重み付きの標準偏差ても済む

Question

numpy.average() はウエイトのオプションが numpy.std() ではできません。いての提案をプレロード?

Answer 1

どのように以下の短い "手計算" についてはどうですか？

def weighted_avg_and_std(values, weights):
    """
    Return the weighted average and standard deviation.

    values, weights -- Numpy ndarrays with the same shape.
    """
    average = numpy.average(values, weights=weights)
    # Fast and numerically precise:
    variance = numpy.average((values-average)**2, weights=weights)
    return (average, math.sqrt(variance))

Answer 2

あるクラス statsmodels で使用することができる計算資統計 statsmodels.stats.weightstats.DescrStatsW.

このデータセットおよびウエイト:

import numpy as np
from statsmodels.stats.weightstats import DescrStatsW

array = np.array([1,2,1,2,1,2,1,3])
weights = np.ones_like(array)
weights[3] = 100

きの初期化クラス(注する補正係数のデルタ 自由度 このポイント):

weighted_stats = DescrStatsW(array, weights=weights, ddof=0)

それを計算でき:

• .mean の 加重平均:

  >>> weighted_stats.mean      
  1.97196261682243
  

• .std の 均標準偏差:

  >>> weighted_stats.std       
  0.21434289609681711
  

• .var の 加重分散:

  >>> weighted_stats.var       
  0.045942877107170932
  

• .std_mean の 標準エラー の加重平均

  >>> weighted_stats.std_mean  
  0.020818822467555047
  

  だんとの関係を標準誤差の標準偏差標準誤差（ ddof == 0 計算の均標準偏差の平方根の和のウエイトをマイナス1(対応するソース statsmodels バージョン0.9以降でGitHub):

  standard_error = standard_deviation / sqrt(sum(weights) - 1)
  

Answer 3

まだnumpyの/ scipyのダウンロードでは、このような機能があるようには表示されませんが、この追加機能を提案するチケット。あなたは Statistics.py の加重標準を実装しているがありますが含まれて偏差ます。

Answer 4

ここに1つの以上のオプションです。

np.sqrt(np.cov(values, aweights=weights))

Answer 5

gaborousするによって提案された非常に良い例があります

import pandas as pd
import numpy as np
# X is the dataset, as a Pandas' DataFrame
mean = mean = np.ma.average(X, axis=0, weights=weights) # Computing the 
weighted sample mean (fast, efficient and precise)

# Convert to a Pandas' Series (it's just aesthetic and more 
# ergonomic; no difference in computed values)
mean = pd.Series(mean, index=list(X.keys())) 
xm = X-mean # xm = X diff to mean
xm = xm.fillna(0) # fill NaN with 0 (because anyway a variance of 0 is 
just void, but at least it keeps the other covariance's values computed 
correctly))
sigma2 = 1./(w.sum()-1) * xm.mul(w, axis=0).T.dot(xm); # Compute the 
unbiased weighted sample covariance

加重公平な標本共分散、URL（バージョン：2016年6月28日）の正しい式の