Julia 1.0

Statistics




julia

Statistics

सांख्यिकी मॉड्यूल में बुनियादी सांख्यिकी कार्यक्षमता होती है।

Statistics.std समारोह

std(v; corrected::Bool=true, mean=nothing, dims)

सदिश या सरणी v के नमूना मानक विचलन की गणना करें, दिए गए आयामों के साथ वैकल्पिक रूप से। एल्गोरिथ्म इस अनुमान के तहत जेनरेटर वितरण के मानक विचलन का एक अनुमानक लौटाता है कि v प्रत्येक प्रविष्टि को उस जेनरेटर वितरण से खींचा गया एक IID है। यह गणना गणना sqrt(sum((v - mean(v)).^2) / (length(v) - 1)) । एक पूर्व-गणना mean प्रदान किया जा सकता है। यदि corrected है, तो योग को n-1 साथ स्केल किया जाता है, जबकि योग को n साथ स्केल corrected जाता है यदि corrected है तो false जहां n = length(v)

ध्यान दें

यदि सरणी में NaN या missing मान हैं, तो परिणाम भी NaN या missing ( missing पूर्वता लेता है यदि सरणी में दोनों शामिल हैं)। missing प्रविष्टियों को छोड़ने और गैर-लापता मानों के मानक विचलन की गणना करने के लिए skipmissing फ़ंक्शन का उपयोग करें।

source

Statistics.stdm फंक्शन

stdm(v, m; corrected::Bool=true)

ज्ञात m साथ वेक्टर v के नमूना मानक विचलन की गणना करें। यदि corrected है, तो योग को n-1 साथ स्केल किया जाता है, जबकि योग को n साथ स्केल corrected जाता है यदि corrected है तो false जहां n = length(v)

ध्यान दें

यदि सरणी में NaN या missing मान शामिल हैं, तो परिणाम भी NaN या missing ( missing पूर्ववर्ती है यदि सरणी में दोनों शामिल हैं) missing प्रविष्टियों को छोड़ने और गैर-लापता मानों के मानक विचलन की गणना करने के लिए skipmissing फ़ंक्शन का उपयोग करें।

source

Statistics.var फंक्शन

var(v; dims, corrected::Bool=true, mean=nothing)

किसी दिए गए आयामों के साथ वैकल्पिक रूप से, वेक्टर या सरणी v के नमूना विचरण की गणना करें। एल्गोरिथ्म इस अनुमान के तहत जेनरेटर वितरण के विचरण का एक अनुमानक लौटाएगा कि v प्रत्येक प्रविष्टि एक आईआईडी है जो उस जेनरेटर वितरण से खींची गई है। यह गणना गणना sum(abs2, v - mean(v)) / (length(v) - 1) बराबर है। यदि corrected है, तो योग को n-1 साथ स्केल किया जाता है, जबकि योग को n साथ स्केल corrected जाता है यदि corrected है तो false जहां n = length(v) । इस क्षेत्र पर औसत mean प्रदान किया जा सकता है।

ध्यान दें

यदि सरणी में NaN या missing मान हैं, तो परिणाम भी NaN या missing ( missing पूर्वता लेता है यदि सरणी में दोनों शामिल हैं)। missing प्रविष्टियों को छोड़ने और गैर-लापता मानों के विचरण की गणना करने के लिए skipmissing फ़ंक्शन का उपयोग करें।

source

Statistics.varm समारोह

varm(v, m; dims, corrected::Bool=true)

ज्ञात v साथ संग्रह माध्य v के नमूने के विचरण की गणना करें, दिए गए आयामों पर वैकल्पिक रूप से। m में v प्रत्येक आयाम के लिए साधन हो सकते हैं। यदि corrected है, तो योग को n-1 साथ स्केल किया जाता है, जबकि योग को n साथ स्केल corrected जाता है यदि corrected है तो false जहां n = length(v)

ध्यान दें

यदि सरणी में NaN या missing मान हैं, तो परिणाम भी NaN या missing ( missing पूर्वता लेता है यदि सरणी में दोनों शामिल हैं)। missing प्रविष्टियों को छोड़ने और गैर-लापता मानों के विचरण की गणना करने के लिए skipmissing फ़ंक्शन का उपयोग करें।

source

Statistics.cor फ़ंक्शन के लिए

cor(x::AbstractVector)

नंबर एक पर लौटें।

source
cor(X::AbstractMatrix; dims::Int=1)

आयाम के साथ मैट्रिक्स X के पियर्सन सहसंबंध मैट्रिक्स की गणना करें।

source
cor(x::AbstractVector, y::AbstractVector)

वैक्टर x और y बीच पियर्सन सहसंबंध की गणना करें।

source
cor(X::AbstractVecOrMat, Y::AbstractVecOrMat; dims=1)

वैक्टर या मैट्रिक्स X और Y के बीच पीयरसन सहसंबंध की गणना आयाम के साथ होती है।

source

Statistics.cov समारोह

cov(x::AbstractVector; corrected::Bool=true)

वेक्टर x के विचरण की गणना करें। यदि corrected है (डिफ़ॉल्ट) तो योग को n-1 साथ स्केल किया जाता है, जबकि योग को n साथ स्केल corrected जाता है यदि corrected है तो false जहां n = length(x)

source
cov(X::AbstractMatrix; dims::Int=1, corrected::Bool=true)

आयाम के साथ मैट्रिक्स X के सहसंयोजक मैट्रिक्स की गणना करें। यदि corrected है (डिफ़ॉल्ट) तो योग को n-1 साथ स्केल किया जाता है, जबकि योग को n साथ स्केल corrected जाता है यदि corrected है तो false जहाँ n = size(X, dims)

source
cov(x::AbstractVector, y::AbstractVector; corrected::Bool=true)

वैक्टर x और y बीच सहसंयोजक की गणना करें। यदि corrected है (डिफ़ॉल्ट), $ \ frac {1} {n-1} \ sum_ {i = 1} ^ n (x_i- \ bar x) (y_i- \ bar y) ^ * $ जहां $ * की गणना करता है $ जटिल संयुग्म और n = length(x) = length(y) को दर्शाता है। यदि corrected है तो false , $ \ frac {1} {n} \ sum_ {i = 1} ^ n (x_i- \ bar x) (y_i- \ bar y) ^ * $ की गणना करता है

source
cov(X::AbstractVecOrMat, Y::AbstractVecOrMat; dims::Int=1, corrected::Bool=true)

वैक्टर या मैट्रिक्स X और Y के बीच सहसंयोजक की गणना आयाम के साथ होती है। यदि corrected है (डिफ़ॉल्ट) तो योग को n-1 साथ स्केल किया जाता है, जबकि योग को n साथ स्केल corrected जाता है यदि corrected है तो false जहां n = size(X, dims) = size(Y, dims)

source

Statistics.mean! समारोह

mean!(r, v)

r के सिंगलटन आयामों पर v के माध्य की गणना करें, और r को परिणाम लिखें।

उदाहरण

julia> v = [1 2; 3 4]
2×2 Array{Int64,2}:
 1  2
 3  4

julia> mean!([1., 1.], v)
2-element Array{Float64,1}:
 1.5
 3.5

julia> mean!([1. 1.], v)
1×2 Array{Float64,2}:
 2.0  3.0
source

Statistics.mean

mean(itr)

एक संग्रह में सभी तत्वों के माध्य की गणना करें।

ध्यान दें

यदि itr में NaN या missing मान शामिल हैं, तो परिणाम भी NaN या missing ( missing पूर्वता लेता है यदि सरणी में दोनों शामिल हैं)। missing प्रविष्टियों को छोड़ने के लिए और गैर-लापता मानों के माध्य की गणना करने के लिए skipmissing फ़ंक्शन का उपयोग करें।

उदाहरण

julia> mean(1:20)
10.5

julia> mean([1, missing, 3])
missing

julia> mean(skipmissing([1, missing, 3]))
2.0
source
mean(f::Function, itr)

संग्रह itr प्रत्येक तत्व के लिए फ़ंक्शन को लागू करें और माध्य लें।

julia> mean(√, [1, 2, 3])
1.3820881233139908

julia> mean([√1, √2, √3])
1.3820881233139908
source
mean(A::AbstractArray; dims)

दिए गए आयामों पर एक सरणी के माध्य की गणना करें।

उदाहरण

julia> A = [1 2; 3 4]
2×2 Array{Int64,2}:
 1  2
 3  4

julia> mean(A, dims=1)
1×2 Array{Float64,2}:
 2.0  3.0

julia> mean(A, dims=2)
2×1 Array{Float64,2}:
 1.5
 3.5
source

Statistics.median! समारोह

median!(v)

median तरह, लेकिन इनपुट वेक्टर को अधिलेखित कर सकता है।

source

Statistics.median फ़ंक्शन

median(itr)

एक संग्रह में सभी तत्वों के माध्य की गणना करें। तत्वों की सम संख्या के लिए कोई सटीक माध्य तत्व मौजूद नहीं है, इसलिए परिणाम दो माध्य तत्वों की गणना के बराबर है।

ध्यान दें

यदि itr में NaN या missing मान शामिल हैं, तो परिणाम भी NaN या missing (यदि itr में दोनों हैं तो missing पूर्ववर्ती है)। missing प्रविष्टियों को छोड़ना और ग़ैर-अनुपलब्ध मानों के मध्य की गणना करने के लिए skipmissing फ़ंक्शन का उपयोग करें।

उदाहरण

julia> median([1, 2, 3])
2.0

julia> median([1, 2, 3, 4])
2.5

julia> median([1, 2, missing, 4])
missing

julia> median(skipmissing([1, 2, missing, 4]))
2.0
source
median(A::AbstractArray; dims)

दिए गए आयामों के साथ एक सरणी के माध्य की गणना करें।

उदाहरण

julia> median([1 2; 3 4], dims=1)
1×2 Array{Float64,2}:
 2.0  3.0
source

Statistics.middle पहेली समारोह

middle(x)

एक स्केलर मान के मध्य की गणना करें, जो x बराबर है, लेकिन स्थिरता के लिए middle(x, x) के प्रकार के बराबर है।

source
middle(x, y)

दो वास्तविक x और y के मध्य की गणना करें, जो दोनों मानों के बराबर है और उनके माध्य ( (x + y) / 2 ) की गणना करने के लिए टाइप करते हैं।

source
middle(range)

एक श्रेणी के मध्य की गणना करें, जिसमें इसकी विलुप्ति के साधन की गणना होती है। चूंकि एक श्रेणी को क्रमबद्ध किया जाता है, मतलब पहले और अंतिम तत्व के साथ किया जाता है।

julia> middle(1:10)
5.5
source
middle(a)

एक सरणी के मध्य की गणना करें, जिसमें इसकी एक्स्ट्रेमा को ढूंढना और फिर उनके माध्य की गणना करना शामिल है।

julia> a = [1,2,3.6,10.9]
4-element Array{Float64,1}:
  1.0
  2.0
  3.6
 10.9

julia> middle(a)
5.95
source

Statistics.quantile! समारोह

quantile!([q::AbstractArray, ] v::AbstractVector, p; sorted=false)

एक निर्दिष्ट संभावना पर वेक्टर v के क्वांटाइल (एस) की गणना करें या अंतराल पर वेक्टर की ट्यूपल p [0,1]। यदि p एक वेक्टर है, तो एक वैकल्पिक आउटपुट सरणी q भी निर्दिष्ट किया जा सकता है। (यदि प्रदान नहीं किया गया है, तो एक नया आउटपुट सरणी बनाया जाता है।) sorted तर्क इंगित करता है कि क्या v को सॉर्ट किया जा सकता है; यदि false (डिफ़ॉल्ट) है, तो v के तत्व आंशिक रूप से जगह में हल हो जाएंगे।

क्वांटाइल्स की गणना बिंदुओं ((k-1)/(n-1), v[k]) , k = 1:n n = length(v) बीच रेखीय प्रक्षेप द्वारा की जाती है। यह Hyndman और Fan (1996) की परिभाषा 7 से मेल खाती है, और R डिफ़ॉल्ट के समान है।

ध्यान दें

यदि v में NaN या missing मान हैं तो एक ArgumentError फेंक दिया जाता है।

  • Hyndman, RJ और Fan, Y. (1996) "सांख्यिकीय पैकेजों में नमूना मात्राएँ", अमेरिकी सांख्यिकीविद् , वॉल्यूम। 50, नंबर 4, पीपी। 361-365

उदाहरण

julia> x = [3, 2, 1];

julia> quantile!(x, 0.5)
2.0

julia> x
3-element Array{Int64,1}:
 1
 2
 3

julia> y = zeros(3);

julia> quantile!(y, x, [0.1, 0.5, 0.9]) === y
true

julia> y
3-element Array{Float64,1}:
 1.2
 2.0
 2.8
source

Statistics.quantile फंक्शन

quantile(itr, p; sorted=false)

एक निर्दिष्ट संभावना या वेक्टर के ट्यूपल के संग्रह की मात्रा (ओं) की गणना अंतराल पर p की संभावनाओं की वेक्टर या ट्यूपल [0,1]। sorted कीवर्ड तर्क बताता है कि क्या itr को हल किया जा सकता है।

क्वांटाइल्स की गणना बिंदुओं ((k-1)/(n-1), v[k]) , k = 1:n n = length(itr) बीच रैखिक प्रक्षेप द्वारा की जाती है। यह Hyndman और Fan (1996) की परिभाषा 7 से मेल खाती है, और R डिफ़ॉल्ट के समान है।

ध्यान दें

यदि कोई NaN या missing मान हो तो एक ArgumentError फेंक दिया जाता है। missing प्रविष्टियों को छोड़ने और ग़ैर-अनुपलब्ध मानों की मात्राओं की गणना करने के लिए skipmissing फ़ंक्शन का उपयोग करें।

  • Hyndman, RJ और Fan, Y. (1996) "सांख्यिकीय पैकेजों में नमूना मात्राएँ", अमेरिकी सांख्यिकीविद् , वॉल्यूम। 50, नंबर 4, पीपी। 361-365

उदाहरण

`` `जडोक्टेस्ट जूलिया> मात्रात्मक (0:20, 0.5) 10.0

जूलिया> मात्रात्मक (0:20, [0.1, 0.5, 0.9]) 3-तत्व ऐरे {फ्लोट 64,1}: 2.0 10.0 18.0

जूलिया> मात्रात्मक (स्किपमिसिंग ([1, 10, लापता]), 0.5) 5.5 `` `

source