为消除厂家制造零件不同种类产品的影响,可使用标准差系数 % 越大, 代表越小,数据分散。 越小, 代表越大,数据集中。 另外注意的一点,注意上文表2, 我们是使用简单分组中使用组平均数 如果是采用组距式分组中应使用组中值 平均数 介绍算术平均数和加权平均数,首先算术平均数的PYTHON代码如下 ### 均值函数 Mean(x) def Mean(x): return sum(x)//len(x) Mean(xx)### 加权平均 WMean(x,w) def WMean(x,w): return sum([a*b for a,b in zip(x,w)])//sum(w) e=dict(xx) x=e.keys() y=e.values() WMean(x,y) 加权平均数的代码如上 各个零件乘各自的"权"除以总数的平均数。权重是占总数的比重,乘以各个零件相加,再除以总数。加权平均数通过组数据反应总体的平均值。 众数 是 数据中出现次数最多的数。商品进货使用众数 ### 众数函数 Mode(x) def Mode(x): return x[max(dict(x))] Mode(xx) 中位数 数据顺序排列,中间数叫做中位数;如果n为偶数,取平均数。 ### 中位数函数 Median(x) def Median(x): sorted(x) y=len(x)//2 if y%2==0: zw=x[(y-1):y] else: zw=x[y] return zw Median(xx) 极差 最大值与最小值的差。极差越大,数据越分散。 方差 是各个数据与平均数之差的平方和的平均数: ### 方差函数 def Var(x): return sum([(x[i]-Mean(x))**2 for i in x])/len(x) Var(xx) 标准差 就是方差的算术平方根: 标准差 ### 标准差函数 stderr(x) def stderr(x): return (sum([(x[i]-Mean(x))**2 for i in x])/len(x))**0.5 stderr(xx) 一般而言,一组数据的极差、方差或标准差越小,这组数据就越稳定。