Как я могу сделать стандартное отклонение в Ruby?

похоже, что Анджела, возможно, хотела существующую библиотеку. После игры с statsample, array-Statistics и несколькими другими, я бы рекомендовал descriptive_statistics драгоценный камень, если вы пытаетесь избежать изобретения колеса.

gem install descriptive_statistics

$ irb
1.9.2 :001 > require 'descriptive_statistics'
 => true 
1.9.2 :002 > samples = [1, 2, 2.2, 2.3, 4, 5]
 => [1, 2, 2.2, 2.3, 4, 5] 
1.9.2p290 :003 > samples.sum
 => 16.5 
1.9.2 :004 > samples.mean
 => 2.75 
1.9.2 :005 > samples.variance
 => 1.7924999999999998 
1.9.2 :006 > samples.standard_deviation
 => 1.3388427838995882 

Я не могу говорить о его статистической правильности или о вашем комфорте с Перечислимым исправлением обезьян; но он прост в использовании и прост в использовании.

ответ, приведенный выше, элегантен, но имеет небольшую ошибку в нем. Не будучи главой статистики, я сел и подробно прочитал ряд веб-сайтов и обнаружил, что этот дал наиболее понятное объяснение того, как получить стандартное отклонение. http://sonia.hubpages.com/hub/stddev

ошибка в ответе выше находится в sample_variance метод.

вот моя исправленная версия, а также простой модульный тест, который показывает, что он работает.

in ./lib/enumerable/standard_deviation.rb

#!usr/bin/ruby

module Enumerable

  def sum
    return self.inject(0){|accum, i| accum + i }
  end

  def mean
    return self.sum / self.length.to_f
  end

  def sample_variance
    m = self.mean
    sum = self.inject(0){|accum, i| accum + (i - m) ** 2 }
    return sum / (self.length - 1).to_f
  end

  def standard_deviation
    return Math.sqrt(self.sample_variance)
  end

end

на ./test использование чисел, полученных из простой электронной таблицы.

#!usr/bin/ruby

require 'enumerable/standard_deviation'

class StandardDeviationTest < Test::Unit::TestCase

  THE_NUMBERS = [1, 2, 2.2, 2.3, 4, 5]

  def test_sum
    expected = 16.5
    result = THE_NUMBERS.sum
    assert result == expected, "expected #{expected} but got #{result}"
  end

  def test_mean
    expected = 2.75
    result = THE_NUMBERS.mean
    assert result == expected, "expected #{expected} but got #{result}"
  end

  def test_sample_variance
    expected = 2.151
    result = THE_NUMBERS.sample_variance
    assert result == expected, "expected #{expected} but got #{result}"
  end

  def test_standard_deviation
    expected = 1.4666287874
    result = THE_NUMBERS.standard_deviation
    assert result.round(10) == expected, "expected #{expected} but got #{result}"
  end

end

Я не большой поклонник добавления методов в Enumerable так как там могут быть нежелательные побочные эффекты. Он также дает методы, действительно специфичные для массива чисел для любого класса, наследующего от Enumerable, что в большинстве случаев не имеет смысла.

хотя это нормально для тестов, скриптов или небольших приложений, это рискованно для больших приложений, поэтому вот альтернатива, основанная на ответе @tolitius, который уже был идеальным. Это больше для справки, чем ничего остальное:

module MyApp::Maths
  def self.sum(a)
    a.inject(0){ |accum, i| accum + i }
  end

  def self.mean(a)
    sum(a) / a.length.to_f
  end

  def self.sample_variance(a)
    m = mean(a)
    sum = a.inject(0){ |accum, i| accum + (i - m) ** 2 }
    sum / (a.length - 1).to_f
  end

  def self.standard_deviation(a)
    Math.sqrt(sample_variance(a))
  end
end

и затем вы используете его как таковой:

2.0.0p353 > MyApp::Maths.standard_deviation([1,2,3,4,5])
=> 1.5811388300841898

2.0.0p353 :007 > a = [ 20, 23, 23, 24, 25, 22, 12, 21, 29 ]
 => [20, 23, 23, 24, 25, 22, 12, 21, 29]

2.0.0p353 :008 > MyApp::Maths.standard_deviation(a)
 => 4.594682917363407

2.0.0p353 :043 > MyApp::Maths.standard_deviation([1,2,2.2,2.3,4,5])
 => 1.466628787389638

поведение такое же, но оно избегает накладных расходов и рисков добавления методов к Enumerable.

представленные вычисления не очень эффективны, потому что они требуют нескольких (по крайней мере двух, но часто трех, потому что вы обычно хотите представить среднее значение в дополнение к std-dev) проходит через массив.

Я знаю, что Ruby-это не место для поиска эффективности, но вот моя реализация, которая вычисляет среднее и стандартное отклонение с одним проходом по значениям списка:

module Enumerable

  def avg_stddev
    return nil unless count > 0
    return [ first, 0 ] if count == 1
    sx = sx2 = 0
    each do |x|
      sx2 += x**2
      sx += x
    end
    [ 
      sx.to_f  / count,
      Math.sqrt( # http://wijmo.com/docs/spreadjs/STDEV.html
        (sx2 - sx**2.0/count)
        / 
        (count - 1)
      )
    ]
  end

end

как простая функция, учитывая список чисел:

def standard_deviation(list)
  mean = list.inject(:+) / list.length.to_f
  var_sum = list.map{|n| (n-mean)**2}.inject(:+).to_f
  sample_variance = var_sum / (list.length - 1)
  Math.sqrt(sample_variance)
end

если записи под рукой имеют тип Integer или Rational, вы можете вычислить дисперсию с помощью Rational вместо Float чтобы избежать ошибок, вносимых округлением.

например:

def variance(list)
  mean = list.reduce(:+)/list.length.to_r
  sum_of_squared_differences = list.map { |i| (i - mean)**2 }.reduce(:+)
  sum_of_squared_differences/list.length
end

(было бы разумно добавить обработку специальных случаев для пустых списков и других крайних случаев.)

тогда квадратный корень можно определить как:

def std_dev(list)
  Math.sqrt(variance(list))
end

в случае, если люди используют postgres ... он предоставляет агрегатные функции для stddev_pop и stddev_samp -агрегатные функции postgresql

stddev (equiv of stddev_samp) доступно по крайней мере с postgres 7.1, так как 8.2 предоставляются как samp, так и pop.

или:

class Stats
    def initialize( a )
        @avg = a.count > 0 ? a.sum / a.count.to_f : 0.0
        @stdev = a.count > 0 ? ( a.reduce(0){ |sum, v| sum + (@avg - v) ** 2 } / a.count ) ** 0.5 : 0.0
    end
end