Wolfram과 numpy에서 동일한 입력에 대해 다른 표준 편차가 있습니다.

Question

현재 Python으로 작성된 일부 알고리즘을 다시 구현하는 중입니다. 한 단계는 값 목록의 표준 편차를 계산하는 것입니다. 원래 구현에서는 Apache Math 1.1 라이브러리의 DescriptiveStatistics.getStandardDeviation을 사용합니다. 나는 numpy 1.5의 표준 편차를 사용한다. 문제는 동일한 입력에 대해 서로 다른 결과를 제공한다는 것입니다.

numpy   : 0.10932134388775223 
Apache Math 1.1 : 0.12620366805397404 
Wolfram Alpha : 0.12620366805397404 

내가 제 3의 의견을 얻을 수 Wolfram Alpha으로 확인 : 나는 다음과 같은 결과를 얻을 수

[0.113967640255, 0.223095775796, 0.283134228235, 0.416793887842] 

: 내가 가지고있는 샘플이 있습니다. 나는 이러한 차이가 정밀도만으로 설명 될 수 있다고 생각하지 않는다. 왜 이런 일이 일어나는 지 아무도 모른다. 내가 그것에 대해 할 수있는 일은 무엇인가?

편집는 약 바로 사용하지 또한,

>>> from math import sqrt 
>>> v = [0.113967640255, 0.223095775796, 0.283134228235, 0.416793887842] 
>>> mu = sum(v)/4 
>>> sqrt(sum([(x - mu)**2 for x in v])/4) 
0.10932134388775223 

:

>>> from numpy import std 
>>> std([0.113967640255, 0.223095775796, 0.283134228235, 0.416793887842]) 
0.10932134388775223 

Answer 1

의해 아파치 볼프람 분할 N-1보다 파이썬 수동으로 계산하는 동일한 결과를 얻을 N. 이것은 μ를 추정하기 때문에 자유도 조정 정도입니다. N-1로 나눔으로써 모집단 표준 편차의 비 편향 추정을 얻습니다. ddof 옵션을 사용하여 NumPy의 동작을 변경할 수 있습니다.

이 NumPy와이 문서에서 설명

평균 편차가 일반적으로 계산 x.sum 제곱 인()/N, 여기서 N = LEN (X). 그러나 ddof가 인 경우 N-ddof 제수는 입니다. 표준 통계학 연습에서, ddof = 1은 무한대 집단의 분산에 대한 편향되지 않은 견적을 제공합니다. ddof = 0은 정상적으로 분포 된 변수에 대해 분산의 최대 우도 추정을 제공합니다. 이 함수에서 계산 된 표준 편차 은 추정 분산의 제곱근이므로이므로 ddof = 1 인 경우에도 표준 편차 추정치가 아닌 편차 그 자체입니다.