01 平均值
对于未分组的地理数据
![](https://img-blog.csdnimg.cn/img_convert/ce022689624103a7df210ad8cfebd806.png)
对于分组的地理数据
![](https://img-blog.csdnimg.cn/img_convert/a34c1a1fc85b921702533ad899bdeab0.png)
02 中位数
对于未分组的地理数据
当样本数为奇数n,那么中位数为第(n+1)/2个数据值(顺序排列);
当样本数为偶数m,那么中位数为第m和m+1个数据的平均值(顺序排列);
对于分组的地理数据(两种计算方法)
对于中位数所在组位置的判断方法是通过判断频数总和的一半即
![](https://img-blog.csdnimg.cn/img_convert/65db873b96bcacaaca48a3b3285e336c.png)
落在哪一个组的频数中;
![](https://img-blog.csdnimg.cn/img_convert/33bcf41f066acc4e9bbe864fd4efc5bd.png)
03 众数
对于未分组的地理数据,直接查看每一个样本数出现的频数大小,取频数最大的数据作为众数。
对于分组的地理数据(两种方法)
![](https://img-blog.csdnimg.cn/img_convert/d74f2116357225b88cef7940b81bc655.png)
04极差
指所有数据最大值与最小值之差,计算公式为
![](https://img-blog.csdnimg.cn/img_convert/00ee96a7254341cea019cd31a4948d7f.png)
05 离差
指每一个地理数据与平均值的差,计算公式为:
![](https://img-blog.csdnimg.cn/img_convert/37d9ca0e19b7c646d929ee26b63c8d9b.png)
06 离差平方和
从总体上衡量一组地理数据与平均值的离散程度,计算公式为:
![](https://img-blog.csdnimg.cn/img_convert/005245fd52af56e483f61927576b7f74.png)
07 方差和标准差
都是从平均状况衡量一组地理数据与平均值的离散程度。
方差计算公式为:
![](https://img-blog.csdnimg.cn/img_convert/0eb5111fa548c184659f23749f0d27c8.png)
总体标准差为方差的平方根(样本标准差即将下式中分母的n更换为n-1),计算公式为:
![](https://img-blog.csdnimg.cn/img_convert/48769f6cb1dd824fd15f0400025033fb.png)
08 变异系数
表示地理数据的相对变化(波动)程度,其计算公式为:
![](https://img-blog.csdnimg.cn/img_convert/dd527874c78bf269fa4f6faead9c7a08.png)
09 协方差
协方差用于衡量两个变量的总体误差。如果两个变量的变化趋势一致(即二者分别大于自身的期望值),那么两个变量之间的协方差为正值,如果两个变量的变化趋势相反(即一个变量大于自身期望值而另一个变量小于自身期望值),那么两个变量之间的协方差为负值。
(如下公式是对两组数据A、B进行协方差的计算,每组数据的期望值即为该组数据的平均值)
![](https://img-blog.csdnimg.cn/img_convert/02cdc1a9cdc98a2f0ab8394d283c44c4.png)
10 相关系数
相关系数是用以反映变量之间相关关系密切程度的统计指标。假定有A、B两组数据,那么两组的一个相关程度(正相关或负相关或不相关)可以用相关系数来表示,等于A和B的协方差除以各自的方差之积。
![](https://img-blog.csdnimg.cn/img_convert/884558415379bb2a4fd0f50b62f9a560.png)
11 示例
以下示例均以栅格图像如何进行上述部分统计量的计算,以帮助了解ENVI统计分析中的计算原理。
![](https://img-blog.csdnimg.cn/img_convert/18c0d50176883b70893360184b87d9cf.png)
如何进行均值计算?
![](https://img-blog.csdnimg.cn/img_convert/ac72348adc087a816111abc1ebe24cf9.png)
如何进行方差计算?
![](https://img-blog.csdnimg.cn/img_convert/bb746878fb31cd1f09e6938d35924e10.png)
如何进行对三幅影像进行协方差计算获取协方差矩阵?
如下为三幅栅格图像的像元属性值:
![](https://img-blog.csdnimg.cn/img_convert/a7455dda1d3d3f474401ca005c70ccf5.png)
栅格图像A和B两组数据的协方差计算:
![](https://img-blog.csdnimg.cn/img_convert/84f9fbf489d20d78a68d6bb7350276f6.png)
栅格图像B和C两组数据的协方差计算:
![](https://img-blog.csdnimg.cn/img_convert/04332328d381cdc70daf56a1bd36f4a6.png)
栅格图像A和C两组数据的协方差计算:
![](https://img-blog.csdnimg.cn/img_convert/41f564070fca6195d0cd1c230aaae1de.png)
其它数据的协方差计算类似,这里不再重复说明.
那么可以得到三组数据的一个协方差矩阵如下:
![](https://img-blog.csdnimg.cn/img_convert/da75e20e4ffb1c3e9ca8af7cde5d92c7.png)
其它如相关系数的计算以及相关系数矩阵的求取(注意:数据A与数据A本身的相关系数为1)也是如上类似的,这里不再重复。
如果有问题,欢迎一起探讨.
<p>炒茄子</p>