数据处理中的标准差标准化
matlab std函数https://blog.csdn.net/Goldxwang/article/details/73201193
变量值与平均数的差除以标准差的值-----标准分数,也称为标准化值或z分数,也叫标准差标准化,经过处理的数据符合标准正态分布,公式 ,,
1标准分数给出了一组数据中个数值的相对位置。比如,如果某个数值的标准分数是-1.5,就知道该数值低于平均数1.5倍的标准差。在对多个具有不同量纲的变量进行处理时,常常需要对各变量进行标准化处理,,将数据编程平均数是0,标准差是1
2经验法则
当数据堆成分布时,经验法则;
约有68%的数据在平均数 +-1个标准差的范围中
.....95% ............ ...............+-2....................................
.....99% ............ ..................+-3.................................
3.切比雪夫不等式
经验法则适合对称分布的数据,如果数据不是堆成分布,就不适用。但适用切比雪夫不等式,切比雪夫不等式提供“下界”,“所占比例至少是多少”,至少有 1-1/k^2的数据落在.+-k个标准差内
4.matlab函数:std(A,flag)
这里flag代表的是用哪一个标准差函数,如果取0,则代表除以N-1,如果是1代表的是除以N,
y=randn(1,2500);
y=y/std(y);
y=y-mean(y);
a=0.0128;
b=sqrt(0.9596);
y=a+b*y;
就得到了 N ( 0.0128, 0.9596 ) 的高斯分布序列
5.设某个随机变量x均值为mu,方差为var^2,若要产生同样分布的随机变量y,但使新的随
机变量参数改变,均值为mu_1,方差为var_1^2,可以用如下公式进行变换:
y=var_1/var*(x-mu)+mu_1,其中x为随机变量,其余为常数(原分布参数)。
具体到正态分布,若要产生均值为u,方差为o^2的M*N的随机数矩阵,可以用
y=o*randn(M,N)+u得到。
对于均匀分布,若要产生[a,b]区间的均匀分布的M*N的随机数矩阵,则可以用
y=rand(M,N)*(b-a)+a得到。
6.matlab 画图
f = get(gca,'color');%有横轴,但是横轴上没有刻度
axes('xcolor',f,'color',f,'xtick',[])
f = get(gcf,'color');%没有横轴
axes('xcolor',f,'color',f,'xtick',[])
7.
x=1:8;
subplot(2,2,1)
plot(x)
%tick style 0(auto)
subplot(2,2,2)
plot(x)
set(gca,'xtick',[1 3 6 8]);%style 1
set(gca,'ytick',[]);%style 2
subplot(2,2,3)
plot(x)
set(gca,'xtick',[1 3 6 8]);
set(gca,'xticklabel',sprintf('.4f|',get(gca,'xtick')));%style 3
set(gca,'ytick',[2 4 5 7]);
set(gca,'yticklabel',{'Two','Four','Five','Seven'});%style 4
subplot(2,2,4)
plot(x)
set(gca,'xminortick','on');%style 5
set(gca,'ticklength',[0.05 0.025]);%style 6
set(gca,'tickdir','out');%style 7