当分布中有异常值时,我应该如何使用 `mean` 函数? [关闭]

Posted

技术标签:

【中文标题】当分布中有异常值时,我应该如何使用 `mean` 函数? [关闭]【英文标题】:How should I use the `mean` function when there are outliers in the distribution? [closed] 【发布时间】:2021-04-27 18:24:28 【问题描述】:

对于一个项目,我每次都需要得到一个平均值,这意味着我然后用它来将它与null hypothesis H0. 下的分布进行比较但是有时某些值(few)远大于所有其他值,所以如果我使用基本算术平均值,这些值将greatly impact 最终平均值。

这是一个例子

在这里,如果我做一个算术平均值,我得到大约 90,而实际上我们可以看到轴上的绝大多数值都在 50 左右。

您知道在这种情况下会使用的平均值吗?

【问题讨论】:

在这种情况下计算 median() 以消除异常值的影响。 将此问题发送至stats.stackexchange.com @DanielJames 我同意这个问题可以在 stats exchange 上得到回答,但认为它也合理地特定于 R?我把它理解为一个关于函数的问题。 【参考方案1】:

1。使用中位数

median(x)

中位数是一个汇总统计数据,不会被异常值“抛出”。

2。使用修剪后的平均值

mean(x, trim = .05)

修剪后的平均值是所有值的平均值除了最高和最低n% 中的值,其中n 是您选择的值。上面的代码将返回x 中每个值的平均值,除了最高的 5% 和最低的 5%。

无论你做什么,都要确保你的报告透明。

【讨论】:

好的,谢谢,但是几何平均值呢?它也可以是合适的,不是吗? @chippycentra 我不确定。可能是 stats-overflow 的问题

以上是关于当分布中有异常值时,我应该如何使用 `mean` 函数? [关闭]的主要内容,如果未能解决你的问题,请参考以下文章

如果我分批发送许多值,如何在插入语句中发送重复值时使用异常处理?

多元正态分布样本上的 Kmean

扩展 mean.io 的用户包

多列comboBox但是当选择值时应该是Id

在 python / pyspark 中获取 k-means 质心和异常值

闪亮:当用户选择“全部”值时 BigQuery 失败