R 试图将数据强制到高斯曲线上，结果与预期不符

这不是关于曲线拟合的问题。取而代之的是，我收集了60个不同的站点，从中我可以收集最高、最低和平均温度。我需要能够使用这些数据来计算光伏电池的工作温度；然而，对于平均温度来说，这样做是没有意义的，因为它包含了日落后的温度值。相反，我首先创建一个“假”平均温度（这是我们的“假平均值”，

totalityoftemperatures\u fakemeans

），它是最高和最低温度的平均值。在这一点上，我通过减去一个标准偏差（假设6*sd=max-min）来计算一个调整后的最低温度，然后最后计算一个“调整后的”平均温度，它是新的最低温度（假平均值-1*sd）和先前存在的最高温度的平均值（因此这是我们的“调整后的平均值”）

真正困扰我的是，重新计算的平均值应该高于“假”平均值；毕竟，它是调整后的最小值与原始最大值的平均值。我也可能会将此交叉发布到统计堆栈交换或其他地方，但我非常确定这是一个编码问题。有没有人可以在R中查看下面的代码

#The first data sets of maxima and minima are taken from empirical data 

for(i in 1:nrow(totalityofsites))
{
  for(j in 1:12)
  {
    totalityoftemperatures_fakemeans[i,j] = mean(totalityoftemperatures_maxima[i,j], totalityoftemperatures_minima[i,j])
  }
}  

totality_onesigmaDF = abs((1/6)*(totalityoftemperatures_maxima - totalityoftemperatures_minima))
totalityoftemperatures_adjustedminima = totalityoftemperatures_fakemeans - totality_onesigmaDF


for(i in 1:nrow(totalityofsites))
{
  for(j in 1:12)
  {
  totalityoftemperatures_adjustedmeans[i,j] = mean(totalityoftemperatures_adjustedminima[i,j], totalityoftemperatures_maxima[i,j])
  }

}

#The second calculation of the average should be higher than "fake" but that is not the case

---

我认为你的问题在于你对

mean

函数的使用。执行此操作时：

平均值（总温度调整最小值[i，j]，总温度最大值[i，j]）

你在用两个参数调用mean。该函数只接受一个参数，即数字向量。如果您提供两个数字，它将忽略第二个数字。看：

mean(2, 100)
#[1] 2

然而，如果将这些值连接到一个向量中，则可以得到正确的答案：

平均值（c（2100））
#[1] 51

所以你需要改变

平均值（总温度\最大值[i，j]，总温度\最小值[i，j]）

到

及

到

---

我认为你的问题在于你对

mean

函数的使用。执行此操作时：

平均值（总温度调整最小值[i，j]，总温度最大值[i，j]）

你在用两个参数调用mean。该函数只接受一个参数，即数字向量。如果您提供两个数字，它将忽略第二个数字。看：

mean(2, 100)
#[1] 2

然而，如果将这些值连接到一个向量中，则可以得到正确的答案：

平均值（c（2100））
#[1] 51

所以你需要改变

平均值（总温度\最大值[i，j]，总温度\最小值[i，j]）

到

及

到

---

好的，谢谢。我真的应该知道这一点。尴尬与感激同等重要！好的，谢谢。我真的应该知道这一点。尴尬与感激同等重要！

mean(totalityoftemperatures_adjustedminima[i,j], totalityoftemperatures_maxima[i,j])

mean(c(totalityoftemperatures_adjustedminima[i,j], totalityoftemperatures_maxima[i,j]))