Tag: 统计

N组合: 有一种直接的方法来获得nCr所有组合的有序集合的第N个组合吗？例如：我有四个元素：[6，4，2，1]。所有可能的组合，一次取三个：[[6,4,2]，[6,4,1]，[6,2,1]，[4,2,1]]。有没有一个algorithm，可以给我例如第三个答案，[6,2,1]，在有序的结果集，没有列举所有以前的答案？

将多项式拟合到数据: 给定一组值(x,f(x))是否有办法find最适合数据的给定度的多项式？我知道多项式插值法，它用于在给定n+1数据点的情况下find度为n的多项式，但这里有大量的值，我们想要find一个低阶多项式（find最佳线性拟合，最好二次，最好立方等）。这可能与最小二乘有关更一般地说，当我们有一个多元函数 – 像(x,y,f(x,y))这样的点，并且想要find最好的多项式（ p(x,y) ）在variables中给定的程度。（具体来说是一个多项式，而不是样条或傅立叶级数。）理论和代码/库（最好在Python中，但任何语言都可以）将是有用的。

如何从数据集中删除exception值: 我有一些美丽与年龄的多元数据。年龄在20-40之间，间隔为2（20,22,24 …. 40），并且对于每个logging的数据，给予1-5岁的年龄和美容等级。当我做这些数据（年龄横跨X轴，Y轴上的美女等级）的箱型图时，每个盒子的胡须外面都绘制了一些exception值。我想从数据框本身中删除这些exception值，但是我不确定R如何计算它的盒子图中的exception值。以下是我的数据可能看起来像的一个例子。

如何让执行暂停，睡觉，等待R秒X秒？: 如何暂停R脚本达到指定的秒数或毫秒数？在很多语言中，都有一个sleep函数，但?sleep引用一个数据集。而?pause和?wait不存在。预期的目的是用于自定时animation。所需的解决scheme工作，而不要求用户input。

scipy.stats中的所有可用分布是什么样的？: 可视化scipy.stats分布直方图可以由scipy.stats正态随机variables组成，看看分布是什么样的。 % matplotlib inline import pandas as pd import scipy.stats as stats d = stats.norm() rv = d.rvs(100000) pd.Series(rv).hist(bins=32, normed=True) 其他分布是什么样的？

估计统计中位数，模式，偏度，峰度的“在线”（迭代器）algorithm？: 是否有algorithm来估计一组值的中位数，模式，偏度和/或峰度，但不要求将所有的值一次存储在内存中？我想计算一下基本的统计数据：意思是：算术平均值方差：平均偏差的平均值标准偏差：方差的平方根中值：将较大一半的数字与较小的一半分开的值模式：在集合中find的最频繁的值偏度：tl; 博士峰度：tl; 博士计算任何这些的基本公式是小学算术，我知道他们。有很多统计库也可以实现它们。我的问题是我正在处理的集合中有大量数值（数十亿）：使用Python，我不能仅仅制作一个包含数十亿个元素的列表或哈希值。即使我用C语言写这个，十亿个元素的数组也不太实际。数据没有sorting。它是由其他进程随机，随机产生的。每一套的大小是非常可变的，大小不会事先知道。我已经知道如何很好地处理均值和方差，以任何顺序遍历集合中的每个值。（实际上，就我而言，我将它们按照生成顺序排列）。下面是我正在使用的algorithm， http : //en.wikipedia.org/wiki/Algorithms_for_calculating_variance#On-line_algorithm ：初始化三个variables：count，sum和sum_of_squares 对于每个值：增量计数。将该值添加到总和。将值的平方加到sum_of_squares。除数和存储为variables的意思。按count计算sum_of_squares，作为variablesmean_of_squares存储。正方形的意思是，存储为square_of_mean。从mean_of_squares减去square_of_mean，作为方差存储。产出均值和方差。这种“在线”algorithm存在缺陷（例如，由于sum_of_squares快速增长大于整数范围或浮点精度），但基本上给了我所需要的，而不必在每个集合中存储每个值。但我不知道是否有类似的技术来估计额外的统计数据（中位数，模式，偏度，峰度）。只要处理N值所需的内存大大小于O（N），我就可以忍受一个有偏差的估计器，甚至是一个在一定程度上降低精度的方法。如果图书馆具有计算一个或多个“联机”操作的function，指向现有的统计图书馆也将有所帮助。

在geom_boxplot中更改胡须定义: 我试图用ggplot2 / geom_boxplot来产生一个boxplot，其中晶须被定义为第5和第95百分位数，而不是0.25 – 1.5 IQR / 0.75 + IQR，并且像往常一样绘制这些新晶须的exception值。我可以看到，geom_boxplot美学包括ymax / ymin，但我不清楚我是如何把价值在这里。这好像是： stat_quantile(quantiles = c(0.05, 0.25, 0.5, 0.75, 0.95)) 应该能够提供帮助，但是我不知道如何将这个统计的结果关联起来以设置合适的geom_boxplot（）美学： geom_boxplot(aes(ymin, lower, middle, upper, ymax)) 我曾经看过其他的post，其中提到的人物本质上是手工build造一个类似箱子的物体，但是我宁愿保留整个箱体的形态，只是修改其中两个variables的含义。

添加误差线以在R中的图上显示标准偏差: 对于每个X值，我计算了每个Y值的平均Y值和标准偏差（ sd ） x = 1:5 y = c(1.1, 1.5, 2.9, 3.8, 5.2) sd = c(0.1, 0.3, 0.2, 0.2, 0.4) plot (x, y) 我如何使用标准偏差来为我的图的每个数据点添加误差线？

C中的滚动中值algorithm: 我目前正在研究一种algorithm来实现C中滚动中值滤波器（类似于滚动平均滤波器）。从我的文献search中，似乎有两种合理有效的方法来实现它。首先是对初始值窗口进行sorting，然后执行二进制search以插入新值，并在每次迭代中删除现有值。第二个（来自Hardle和Steiger，1995，JRSS-C，algorithm296）构build了一个双头堆结构，一头是maxheap，另一头是minheap，中间是中间的。这产生一个线性时间algorithm，而不是O（n log n）。这是我的问题：执行前者是可行的，但是我需要在数百万个时间序列上运行这个，所以效率非常重要。后者certificate很难实施。我在R的stats包的代码的Trunmed.c文件中发现了代码，但这是相当难以理解的。有没有人知道线性时间滚动中值algorithm的一个精心编写的C实现？编辑：链接到Trunmed.c代码http://google.com/codesearch/p?hl=zh-CN&sa=N&cd=1&ct=rc#mYw3h_Lb_e0/R-2.2.0/src/library/stats/src/Trunmed.c

宇宙射线：他们将会影响一个节目的概率是多less？: 我又一次在devise审查中，遇到了一个主张，即一个特定情景的概率是“低于宇宙射线的风险”，影响到了这个节目，而且我想到我并没有最清楚的想法是什么概率是。 “由于2 -128是340282366920938463463374607431768211456中的1，所以我认为我们有机会在这里抓住我们的机会，即使这些计算结果是几十亿的因数……我们对于宇宙射线的风险更大把我们搞砸了，我相信。这个程序员是正确的吗？宇宙射线撞击电脑并影响程序执行的可能性是什么？