Math 版 (精华区)
发信人: llhhxht (绿林好汉--努力学习中), 信区: Math
标 题: [合集]请教一个问题!
发信站: 哈工大紫丁香 (2003年04月07日17:47:58 星期一), 站内信件
────────────────────────────────────────
winterlight (霞冬) 于 Wed Apr 2 10:08:38 2003) 说道:
在一个资料看到,‘RMS’叫做均方差,是一组数据平方和的平均值再开平方,但在另外一
个资料上,它用百分号表达,例如“Rms是4.31%”,这种表达对吗?是不是应该有单位呀
?
谢谢
────────────────────────────────────────
llhhxht (绿林好汉--努力学习中) 于 2003年04月02日21:12:11 星期三 说道:
偶没学过的说
不过要是数据本身就没有单位那
────────────────────────────────────────
winterlight (霞冬) 于 Wed Apr 2 21:18:12 2003) 说道:
已知的数据是有单位的
────────────────────────────────────────
key (也许) 于 Thu Apr 3 15:33:11 2003) 说道:
~~~~~是平方差的和吧?
严格的说有单位。数据由g作单位还是用kg作单位得到的结果当然不同。
而且“均方差”这个叫法也不严格
不开方的可以叫做均方差,即方差的平均[(1/n)∑(数据^2-均值^2)]
开方后叫“标准差”。
不过一是RMS作为衡量一组数据的分散程度很常用,很多情况下被叫成其它名字
也不会产生歧义,比如方差,均方差,偏差什么的。
再有作为不同组的数据分散的比较,用来比较的各组数据大多情况下具有共同的物理量,
单位也就经常被忽略了。
btw,虽然不大常用,数学上还有一个叫“变异系数”的东西,考虑了单位的问题,
实际上是归一化了的标准差
[(1/n)∑(数据^2-均值^2)]^(1/2)/均值
不过这里又出现了一个新的危险,就是那种有正有负的数据,而它们均值为0
────────────────────────────────────────
Systems (Functional Analysis) 于 2003年04月03日15:36:06 星期四 说道:
??俺怎么记得均方差是
1 n 2
---sigma (xi - Ex)
n-1 i=1
就是平方在外面,而除数是n-1
────────────────────────────────────────
Systems (Functional Analysis) 于 2003年04月03日15:45:21 星期四 说道:
而标准差则是它的开方
────────────────────────────────────────
key (也许) 于 Fri Apr 4 11:17:12 2003) 说道:
不好意思,平方的位置是我写错了。不是(数据方-均值方),
而是你写的(数据-均值)方。
至于1/n-1你记得也没错,不过这个严格讲是修正方差,就是[n/(n-1)]*方差
说它们两个的区别,具体的理论我也不大清楚,
不过1/n的还叫做方差的有偏估计,1/n-1的叫做方差的无偏估计。
定性的说,其实n/n-1这个值在n很大的时候近似为1
却随着n的减小而渐渐增大。
也就是说如果你的样本个数比较少,用平均求出来的方差总体来说有缩小的倾向。
这个误差我感觉是由于较少的样本求出的均值的偏差造成的。
它们把均值强行绑架到了自己中间。
比如1,1,-1,-1这组数据,如果你任意抽取2个样本,
抽出的是1,-1的话没有问题,可是抽出的是1,1的话方差就是0,
不把握这种理解对不对,有知道的还望指点。
────────────────────────────────────────
Systems (Functional Analysis) 于 2003年04月04日11:19:09 星期五 说道:
Yes, I agree.
俺也没找到委身么用1/(n-1)的证明.
俺就记得当初学概率的时候学过证明的,
忘了.....
7-8年了啊.......
────────────────────────────────────────
key (也许) 于 Fri Apr 4 11:21:32 2003) 说道:
豁豁,你好快。悠闲啊。。
羡慕
────────────────────────────────────────
Systems (Functional Analysis) 于 2003年04月04日11:22:11 星期五 说道:
午餐准备中.......哈哈
────────────────────────────────────────
Powered by KBS BBS 2.0 (http://dev.kcn.cn)
页面执行时间:5.158毫秒