『壹』 用java計算學生成績及標准差
五門課程各定義一個數組 然後容量為班裡的人數 人數的順序一定的 這樣 各個的平均成績就是五個數組相加 當然 數組中的那個人不能變 這樣 什麼都能求出來了
『貳』 如何在java中擬合正態分布
% 設數據為x % 第一步, 計算均值, 計算樣本標准差 len = length(x); avg = mean(x); s = sum((x-avg).^2)/(len-1) % 第二步, 將上面結果代入高斯版分布公式 % 第三步權, 畫出圖形.
『叄』 在Java中怎麼求方差和標准差
Java求方差和標准差：
public class GetAverageandStandardDevition {
private int[] array = new int[10];
private int num = 10;
public int getRandomDigit() {
return (int) (Math.random() * 1000);
}
public void getTargetDigit() {
for (int i = 0; i < num; i++) {
array[i] = getRandomDigit();
System.out.println(array[i]);
}
}
//方差
public double getAverage(){
int sum = 0;
for(int i = 0;i < num;i++){
sum += array[i];
}
return (double)(sum / num);
}
//標准差
public double getStandardDevition(){
double sum = 0;
for(int i = 0;i < num;i++){
sum += Math.sqrt(((double)array[i] -getAverage()) * (array[i] -getAverage()));
}
return (sum / (num - 1));
}
public static void main(String[] args) {
GetAverageandStandardDevition gcs = new GetAverageandStandardDevition();
gcs.getTargetDigit();
System.out.println(gcs.getAverage() + " " + gcs.getStandardDevition());
}
『肆』 如何在c++或java中實現標准正態分布累積函數
* 標准正態分布分布函數。
* 入口參數u。 任意實數。 返回標准正態分布概率密度。
先是考慮把正態分布的那張表搞到程序中，通過查表的方式，小數點三位後面多出來的值使用公式來計算
正態分布中一些值得注意的量：
密度函數關於平均值對稱
平均值與它的眾數（statistical mode）以及中位數（median）同一數值。
函數曲線下68.268949%的面積在平均數左右的一個標准差范圍內。
java
public double nextDouble() {
return (((long)(next(26)) << 27) + next(27))
/ (double)(1L << 53);
}
private double nextNextGaussian;
private boolean haveNextNextGaussian = false;
synchronized public double nextGaussian() {
// See Knuth, ACP, Section 3.4.1 Algorithm C.
if (haveNextNextGaussian) {
haveNextNextGaussian = false;
return nextNextGaussian;
} else {
double v1, v2, s;
do {
v1 = 2 * nextDouble() - 1; // between -1 and 1
v2 = 2 * nextDouble() - 1; // between -1 and 1
s = v1 * v1 + v2 * v2;
} while (s >= 1 || s == 0);
double multiplier = StrictMath.sqrt(-2 * StrictMath.log(s)/s);
nextNextGaussian = v2 * multiplier;
haveNextNextGaussian = true;
return v1 * multiplier;
}
}
c++
public static double y(double x) {
return 1 /.9) {
return 1; Math;
for (double i = pc.00001.E.sqrt(2 * Math; i += step)
f += y(i) * step; 3.pow(Math, -x * x /.9) {
return 0;
}
『伍』 數據處理，用C++或者Java編寫，求一組數的方差均值眾數標准差中位數等
平均數、眾數、中位數這三個統計量的各自特點是：
平均數的大小與一組數據里的每個數據均有關系,其中任何數據的變動都會相應引起平均數的變動；眾數則著眼於對各數據出現的次數的考察,其大小隻與這組數據中的部分數據有關,當一組數據中有不少數據多次重復出現時,其眾數往往是我們關心的一種統計量；中位數則僅與數據排列位置有關,當一組數據從小到大排列後,最中間的數據為中位數(偶數個數據的最中間兩個的平均數)。因此某些數據的變動對它的中位數影響不大。
在同一組數據中,眾數、中位數和平均數也各有其特性：
(1)中位數與平均數是唯一存在的,而眾數是不唯一的；
(2)眾數、中位數和平均數在一般情況下是各不相等，但在特殊情況下也可能相等。
具體來說，平均數、眾數和中位數都是描述一組數據的集中趨勢的特徵數，但描述的角度和適用范圍有所不同。平均數的大小與一組數據里的每個數據均有關系，其中任何數據的變動都會引起平均數的相應變動；眾數著眼於對各數據出現的頻數的考察，其大小隻與這組數據中的部分數據有關；中位數則僅與數據的排列位置有關，某些數據的變動對中位數沒有影響，當一組數據中的個別數據變動較大時，可用它來描述其集中趨勢。
一般來說，平均數、中位數和鍾書都是一組數據的代表，分別代表這組數據的「一般水平」、「中等水平」和「多數水平」。平均數涉及所有的數據，中位數和眾數只涉及部分數據。它們互相之間可以相等也可以不相等，沒有固定的大小關系。
其實，它們三者有關聯也有區別。在一組數據中出現次數最多的數就是這組數據眾數，眾數和平均數一樣，也是描述一組數據集中趨勢的統計量，但它和平均數有以下兩點不同：一是平均數只是一個「虛擬」的數，即一組數據的和除以該組數據的個數所得的商，而眾數不是「虛擬」的數，是一組數據中出現次數最多的那個數據，是這組數據中真實存在的一個數據；二是平均數的大小與一組數據里的每個數據都有關系，任何一個數據的變動都會引起平均數大小的改變，而眾數則僅與一組數據的出現的次數有關，某些數據的變動對眾數沒有影響，所以在一組數據中，如果個別數據變動較大，但某個數據出現的次數最多，此時用該數據（即眾數）表示這組數據的「集中趨勢」比較合適。
中位數和平均數一樣，也是反映一組數據集中趨勢的一個統計量。平均數主要反映一組數據的一般水平，中位數則更好地反映了一組數據的中等水平。它和平均數有以下不同：一是平均數只是一個「虛擬」的數，而中位數並不完全是「虛擬」數，當一組數據有奇數個時，它就是該組數據順序排列後中間的那個數據，是這組數據中真實存在的一個數據；二是平均數的大小與一組數據里的每個數據都有關系，任何一個數據的變動都會引起平均數大小的改變，而中位數則僅與一組數據的排列位置有關，某些數據的變動對中位數沒有影響，所以當一組數據的個別數據偏大或偏小時，用中位數來描述該組數據的集中趨勢就比較合適。