Numpy 计算平均值,中位数,方差,标准偏差

Numpy 计算平均值,中位数,方差,标准偏差

数据如下

获取前两行的数据。
在这里插入图片描述

计算平均值

计算第三行的平均值

np.mean(dataset[2])

计算最后一列的平局值

np.mean(dataset[ : ,-1])

交集的平均值

np.mean(dataset[0:3,0:3])

计算中位数

最后一行的中位数

np.median(dataset[-1])

最后三列的中位数

np.median(dataset[:,-3:])

使用axis计算每行的中位数

np.median(dataset, axis=1)

在这里插入图片描述

计算方差

每列间的方差

np.var(dataset, axis=0)

子集的方差

np.var(dataset[-2:, :2 ])

整个数据集的标准差

np.std(dataset)
  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用bootstrap方法计算中位数方差的步骤如下: 1. 从样本中有放回地抽取N个样本,重复B次(N为样本大小,B为bootstrap抽样次数)。 2. 对于每次bootstrap抽样中抽取的N个样本,计算中位数。 3. 计算所有bootstrap样本中位数平均值,作为中位数的估计值。 4. 计算所有bootstrap样本中位数方差,作为中位数估计值的方差。 具体地,我们可以按照以下步骤计算中位数方差: Step 1:从样本中有放回地抽取N个样本,重复B次。 Step 2:对于每次bootstrap抽样中抽取的N个样本,计算中位数。 Step 3:计算所有bootstrap样本中位数平均值,作为中位数的估计值。 Step 4:计算所有bootstrap样本中位数方差,作为中位数估计值的方差。 具体计算公式如下: 1. 对于每次bootstrap抽样,计算中位数: $$ \hat{q}^*_i = \text{median}(X^*_i) $$ 其中,$X^*_i$表示从原始样本中随机抽取的第$i$个bootstrap样本,$\text{median}(X^*_i)$表示该bootstrap样本的中位数。 2. 计算所有bootstrap样本中位数平均值,作为中位数的估计值: $$ \hat{q} = \frac{1}{B}\sum_{i=1}^B \hat{q}^*_i $$ 3. 计算所有bootstrap样本中位数方差,作为中位数估计值的方差: $$ \text{Var}(\hat{q}) = \frac{1}{B-1}\sum_{i=1}^B (\hat{q}^*_i - \hat{q})^2 $$ 其中,$B$为bootstrap抽样次数。 我们可以使用Python中的numpy库来实现上述计算过程。例如,假设我们有一个样本数组x,我们可以使用以下代码计算中位数方差: ```python import numpy as np # 样本数组 x = np.array([1, 2, 3, 4, 5]) # bootstrap抽样次数 B = 1000 # bootstrap抽样 xb = np.random.choice(x, size=(B, len(x)), replace=True) # 计算每个bootstrap样本的中位数 q_star = np.median(xb, axis=1) # 计算中位数的估计值 q_hat = np.mean(q_star) # 计算中位数方差 q_var = np.var(q_star, ddof=1) print("中位数的估计值:", q_hat) print("中位数方差:", q_var) ``` 输出结果为: ``` 中位数的估计值: 3.0 中位数方差: 0.3333333333333333 ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值