我需要知道一组数字与一组数字相比是否超出平均值的1 stddev等。
答案 0 :(得分：99)
虽然平方和算法在大多数情况下都能正常工作，但是如果处理非常大的数字会导致大麻烦。你基本上可能会出现负差异......
另外，永远不要永远计算^ 2作为pow（a，2），a * a几乎肯定会更快。
到目前为止，计算标准差的最佳方法是Welford's method。我的C非常生疏，但看起来像是：
public static double StandardDeviation(List<double> valueList)
{
double M = 0.0;
double S = 0.0;
int k = 1;
foreach (double value in valueList)
{
double tmpM = M;
M += (value - tmpM) / k;
S += (value - tmpM) * (value - M);
k++;
}
return Math.Sqrt(S / (k-2));
}
如果您拥有整个人口（而不是示例人口），请使用return Math.Sqrt(S / (k-1));。
编辑：我根据Jason的评论更新了代码......
编辑：我还根据Alex的评论更新了代码......
答案 1 :(得分：7)
快10倍解决方案，但要注意， 正如杰米所指出的那样：
＆＃34;虽然平方和算法在大多数情况下工作正常，但它 如果您正在处理非常大的数字，可能会造成大麻烦。您 基本上可能会出现负差异＆＃34;
如果你认为你正在处理非常大的数字或非常大量的数字，你应该使用这两种方法计算，如果结果相同，你肯定知道你可以使用＆＃34;我的＆＃34;你的方法。
public static double StandardDeviation(double[] data)
{
double stdDev = 0;
double sumAll = 0;
double sumAllQ = 0;
//Sum of x and sum of x²
for (int i = 0; i < data.Length; i++)
{
double x = data[i];
sumAll += x;
sumAllQ += x * x;
}
//Mean (not used here)
//double mean = 0;
//mean = sumAll / (double)data.Length;
//Standard deviation
stdDev = System.Math.Sqrt(
(sumAllQ -
(sumAll * sumAll) / data.Length) *
(1.0d / (data.Length - 1))
);
return stdDev;
}
答案 2 :(得分：4)
Math.NET库为您提供了这个功能。
PM＆GT;安装包MathNet.Numerics
var populationStdDev = new List<double>(1d, 2d, 3d, 4d, 5d).PopulationStandardDeviation();
var sampleStdDev = new List<double>(2d, 3d, 4d).StandardDeviation();
有关详细信息，请参阅http://numerics.mathdotnet.com/docs/DescriptiveStatistics.html。
答案 3 :(得分：3)
Jaime接受的答案很棒，除非您需要在最后一行中除以k-2（您需要除以“number_of_elements-1”）。 更好的是，从0开始k：
public static double StandardDeviation(List<double> valueList)
{
double M = 0.0;
double S = 0.0;
int k = 0;
foreach (double value in valueList)
{
k++;
double tmpM = M;
M += (value - tmpM) / k;
S += (value - tmpM) * (value - M);
}
return Math.Sqrt(S / (k-1));
}
答案 4 :(得分：2)
您可以通过累积均值和均方
来避免对数据进行两次传递cnt = 0
mean = 0
meansqr = 0
loop over array
cnt++
mean += value
meansqr += value*value
mean /= cnt
meansqr /= cnt
并形成
sigma = sqrt(meansqr - mean^2)
因素cnt/(cnt-1)通常也是合适的。
BTW--对Average和Demi答案中数据的第一次传递隐藏在对{{1}}的调用中。这样的事情在一个小清单上肯定是微不足道的，但如果列表超过缓存的大小，甚至是工作集，那么这就是买卖协议。
答案 5 :(得分：2)
代码段：
public static double StandardDeviation(List<double> valueList)
{
if (valueList.Count < 2) return 0.0;
double sumOfSquares = 0.0;
double average = valueList.Average(); //.NET 3.0
foreach (double value in valueList)
{
sumOfSquares += Math.Pow((value - average), 2);
}
return Math.Sqrt(sumOfSquares / (valueList.Count - 1));
}
答案 6 :(得分：1)
我发现Rob的有用答案与我使用excel看到的完全不一致。为了匹配excel，我将AverageList中的Average传递给StandardDeviation计算。
这是我的两分钱......显然你可以从函数里面的valueList计算移动平均线（ma） - 但是在我需要standardDeviation之前我就已经知道了。
public double StandardDeviation(List<double> valueList, double ma)
{
double xMinusMovAvg = 0.0;
double Sigma = 0.0;
int k = valueList.Count;
foreach (double value in valueList){
xMinusMovAvg = value - ma;
Sigma = Sigma + (xMinusMovAvg * xMinusMovAvg);
}
return Math.Sqrt(Sigma / (k - 1));
}
答案 7 :(得分：1)
使用扩展方法。
using System;
using System.Collections.Generic;
namespace SampleApp
{
internal class Program
{
private static void Main()
{
List<double> data = new List<double> {1, 2, 3, 4, 5, 6};
double mean = data.Mean();
double variance = data.Variance();
double sd = data.StandardDeviation();
Console.WriteLine("Mean: {0}, Variance: {1}, SD: {2}", mean, variance, sd);
Console.WriteLine("Press any key to continue...");
Console.ReadKey();
}
}
public static class MyListExtensions
{
public static double Mean(this List<double> values)
{
return values.Count == 0 ? 0 : values.Mean(0, values.Count);
}
public static double Mean(this List<double> values, int start, int end)
{
double s = 0;
for (int i = start; i < end; i++)
{
s += values[i];
}
return s / (end - start);
}
public static double Variance(this List<double> values)
{
return values.Variance(values.Mean(), 0, values.Count);
}
public static double Variance(this List<double> values, double mean)
{
return values.Variance(mean, 0, values.Count);
}
public static double Variance(this List<double> values, double mean, int start, int end)
{
double variance = 0;
for (int i = start; i < end; i++)
{
variance += Math.Pow((values[i] - mean), 2);
}
int n = end - start;
if (start > 0) n -= 1;
return variance / (n);
}
public static double StandardDeviation(this List<double> values)
{
return values.Count == 0 ? 0 : values.StandardDeviation(0, values.Count);
}
public static double StandardDeviation(this List<double> values, int start, int end)
{
double mean = values.Mean(start, end);
double variance = values.Variance(mean, start, end);
return Math.Sqrt(variance);
}
}
}
答案 8 :(得分：0)
/// <summary>
/// Calculates standard deviation, same as MATLAB std(X,0) function
/// <seealso cref="http://www.mathworks.co.uk/help/techdoc/ref/std.html"/>
/// </summary>
/// <param name="values">enumumerable data</param>
/// <returns>Standard deviation</returns>
public static double GetStandardDeviation(this IEnumerable<double> values)
{
//validation
if (values == null)
throw new ArgumentNullException();
int lenght = values.Count();
//saves from devision by 0
if (lenght == 0 || lenght == 1)
return 0;
double sum = 0.0, sum2 = 0.0;
for (int i = 0; i < lenght; i++)
{
double item = values.ElementAt(i);
sum += item;
sum2 += item * item;
}
return Math.Sqrt((sum2 - sum * sum / lenght) / (lenght - 1));
}
答案 9 :(得分：0)
所有其他答案的问题在于他们认为你拥有自己的答案 大数据中的数据。如果你的数据是即时进入的，那就是 更好的方法。无论您如何存储数据，此类都有效。它还为您提供Waldorf方法或平方和方法的选择。两种方法都使用单次传递。
public final class StatMeasure {
private StatMeasure() {}
public interface Stats1D {
/** Add a value to the population */
void addValue(double value);
/** Get the mean of all the added values */
double getMean();
/** Get the standard deviation from a sample of the population. */
double getStDevSample();
/** Gets the standard deviation for the entire population. */
double getStDevPopulation();
}
private static class WaldorfPopulation implements Stats1D {
private double mean = 0.0;
private double sSum = 0.0;
private int count = 0;
@Override
public void addValue(double value) {
double tmpMean = mean;
double delta = value - tmpMean;
mean += delta / ++count;
sSum += delta * (value - mean);
}
@Override
public double getMean() { return mean; }
@Override
public double getStDevSample() { return Math.sqrt(sSum / (count - 1)); }
@Override
public double getStDevPopulation() { return Math.sqrt(sSum / (count)); }
}
private static class StandardPopulation implements Stats1D {
private double sum = 0.0;
private double sumOfSquares = 0.0;
private int count = 0;
@Override
public void addValue(double value) {
sum += value;
sumOfSquares += value * value;
count++;
}
@Override
public double getMean() { return sum / count; }
@Override
public double getStDevSample() {
return (float) Math.sqrt((sumOfSquares - ((sum * sum) / count)) / (count - 1));
}
@Override
public double getStDevPopulation() {
return (float) Math.sqrt((sumOfSquares - ((sum * sum) / count)) / count);
}
}
/**
* Returns a way to measure a population of data using Waldorf's method.
* This method is better if your population or values are so large that
* the sum of x-squared may overflow. It's also probably faster if you
* need to recalculate the mean and standard deviation continuously,
* for example, if you are continually updating a graphic of the data as
* it flows in.
*
* @return A Stats1D object that uses Waldorf's method.
*/
public static Stats1D getWaldorfStats() { return new WaldorfPopulation(); }
/**
* Return a way to measure the population of data using the sum-of-squares
* method. This is probably faster than Waldorf's method, but runs the
* risk of data overflow.
*
* @return A Stats1D object that uses the sum-of-squares method
*/
public static Stats1D getSumOfSquaresStats() { return new StandardPopulation(); }
}
答案 10 :(得分：0)
我们也许可以在Python中使用统计信息模块。它具有stedev（）和pstdev（）命令，分别计算样本和总体的标准偏差。
详细信息：https://www.geeksforgeeks.org/python-statistics-stdev/
将统计信息导入为st print（st.ptdev（dataframe ['column name']））
答案 11 :(得分：0)
这是人口标准差
private double calculateStdDev(List<double> values)
{
double average = values.Average();
return Math.Sqrt((values.Select(val => (val - average) * (val - average)).Sum()) / values.Count);
}
对于样本标准偏差，只需在上述代码中将[values.Count]更改为[values.Count -1]。
确保您的集合中没有只有1个数据点。