standard-deviation

    0熱度

    1回答

    我有大量的.xls文件(最初在.dat中)進行處理,我需要找到一些數據的標準偏差。 我正在處理的文件如下所示: 第一列是年份(從1967年到1996年),第二列是月份,第三列是日期。第五列是我正在處理的一些數據。我想按月查出第五列數據的標準偏差(即1967年至1996年1月的數據標準差) 我有40個這樣的文件,這讓我無法手動完成它。有什麼捷徑或技巧我可以使用?提前致謝!

    1熱度

    1回答

    我試圖檢測使用代理濫用我的網站的人。 通常他們會改變代理等等。但是,他們肯定會多次使用一個代理地址。合法訪問者比正常人多得多。 通常我的網站最多訪問是由唯一訪問一次或幾次的唯一IP地址。不重複。 比方說,我在一列有這些IP地址: 89.46.74.56 89.46.74.56 89.46.74.56 91.14.37.249 104.233.103.6 這將意味着有3個不重複滿分5分給

    0熱度

    1回答

    我有,我想攀登,以滿足特定的標準差和平均需求值的列表。具體來說,除了所有值都大於0的數據集之外,我希望標準化的數據集標準化爲0且標準差爲1;這些我想縮放,使得它們的平均值是1 什麼是做這種類型的事情在Python的好辦法?

    1熱度

    1回答

    我有一個RDD,我想在RDD的列中的某一列中找到standard deviation。我當前的代碼是: def extract(line): # line[11] is the column in which I want to find standard deviation return (line[1],line[2],line[5],line[6],line[8],lin

    0熱度

    1回答

    我有這個程序要求用戶輸入多少個值,請求這些值並將它們放入一個向量中。然後我需要計算平均值和標準偏差。 我有平均的部分,但它看起來像是錯誤的,我得到了錯誤的平均。而且我不太清楚如何開始標準偏差部分。 #include <iostream> #include <vector> #include <cmath> using namespace std; int main() {

    -1熱度

    1回答

    的百分數標準差,我有以下數據: Total number of tasks/number of tasks with error/overall error rate 8 2 25% 25 4 16% 48 7 15% 8 1 13% 如何找到總體誤差率,在Excel中它的均值和置信區間的百分比的標準偏差?我想看看%錯誤率以及它會如何改變。 感謝您的支持

    0熱度

    1回答

    我正在計算年平均值和最高和最低溫度的標準偏差,。我的代碼如下: PROC SQL; create table new2 as select date,SUM(max_temp) as max_temp,SUM(min_temp) as min_temp, SUM(precip) as precip from WORK.ROCH_DATA group by date

    2熱度

    1回答

    (我正在使用西班牙語界面,所以請原諒西班牙語的代碼(這是英文的,PROMEDIO.SI.CONJUNTO是AVERAGEIFS,INDICE是INDEX ,FILA是ROW,DESVEST.M是STD.S,SI是IF,Y是AND) 我已經瀏覽了所有關於「stvifs」的線程(Excel真的應該在將來考慮! )我仍然無法申請我已經學會了我的數據,即使它看起來完全像我所看到的成功後,應用以下我的數據:

    0熱度

    3回答

    我試圖計算用戶輸入的數據集到具有動態添加的輸入的表單中的標準偏差。到目前爲止,我已經能夠計算數組中元素的總和,但我無法弄清楚如何對數組中的每個元素進行平方。我已經搜索了這個論壇,但嘗試從唯一適用的結果(Square each number in an array in javascript)的建議似乎沒有工作。這裏是我的代碼片段: $(".calcSD").click(function() {

    1熱度

    1回答

    在R標準偏差我有一個數據幀在R. index seq change change1 change2 change3 change4 change5 change6 1 1 0.12 0.34 1.2 1.7 4.5 2.5 3.4 2 2 1.12 2.54 1.1 0.56 0.87 2.6 3.2 3 3 1.86 3.23 1.6 0.23