点位精度评定,主要是评定点位数据得l离散度。评定主要是一系列得数学值。在python的numpy中有一些列的函数可以用来实现这一系列的评估值。
1.期望
期望表示一点点位最可能出现的位置。一般情况下期望的估值采用算数平均值来表示,
![equation?tex=%5CSigma%3D%5Cfrac%7Bx_%7B1%7D%2Bx_%7B2%7D%2B%5Ccdot%5Ccdot%5Ccdot%2Bx_%7Bn%7D%7D%7Bb%7D](https://i-blog.csdnimg.cn/blog_migrate/05da385db7c253e849ad18e4a0f9270b.png)
在numpy中有mean()函数可以直接求取。
2.方差
方差主要用来描述随机变量的离散程度,它的数值越小说明离散程度越低。
![equation?tex=var%28i%29%3D%5Cfrac%7B%5CSigma%28x_%7Bi%7D-%5Cmu_%7Bx%7D%29%5E%7B2%7D%7D%7Bn%7D](https://i-blog.csdnimg.cn/blog_migrate/49f5886ad7cc309732f2bdbca9c49b2a.png)
其中,如果
点位精度评定,主要是评定点位数据得l离散度。评定主要是一系列得数学值。在python的numpy中有一些列的函数可以用来实现这一系列的评估值。
1.期望
期望表示一点点位最可能出现的位置。一般情况下期望的估值采用算数平均值来表示,
在numpy中有mean()函数可以直接求取。
2.方差
方差主要用来描述随机变量的离散程度,它的数值越小说明离散程度越低。
其中,如果