วิธีการคำนวณค่าเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนักใน python

ค่าเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนัก เป็นวิธีที่มีประโยชน์ในการวัดการกระจายของค่าในชุดข้อมูล เมื่อค่าบางค่าในชุดข้อมูลมีน้ำหนักมากกว่าค่าอื่นๆ

สูตรในการคำนวณค่าเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนักคือ:

ทอง:

• N: จำนวน การสังเกต ทั้งหมด
• M: จำนวนตุ้มน้ำหนักที่ไม่เป็นศูนย์
• w _i : เวกเตอร์น้ำหนัก
• x _i : เวกเตอร์ของค่าข้อมูล
• x : ค่าเฉลี่ยถ่วงน้ำหนัก

วิธีที่ง่ายที่สุดในการคำนวณค่าเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนักใน Python คือการใช้ฟังก์ชัน DescrStatsW() จากแพ็คเกจ statsmodels:

 DescrStatsW(values, weights=weights, ddof= 1 ). std

ตัวอย่างต่อไปนี้แสดงวิธีใช้ฟังก์ชันนี้ในทางปฏิบัติ

ตัวอย่าง: ค่าเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนักใน Python

สมมติว่าเรามีอาร์เรย์ของค่าข้อมูลต่อไปนี้และน้ำหนักที่สอดคล้องกัน:

 #define data values 
values = [14, 19, 22, 25, 29, 31, 31, 38, 40, 41]

#define weights
weights = [1, 1, 1.5, 2, 2, 1.5, 1, 2, 3, 2]

รหัสต่อไปนี้แสดงวิธีคำนวณค่าเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนักสำหรับอาร์เรย์ของค่าข้อมูลนี้:

 from statsmodels. stats . weightstats import DescrStatsW

#calculate weighted standard deviation
DescrStatsW(values, weights=weights, ddof= 1 ). std

8.570050878426773

ค่าเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนักกลายเป็น 8.57

โปรดทราบว่าเรายังสามารถใช้ var เพื่อคำนวณความแปรปรวนแบบถ่วงน้ำหนักได้อย่างรวดเร็ว:

 from statsmodels. stats . weightstats import DescrStatsW

#calculate weighted variance
DescrStatsW(values, weights=weights, ddof= 1 ). var

73.44577205882352

ผลต่างถ่วงน้ำหนักกลายเป็น 73,446

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีคำนวณค่าเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนักในซอฟต์แวร์ทางสถิติอื่นๆ:

วิธีการคำนวณค่าเบี่ยงเบนมาตรฐานถ่วงน้ำหนักใน Excel
วิธีการคำนวณค่าเบี่ยงเบนมาตรฐานถ่วงน้ำหนักใน R