从基础统计了解大型运算符

大型运算符（Sigma）。

加总消费金额

总消费金额=

在数学的应用中有一个加总（或称求和）符号，这个符号念Sigma。使用下列公式表达：

便利商店10位顾客的消费记录如下，计算总消费金额。

66,58,25,78,58,15,120,39,82,50

x = [66, 58, 25, 78, 58, 15, 120, 39, 82, 50]
print('总消费金额 = {}'.format(sum(x)))

运行结果如下：

[Running] python -u "c:\Users\a-xiaobodou\OneDrive - Microsoft\Projects\tempCodeRunnerFile.py"
总消费金额 = 591

[Done] exited with code=0 in 0.281 seconds

计算平均单笔消费金额

在统计或数学领域，计算平均值时可以在平均值变量上方增加一条横线，代表平均值，如下所示：

平均值变量可以读作x bar。

使用下列公式表达平均值：

销售数据计算平均消费金额：

x = [66, 58, 25, 78, 58, 15, 120, 39, 82, 50]
print('平均消费金额 = {}'.format(sum(x)/len(x)))

运行结果如下：

[Running] python -u "c:\Users\a-xiaobodou\OneDrive - Microsoft\Projects\ch19_2.py"
平均消费金额 = 59.1

[Done] exited with code=0 in 2.244 seconds

在numpy模块中有mean()方法，可以直接建立 平均数。

使用numpy模块的mean()方法，建立销售数据 的平均数。

import numpy as np

x = [66, 58, 25, 78, 58, 15, 120, 39, 82, 50]
print('平均消费金额 = {}'.format(np.mean(x)))

运行结果如下：

[Running] python -u "c:\Users\a-xiaobodou\OneDrive - Microsoft\Projects\tempCodeRunnerFile.py"
平均消费金额 = 59.1

[Done] exited with code=0 in 17.905 seconds

方差

方差的英文是variance，主要是描述系列数据 的离散程度，即所有数据与平均值的偏差距离。

假设有2个数据如下：

(10,10,10,10,10)                #平均值是10

(15,5,18,2,10)                #平均值是10

当计算两个数据的每个元素与平均值的距离时：

(0,0,0,0,0)                #第一组数据

(5,-5,8,-8,0)                #第二组数据

即使两组数据有极大差异，但是直接加总每个元素与平均值的距离会造成失真，原因是每个元素的偏差距离有正与负，在加总时正与负之间抵消了，所以正式定义方差时，是先将每个元素与平均值的距离做平方，然后加总，再除以数据的数量。下列是计算方程的步骤：

（1）计算数据的平均值。

（2）计算每个元素与平均值的距离，同时取平方，最后加总。

（3）方差最后计算公式如下：方差=

若是使用符号，可以得到下列方差公式：

方差

销售数据，计算方差：

x = [66, 58, 25, 78, 58, 15, 120, 39, 82, 50]
mean = sum(x) / len(x)

# 计算变异数
var = 0
for v in x:
    var += ((v - mean)**2)
var = var / len(x)
print("变异数 : ", var)

运行结果：

[Running] python -u "c:\Users\a-xiaobodou\OneDrive - Microsoft\Projects\tempCodeRunnerFile.py"
变异数 :  823.49

[Done] exited with code=0 in 1.156 seconds

使用numpy模块的var()方法，建立销售数据的方差。

import numpy as np

x = [66, 58, 25, 78, 58, 15, 120, 39, 82, 50]
print("变异数 : ",np.var(x))

运行结果：

[Running] python -u "c:\Users\a-xiaobodou\OneDrive - Microsoft\Projects\tempCodeRunnerFile.py"
变异数 :  823.49

[Done] exited with code=0 in 3.03 seconds

标准偏差

标准偏差的英文是Standard Deviation，编写是SD，计算方差后，将方差的结果开根号，可以获得平均距离，所获得的平均距离就是标准偏差。

标准偏差

计算标准偏差。

x = [66, 58, 25, 78, 58, 15, 120, 39, 82, 50]
mean = sum(x) / len(x)

# 计算变异数
var = 0
for v in x:
    var += ((v - mean)**2)
sd = (var / len(x))**0.5
print("标准偏差 : {0:6.2f}".format(sd))

运行结果如下：

[Running] python -u "c:\Users\a-xiaobodou\OneDrive - Microsoft\Projects\tempCodeRunnerFile.py"
标准偏差 :  28.70

[Done] exited with code=0 in 0.758 seconds

在numpy模块有std()方法，可以直接建立标准偏差。

import numpy as np

x = [66, 58, 25, 78, 58, 15, 120, 39, 82, 50]
print("标准偏差 : {0:6.2f}".format(np.std(x)))

运行结果如下：

[Running] python -u "c:\Users\a-xiaobodou\OneDrive - Microsoft\Projects\tempCodeRunnerFile.py"
标准偏差 :  28.70

[Done] exited with code=0 in 2.563 seconds

符号运算规则与验证

活用符号

省略