平均数与标准方差

这两个数学概念大家都耳熟能详,九年义务教育都涵盖的内容.

假设有数组x, x1,x2,x3…xn, N 为数组的个数
公式如下:
μ=ΣxNσ=Σ(x−μ)2N\mu = \frac{\Sigma x} {N} \newline \newline \sigma = \frac{\Sigma (x-\mu)^2} {N} μ=NΣx​σ=NΣ(x−μ)2​

它也叫做一阶矩和二阶矩

高阶矩

三阶矩和四阶矩公式如下:
3rdmoment=1NΣ(x−μ)3σ34thmoment=1NΣ(x−μ)4σ43rdmoment = \frac {1} {N} \frac{\Sigma (x-\mu)^3} {\sigma^3} \newline \newline 4thmoment = \frac {1} {N} \frac{\Sigma (x-\mu)^4} {\sigma^4} 3rdmoment=N1​σ3Σ(x−μ)3​4thmoment=N1​σ4Σ(x−μ)4​
其中μ\muμ为一阶矩,σ\sigmaσ为二阶矩

采样评估

很多时候,我们是无法全部统计所有数据的,所以x大多数为我们的采样数据
此时的N也可能无法确认,我们只能确认的是采样个数n

所以针对于采样的一阶到四阶的矩的公式如下:
1stmoment=Σxn2ndmoment=Σ(x−xˉ)2n−13rdmoment=n(n−1)(n−2)Σ(x−xˉ)3s34thmoment=n(n+1)(n−1)(n−2)(n−3)Σ(x−xˉ)4s4−3(n−1)2(n−2)(n−3)1stmoment = \frac{\Sigma x} {n} \newline \newline 2ndmoment = \frac{\Sigma (x-\bar x)^2} {n-1} \newline \newline 3rdmoment = \frac {n} {(n-1)(n-2)} \frac{\Sigma (x- \bar x)^3} {s^3} \newline \newline 4thmoment = \frac {n(n+1)} {(n-1)(n-2)(n-3)} \frac{\Sigma (x- \bar x)^4} {s^4} - \frac {3(n-1)^2} {(n-2)(n-3)} 1stmoment=nΣx​2ndmoment=n−1Σ(x−xˉ)2​3rdmoment=(n−1)(n−2)n​s3Σ(x−xˉ)3​4thmoment=(n−1)(n−2)(n−3)n(n+1)​s4Σ(x−xˉ)4​−(n−2)(n−3)3(n−1)2​

其中xˉ是采样数据的平均值\bar x是采样数据的平均值xˉ是采样数据的平均值, sss为采样数据的标准差

样例代码

以python为实例代码

import numpy as npdef cal_moments(y, N):mu = np.mean(y)sigma = np.var(y)m2 = np.sum((y - mu)**2)/(N-1)m3 = np.sum((y - mu)**3)*N/((N-1)*(N-2)*(sigma**3))m4 = np.sum((y - mu)**4)*N*(N+1)/((N-1)*(N-2)*(N-3)*(sigma**4))-(3*(N-1)**2)/((N-2)*(N-3))print(mu, m2, m3, m4)print(sigma)N= 2000
x = np.arange(0,N)
y = np.random.randn(N)cal_moments(y, N)

计算结果

注:numpy里var计算的总体的方差,所以有如下等式
np.var(y) = np.sum((y - mu)**2)/(N), 所以在上诉例子中sigma计算结果跟m2是略有差异的,这个差异就体现在分母减1上。

Moment矩计算公式相关推荐

  1. 图像特征提取:图像的矩特征

    图像特征提取:图像的矩特征 1. 矩的概念 图像识别的一个核心问题是图像的特征提取,简单描述即为用一组简单的数据(图像描述量)来描述整个图像,这组数据越简单越有代表性越好.良好的特征不受光线.噪点.几 ...

  2. 基于Hu矩的区域相似性度量

    Hu矩原理 利用归一化二阶.三阶中心距派生出的7个不变矩,原理及计算公式见博文:Hu矩计算公式. 注: Hu矩变化范围很大,且数字很小,牵涉到计算精度问题,直接处理不方便,可以用取绝对值之后用log函 ...

  3. 主梁弹性模量计算_如何用梁格法计算曲线梁桥?

    现在大多数道桥设计院都拥有几种结构计算软件,对重要结构,都要用不同的软件相互复核.这是技术进步的大好事.本文介绍的梁格法,虽然是人人皆知,但是误区也不少,所以觉得有必要再把它清晰.准确地介绍一下,希望 ...

  4. 环形电流计算公式_1.3.5 环形电流的磁场、磁矩、磁多极矩

    在第1.3.2节中简单讨论了沿圆周均匀分布的恒定电流所建立的磁场,这同样是一个相当重要的应用广泛的物理模型,称为环形电流模型.与讨论电偶极子时的思路类似,现在来讨论距离这个环形电流圆心充分远处的磁感应 ...

  5. 金融数据分析(四)-------矩,偏度,峰度

    (1)矩 (2)--偏度+峰度   原文链接: 「量学堂-12」统计动差:偏度和峰度 https://baijiahao.baidu.com/s?id=1569732797373513&wfr ...

  6. 【opencv 450 Image Processing】Image Moments 图像矩

    Goal 在本教程中,您将学习如何: 使用 OpenCV 函数 cv::moments 使用 OpenCV 函数 cv::contourArea 使用 OpenCV 函数 cv::arcLength ...

  7. 矩池云 | Tony老师解读Kaggle Twitter情感分析案例

    今天Tony老师给大家带来的案例是Kaggle上的Twitter的情感分析竞赛.在这个案例中,将使用预训练的模型BERT来完成对整个竞赛的数据分析. 导入需要的库 import numpy as np ...

  8. 4.3 协方差及相关系数、矩

    学习目标: 我正在学习协方差.相关系数和矩,我会采取以下措施: 理解基本概念:首先,我会努力理解协方差.相关系数和矩的基本概念.我会查阅参考资料,例如课本或在线教程,以便深入了解这些概念的定义和特点. ...

  9. win10+Python3.7.3+OpenCV3.4.1入门学习(十二 图像轮廓)————12.4 Hu矩

    文章目录 12.4 Hu矩 12.4.1 Hu矩函数 12.4.2 形状匹配 Python版本是Python3.7.3,OpenCV版本OpenCV3.4.1,开发环境为PyCharm 12.4 Hu ...

最新文章

  1. 解决Android图库不识别.nomedia的问题
  2. 记一次事务报错问题 Transaction synchronization is not active
  3. Python 学习笔记(3)对txt文件的读与写操作(上)
  4. [开源] FreeSql.Tools Razor 生成器
  5. android 编译sdk,android编译sdk
  6. Goscan:功能强大的交互式网络扫描工具
  7. ppt中插入excel源文件丢失,提取图中数据
  8. spring框架_Spring框架
  9. Android ROM 小白普及
  10. 原生社区交友婚恋视频即时通讯双端APP源码ONE兔2.0版
  11. MATLAB--四种取整函数
  12. java:判断字符串的开始或结尾
  13. 并非都完美,笔记本8大致命缺陷曝光
  14. WebApp网页真机调试工具-(Android)
  15. Kruskal算法:将森林合并成树
  16. 如何为HTML5 Video载入WebVTT字幕
  17. linux barrier,Linux文件系统的barrier:启用还是禁用
  18. 智能照明系统优势与特点
  19. 深度 | 人脸识别在安防领域的路还有很长时间要走
  20. 数据库的可用性衡量指标

热门文章

  1. OpenCV数据结构与基本绘图(Mat 类、Point类、Scalar类等)
  2. Nat. Commun. | msiPL:质谱数据分析的新工具
  3. Science | 基于算法设计疫苗的人工蛋白
  4. 第三十一课.矩阵胶囊与EM路由
  5. 第十三课.随机近似初步:蒙特卡洛方法
  6. 基于K-gram的winnowing特征提取剽窃查重检测技术(概念篇)
  7. 提高android 运行效率,如何提高安卓手机运行速度 提高安卓手机运行速度方法
  8. 青岛大学计算机学院生物信息研究组(苏晓泉团队)招生与招聘启事
  9. 掌握生信技术,玩转生态与地理领域的科研套路
  10. MPB:山大倪金凤组-白蚁肠道木质纤维素降解细菌的分离与培养