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. Sort和UnSort的小技巧
			
    Sort和UnSort的小技巧: 记录sortidx,对sortidx再从小到大排序就可以得到用于还原的unsortidx. 对于序列A: sort_idx = np.argsort(A) un_so ...
    
			
    2. 
						
  2. FMDB条件更新
			
    更新操作返回一个BOOL值,YES表示操作成功,NO表示执行过程遇到错误,可以通过-lastErrorMessage和-lastErrorCode查看错误信息.使用executeUpdate:方法执行 ...
    
			
    3. 
						
  3. POJ 2346 DP or打表
			
    这题 不算重复的数.. 就变成水题了. 思路: 1.打表 2.DP 打表的: // by SiriusRen #include <cstdio> using namespace std;  ...
    
			
    4. 
						
  4. Hibernate框架学习(七)——多对多关系
			
    一.关系表达 1.表中的表达 2.实体中的表达 3.orm元数据中的表达 在User.hbm.xml中添加: 在Role.hbm.xml中添加(与上相反): 二.操作关联属性 1.保存员工及角色 pu ...
    
			
    5. 
						
  5. mmap详解
			
    共享内存可以说是最有用的进程间通信方式,也是最快的IPC形式, 因为进程可以直接读写内存,而不需要任何 数据的拷贝.对于像管道和消息队列等通信方式,则需要在内核和用户空间进行四次的数据拷贝,而共享内存 ...
    
			
    6. 
						
  6. BZOJ 4990 [USACO17FEB] Why Did the Cow Cross the Road II P (树状数组优化DP)
			
    题目大意:给你两个序列,你可以两个序列的点之间连边 要求:1.只能在点权差值不大于4的点之间连边 2.边和边不能相交 3.每个点只能连一次 设表示第一个序列进行到 i,第二个序列进行到 j,最多连的边 ...
    
			
    7. 
						
  7. [poj 2976] Dropping tests （分数规划 二分）
			
    原题: 传送门 题意: 给出n个a和b,让选出n-k个使得(sigma a[i])/(sigma b[i])最大 直接用分数规划.. code: //By Menteur_Hxy #include & ...
    
			
    8. 
						
  8. 如何解决zabbix中自定义监控mysql因密码造成的 Warning
			
    1.--show-warnings=false 在指定mysql命令获取参数时,指定不获取 Warning.不过亲测这个方法不是很有效 例如: mysql -uroot -p123 --show-wa ...
    
			
    9. 
						
  9. JAVA面向对象编程深入理解图
			
    
			
    10. 
						
  10. 小学生都能学会的python(函数)
			
    小学生都能学会的python(函数) 神马是函数 函数: 对功能或者动作的封装 函数的定义 def 函数名(形参列表): 函数体(return) ret = 函数名(实参列表) 函数的返回值 retu ...
    
			
    11.