WinsorizedVariance

WinsorizedVariance[list,f]

给出把最小和最大的 f（比例）元素用剩下元素的极值替换后 list 中元素的方差.

WinsorizedVariance[list,{f1,f2}]

给出把最小的 f1（比例）元素和的最大的 f2（比例）元素用剩下元素的极值替换后列表中元素的方差.

WinsorizedVariance[list]

给出经 5% 缩尾处理后的方差 WinsorizedVariance[list,0.05].

WinsorizedVariance[dist,…]

给出单变量分布 dist 经缩尾处理后的方差.

更多信息

范例

打开所有单元关闭所有单元

基本范例  (4)

去掉极值后的缩尾方差：

去掉最小极值后的缩尾方差：

日期列表的缩尾方差：

符号分布的缩尾方差：

范围  (11)

数据  (10)

精确输入给出精确输出：

近似输入给出近似输出：

矩阵的缩尾方差按列给出方差：

大型数组的缩尾方差：

可以像对稠密数组一样使用 SparseArray 数据：

一元 WeightedData 的 WinsorizedVariance：

与未加权数据的方差相比较：

TimeSeries 的缩尾方差：

缩尾方差只取决于数值：

可对含有量的数据求缩尾方差：

计算日期的缩尾方差：

计算时间的缩尾方差：

以不同的时区规范给出的时间：

分布  (1)

单变量分布的缩尾方差：

应用  (2)

在异常值出现的情况下，计算位置的稳健估计值：

极值对方差的影响很大：

求一个班的孩子们的身高的缩尾方差：

5% 缩尾方差：

绘制缩尾方差作为比例参数的函数的曲线：

相对于缩尾均值，绘制缩尾方差的平方根：

属性和关系  (5)

0% WinsorizedVariance 等价于 Variance:

当 f 趋于 1/2 时 WinsorizedVariance 趋于 0：

一个分布的 WinsorizedVariance 是它的 CensoredDistribution 的方差：

适当界限下的 CensoredDistribution 的方差：

样本的 WinsorizedVariance 给出对删失分布的方差的估计：

适当界限下的 CensoredDistribution 的方差：

TrimmedVariance 会丢弃一定分位数之上的数据，然后再计算样本方差：

WinsorizedVariance 剪切一定分位数之上的数据，然后再计算样本方差：

绘制排序后的数据与经过截断（移除元素）或剪切（较大极值被替换）处理的数据：

可能存在的问题  (1)

WinsorizedVariance 只接受数值型数据：

Wolfram Research (2017)，WinsorizedVariance，Wolfram 语言函数，https://reference.wolfram.com/language/ref/WinsorizedVariance.html （更新于 2024 年）.

文本

Wolfram Research (2017)，WinsorizedVariance，Wolfram 语言函数，https://reference.wolfram.com/language/ref/WinsorizedVariance.html （更新于 2024 年）.

CMS

Wolfram 语言. 2017. "WinsorizedVariance." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2024. https://reference.wolfram.com/language/ref/WinsorizedVariance.html.

APA

Wolfram 语言. (2017). WinsorizedVariance. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/WinsorizedVariance.html 年

BibTeX

@misc{reference.wolfram_2024_winsorizedvariance, author="Wolfram Research", title="{WinsorizedVariance}", year="2024", howpublished="\url{https://reference.wolfram.com/language/ref/WinsorizedVariance.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_winsorizedvariance, organization={Wolfram Research}, title={WinsorizedVariance}, year={2024}, url={https://reference.wolfram.com/language/ref/WinsorizedVariance.html}, note=[Accessed: 22-November-2024 ]}