Math 计算一组值看起来有多好（分布有多好）

这组值： 1 2 3 3 4 1 如果你在条形图上想一想，看起来很不错：

*   *
* * * *
=======
1 2 3 4 

虽然这个看起来很糟糕。。 1 2 2 2 2 9 8

  *
  *
  * 
  * 
  *
  *
  *
* *           * *
=================
1 2 3 4 5 6 7 8 9

这是因为有很多的2和一个很大的差距2和8

我需要找到一个公式来计算一组数字看起来有多漂亮。。 我想我需要一些偏差函数。。有什么想法吗

谢谢你对“好”的定义有点宽泛。根据我对你所说的“好”的理解，我建议两种方法

计算（或估计）是你的数据。统计教科书或统计数据包应该讨论这一点

执行某种类型的测试——许多高频组件可能并不“好”

你对“好”的定义有点宽泛。根据我对你所说的“好”的理解，我建议两种方法

计算（或估计）是你的数据。统计教科书或统计数据包应该讨论这一点

执行某种类型的测试——许多高频组件可能并不“好”

---

A可能就是你要找的。如果以正确的方式使用，它将为您提供一个数字，描述您的分布与离散均匀分布的接近程度。离散均匀分布将是平坦的（即，每个直方图桶中的元素数量大致相同），这似乎符合您对“尼斯”的定义。

A可能就是您想要的。如果以正确的方式使用，它将为您提供一个数字，描述您的分布与离散均匀分布的接近程度。离散均匀分布将是平坦的（即每个直方图桶中的元素数量大致相同），这似乎符合您对“尼斯”的定义。

这对我来说似乎是合理的，但我对统计的了解非常有限：

from collections import Counter
def tonums( s ):
        return [int(x) for x in s if x!=' ']

def nice( nums ):
    # how far do they spread
    used_range = range(min(nums), max(nums)+1)

    # how often would each number occur if they were equally distributed
    expected = 1.0*len(nums)/len(used_range)

    # how often do they actually occur
    counter = Counter(nums)

    # compute the variance
    return sum((count-expected)**2 for item, count in counter.iteritems())


# should be fst < snd
print nice(tonums('1 2 3 3 4 1'))
print nice(tonums('1 2 2 2 2 2 2 2 2 9 8'))

# these should be 0
print nice(tonums('1'))
print nice(tonums('1 1 1 1'))

# should be equal
print nice(tonums('1 1 2 3'))
print nice(tonums('1 2 2 3'))

从集合导入计数器
def音调：
如果x！=''，则返回[int（x）for x in s]
def nice（nums）：
#它们传播多远
使用范围=范围（最小值（nums），最大值（nums）+1）
#如果平均分布，每个数字出现的频率是多少
预期值=1.0*len（nums）/len（使用范围）
#它们实际发生的频率是多少
计数器=计数器（nums）
#计算方差
返回和（（预计计数）**2，对于项目，在计数器中计数。iteritems（））
#应为fst

这对我来说似乎是合理的，但我对统计学的知识非常有限：

from collections import Counter
def tonums( s ):
        return [int(x) for x in s if x!=' ']

def nice( nums ):
    # how far do they spread
    used_range = range(min(nums), max(nums)+1)

    # how often would each number occur if they were equally distributed
    expected = 1.0*len(nums)/len(used_range)

    # how often do they actually occur
    counter = Counter(nums)

    # compute the variance
    return sum((count-expected)**2 for item, count in counter.iteritems())


# should be fst < snd
print nice(tonums('1 2 3 3 4 1'))
print nice(tonums('1 2 2 2 2 2 2 2 2 9 8'))

# these should be 0
print nice(tonums('1'))
print nice(tonums('1 1 1 1'))

# should be equal
print nice(tonums('1 1 2 3'))
print nice(tonums('1 2 2 3'))

从集合导入计数器
def音调：
如果x！=''，则返回[int（x）for x in s]
def nice（nums）：
#它们传播多远
使用范围=范围（最小值（nums），最大值（nums）+1）
#如果平均分布，每个数字出现的频率是多少
预期值=1.0*len（nums）/len（使用范围）
#它们实际发生的频率是多少
计数器=计数器（nums）
#计算方差
返回和（（预计计数）**2，对于项目，在计数器中计数。iteritems（））
#应为fst

你的问题有了答案-

一组数字看起来有多漂亮

。首先定义一个what means

nice

并编写一个

nice（list）

函数。您需要首先正式定义“nice”。“好”是指低标准差吗？“nice”的意思是否符合正态分布？这是否意味着数据很适合其他分布？我想知道如何定义nice。。我提供了两个例子，因为我不能在数学中很好地定义它。好的取决于你的动机和应用。为什么你想知道它有多好？这个问题几乎是纯统计而不是CS-/你的问题有答案-

一组数字看起来有多漂亮

。首先定义一个what means

nice

并编写一个

nice（list）

函数。您需要首先正式定义“nice”。“好”是指低标准差吗？“nice”的意思是否符合正态分布？这是否意味着数据很适合其他分布？我想知道如何定义nice。。我提供了两个例子，因为我不能在数学中很好地定义它。好的取决于你的动机和应用。为什么你想知道它有多好？这个问题几乎是纯统计而不是CS-/一个非常平坦的分布有成吨的高阶傅里叶系数。@honk，同意，但傅里叶分析可能对“nice”的其他一些值有用。一个非常平坦的分布有成吨的高阶傅里叶系数。@honk，同意，但傅里叶分析可能对“nice”的其他一些值有用