1、计算平均值Avg


　　Avg = (a0 + a1 + ......+ an-1) / n


2、计算sigma


　　sigma = sqrt( ( (a0-avg) ^2   + (a1-avg) ^2 + ..... +(an-1 -avg) ^2 ) / (n-1) )


3、3 sigma = 3* sigma


　  6 sigma = 6 * sigma
												


											
计算sigma的更多相关文章
	

    
								
  1. 【转载】奇异值分解(SVD)计算过程示例
		
    原文链接:奇异值分解(SVD)的计算方法 奇异值分解是线性代数中一种重要的矩阵分解方法,这篇文章通过一个具体的例子来说明如何对一个矩阵A进行奇异值分解. 首先,对于一个m*n的矩阵,如果存在正交矩阵U ...
    
		
    2. 
						
  2. 主成分分析 (PCA) 与其高维度下python实现(简单人脸识别)
		
    Introduction 主成分分析(Principal Components Analysis)是一种对特征进行降维的方法.由于观测指标间存在相关性,将导致信息的重叠与低效,我们倾向于用少量的.尽可 ...
    
		
    3. 
						
  3. deep learning 练习 多变量线性回归
		
    多变量线性回归(Multivariate Linear Regression) 作业来自链接:http://openclassroom.stanford.edu/MainFolder/Document ...
    
		
    4. 
						
  4. 2015苏州大学ACM-ICPC集训队选拔赛（3）题解
		
    第三次校赛链接:快戳我 1001 考虑前半组数,我们只需要标记每个数出现的次数,再加上这个数之前的数出现的次数,即为这个数在m次操作中总共需要翻转的次数(即求前缀和),再根据翻转的奇偶性判断最后这个位 ...
    
		
    5. 
						
  5. 斯坦福CS224n课程作业
		
    斯坦福CS224n作业一 softmax 作业要求如下: 解析:题目要求我们证明\(softmax\)函数具有常数不变性. 解答:对于\(x+c\)的每一维来说,有如下等式成立: \[softmax( ...
    
		
    6. 
						
  6. 主成分分析算法(PCA)
		
    通过数据压缩(降维)可以减少特征数量,可以降低硬盘和内存的存储,加快算法的训练. 还可以把高维的数据压缩成二维或三维,这样方便做数据可视化. 数据压缩是通过相似或者相关度很高的特征来生成新的特征,减少 ...
    
		
    7. 
						
  7. opencv源码学习: getGaussianKernel( 高斯核）；
		
    参考: https://blog.csdn.net/u012633319/article/details/80921023 二维高斯核, 可以根据下面的公式推到为两个一维高斯核的乘积: 原型: /** ...
    
		
    8. 
						
  8. 【Math for ML】矩阵分解(Matrix Decompositions) （下）
		
    [Math for ML]矩阵分解(Matrix Decompositions) (上) I. 奇异值分解(Singular Value Decomposition) 1. 定义 Singular V ...
    
		
    9. 
						
  9. TSNE数据降维学习【转载】
		
    转自:https://blog.csdn.net/u012162613/article/details/45920827 https://www.jianshu.com/p/d6e7083d7d61  ...
    
		
    10. 
		

	


随机推荐
	

    
									
  1. hdoj--1171--Number Sequence（KMP）
			
    Number Sequence Time Limit: 10000/5000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others) ...
    
			
    2. 
						
  2. Tomcat 初探（二） server.xml 配置
			
    前言 在上一篇文章中,我们在示例中演示了网站的发布,其中涉及到了 server.xml 的修改,本文中我会给大家详细解释一下 server.xml 文件中的节点及其属性的作用,本片文章参考并摘抄了他人 ...
    
			
    3. 
						
  3. apache配置httpd.conf的webapp根目录（基于appserv服务）
			
    只要修改httpd.conf中两个配置项的值即可: DocumentRoot "E:/workspacePHP/what" <Directory "E:/works ...
    
			
    4. 
						
  4. .net 三大核心对象
			
    .net 三大核心对象 HttpRequest 现在总算轮到第一个核心对象出场了.MSDN给它作了一个简短的解释:“使 ASP.NET 能够读取客户端在 Web 请求期间发送的 HTTP 值.”这个解 ...
    
			
    5. 
						
  5. 「JavaSE 重新出发」05.03.01 利用反射分析类
			
    在 java.lang.reflect 包中有三个类 Field, Method 和 Constructor 分别用于描述类的域.方法和构造器. Class 类中的 getFields, getMet ...
    
			
    6. 
						
  6. [学习笔记] CS131 Computer Vision: Foundations and Applications：Lecture 3 线性代数初步
			
    向量和矩阵 什么是矩阵/向量? Vectors and matrix are just collections of ordered numbers that represent something: ...
    
			
    7. 
						
  7. sql   limit  的用法
			
    sql语句里的limit使用方法 .    SELECT * FROM table  LIMIT [offset,] rows | rows OFFSET offset    在我们使用查询语句的时候 ...
    
			
    8. 
						
  8. crm 系统项目(二) admin 后台操作表格
			
    crm 系统项目(二) admin 后台操作表格 1. app下创建 templates  运行的时候 先找全局的templates——> 按照app的注册顺序找templates中的文件 2. ...
    
			
    9. 
						
  9. 【Codeforces Round #482 (Div. 2) B】Treasure Hunt
			
    [链接] 我是链接,点我呀:) [题意] 在这里输入题意 [题解] 我们考虑每个字符串中出现最多的字母出现的次数cnt[3] 对于这3个cnt的值. 如果cnt+n<=s[i].size 那么显 ...
    
			
    10. 
						
  10. 洛谷 P2243 电路维修
			
    P2243 电路维修 题目背景 Elf 是来自Gliese 星球的少女,由于偶然的原因漂流到了地球上.在她无依无靠的时候,善良的运输队员Mark 和James 收留了她.Elf 很感谢Mark和Jam ...
    
			
    11.