一次算法应用记录

适配一个测温模块，由于受环境温度影响，测温模块得到的数据不是精确的人体温度，需要做适当的校准。如何获取校准的偏移值呢？

通过大样本统计，通过分析样本数据，在数据中低概率出现坏数据，如果不提出，很大影响正确的数据，那么该如何剔除呢？这是就需要使用统计学中的算法：标准差、正态分布。

剔除坏数据的方法

1. 平均值法

比较粗略的方法是：样本数据取平均值，然后把偏差值过大的数据剔除。从理论上可以剔除一些，但是准确性未找到理论支撑。

为了数据更准确，想要获取大数据中比较集中的数据且总数据中占60%或者更高比率的数据时，该如何做？

2. 标准差、正态分布方法
   标准差、正态分布是统计学中已经被证明的且经常使用的统计筛选算法，正确性可以不做怀疑。简单说明如下：
   

正态分布

如果需要获取平准值周围的68%的数据，可以使用如下公式：

平均值为：u
标准差为：a
u-a < 取值范围 < u+a

若需要在大样本中获取不同范围的数据，给标准差a乘以不同的系数，然后筛选需要的数据。
也可以对标准差做限定，判断数据的离散度，若离散度不符合需要，可以重新统计和筛选数据。

离散度高，说明数据波动比较大。

总结

大学毕业后，算法应用的机会太少了，终于用上了一次，感慨颇多呀。基本也忘得 差不多了！以后得多翻翻书了，至少记住名词和作用，数据统计分析，挺好玩！