.length.to_f
end
def self.sample_variance(a)
m = mean(a)
sum = a.inject(0){ |accum, i| accum + (i - m) ** 2 }
sum / (a.length - 1).to_f
end
def self.standard_deviation(a)
Math.sqrt(sample_variance(a))
end
end
然后你这样使用它:
2.0.0p353 > MyApp::Maths.standard_deviation([1,2,3,4,5])
=> 1.5811388300841898
2.0.0p353 :007 > a = [ 20, 23, 23, 24, 25, 22, 12, 21, 29 ]
=> [20, 23, 23, 24, 25, 22, 12, 21, 29]
2.0.0p353 :008 > MyApp::Maths.standard_deviation(a)
=> 4.594682917363407
2.0.0p353 :043 > MyApp::Maths.standard_deviation([1,2,2.2,2.3,4,5])
=> 1.466628787389638
行为是相同的,但它避免了向Enumerable
添加方法的开销和风险。
答案 4 :(得分:2)
所提出的计算效率不高,因为它们需要多个(至少两个,但通常是三个因为你通常想要除了std-dev之外还要提供平均值)才能通过数组。
我知道Ruby不是寻找效率的地方,但这是我的实现,通过列表值的单次传递来计算平均值和标准差:
module Enumerable
def avg_stddev
return nil unless count > 0
return [ first, 0 ] if count == 1
sx = sx2 = 0
each do |x|
sx2 += x**2
sx += x
end
[
sx.to_f / count,
Math.sqrt( # http://wijmo.com/docs/spreadjs/STDEV.html
(sx2 - sx**2.0/count)
/
(count - 1)
)
]
end
end
答案 5 :(得分:2)
作为一个简单的函数,给出一个数字列表:
def standard_deviation(list)
mean = list.inject(:+) / list.length.to_f
var_sum = list.map{|n| (n-mean)**2}.inject(:+).to_f
sample_variance = var_sum / (list.length - 1)
Math.sqrt(sample_variance)
end
答案 6 :(得分:1)
如果手头的记录属于Integer
或Rational
类型,您可能需要使用Rational
代替Float
计算方差,以避免因舍入而引入错误。
例如:
def variance(list)
mean = list.reduce(:+)/list.length.to_r
sum_of_squared_differences = list.map { |i| (i - mean)**2 }.reduce(:+)
sum_of_squared_differences/list.length
end
(为空列表和其他边缘情况添加特殊情况处理是明智的。)
然后可以将平方根定义为:
def std_dev(list)
Math.sqrt(variance(list))
end
答案 7 :(得分:0)
如果人们使用postgres ......它为stddev_pop和stddev_samp提供了聚合函数 - postgresql aggregate functions
stddev(相当于stddev_samp)至少可以使用postgres 7.1,因为8.2提供了samp和pop。
答案 8 :(得分:0)
或者怎么样:
class Stats
def initialize( a )
@avg = a.count > 0 ? a.sum / a.count.to_f : 0.0
@stdev = a.count > 0 ? ( a.reduce(0){ |sum, v| sum + (@avg - v) ** 2 } / a.count ) ** 0.5 : 0.0
end
end