Python 标准偏差

我试图计算一些分布的标准偏差，并从两条路径得到两个不同的结果。这对我来说没有多大意义-有人能解释一下为什么会发生这种情况吗

scipy.stats.binom(189, 100/189).std()
6.8622115305451707

scipy.stats.tstd([1]*100 + [0]*89)
0.50047821327986164

---

为什么这两个数字不相等？

最基本的原因是，这里取的是两个完全不同事物的标准差。我认为你误解了scipy.stats.binom的功能。发件人：

binom的概率质量函数为：

binom.pmf（k）=选择（n，k）*p**k*（1-p）**（n-k）

对于{0,1，…，n}中的k

binom将n和p作为形状参数

当您执行

binom（189100/189）

时，您正在创建一个可以接受0到189之间任何值的分发。毫不奇怪，此分布的方差比您正在使用的其他样本数据大得多，这些样本数据的值限制为零或一

看起来您想要的是

scipy.stats.binom（1100/189.std（）

。但是，您仍然不能期望得到与样本数据完全相同的值，因为

binom.std

正在计算总体分布的标准偏差，而另一个版本（

scipy.stats.tstd（[1]*100+[0]*89）

）只计算样本的标准偏差。如果增加样本的大小（例如，do

scipy.stats.tstd（[1]*1000+[0]*890）

），样本标准偏差将接近从

binom.std

获得的值

---

您还可以使用

scipy.std

或

numpy.std

而不是

scipy.stats.tstd

来获取总体（非样本）std

scipy.stats.tstd

没有用于选择自由度的

ddof

选项，并且始终计算有意义的样本

std

。有没有办法在不创建值的情况下获得与tstd相同的值？从我读到的内容来看，结果应该与scipy.stats.binom（1100/189）.std（）相关，如果是这样的话…@viraptor:请参阅我编辑过的答案。你不能得到完全相同的值，因为在一种情况下，你计算的是“真实”分布std，而在另一种情况下，你只能得到一个小样本的std。但是如果你增加样本量，这些值会越来越接近。@BrenBarn:我不确定你的“真实”与“样本”论点是否正确。这真的只是个自由度的问题<代码>scipy.stats.binom（1100./189）.std（）==0.49915244084955573==numpy.std（[1]*100+[0]*89）。OTOH，

scipy.stats.tstd（[1]*100+[0]*89）==0.50047821327986164==numpy.std（[1]*100+[0]*89，ddof=1）

@DSM：是的，这就是我的意思，但你是对的，我没有说清楚。我的意思是，

tstd

正在计算样本（而非总体）std。我编辑了我的答案，以包含一些关于这方面的信息，并提到

scipy.std

，作为替代。我认为这样读起来更好。否则，听起来我们不希望结果完全相同，除非是在大样本范围内。不幸的是，我已经给了你+1，所以我不能再这样做了。^）