Algorithm 近似样本的典型值

假设我有一个N个正实数的样本，我想找到这些数字的“典型”值。当然，“典型”的定义不是很明确，但我们可以想到以下更具体的问题：

---

这些数字的分布使得（粗略地说）其中的一部分（1-ε）是从正平均值m>0且均方偏差σ的高斯分布中得出的。您可以取除最小值和最大值之外的数字的平均值。公式为（和-最小值-最大值）/（N-2），分子中的项只需一次运算即可计算出来（不过要注意浮点问题）。

我认为您应该重新考虑中值，或者使用quickselect，或者（正如库切在这里所实现的那样）。它既快又结实

---

如果你需要更好的速度，你可以考虑选择固定数量的随机元素并取它们的中位数。这是次线性（O（1）或O（logn），取决于模型），适用于大型集合。

高斯分量与平均值对称。如果重尾分量也与相同的平均值对称，则它应影响方差，但不影响平均值或中位数，并且平均值和中位数应对称相等。在这种情况下，我建议使用好的旧X-bar。我考虑的是正数，所以我的重尾部分类似于P（X）=1/2x^{0.5}1（X>1）+1/2x^{-0.5}1（X做一个正态概率图，排除所有从尾部直线上掉下来的值怎么样？我不想对数组进行排序，否则我可以这样做并取中值。如果非高斯分量不是对称的，并且不共享相同的平均值，那么所有数据的中值不一定接近高斯平均值。谢谢，我确实考虑过这一点，但我不喜欢的是，对异常值的数量仍然很合理。我可以推广你的方法，删除一些精心选择的x（比如一些ε）的xN最小值和xN最大值。但之后，代码会变得更加复杂，效率会降低。然而，我意识到，我可能要求的太多了，也许你的建议是最好的。让我们看看其他建议！