『壹』 用java计算学生成绩及标准差
五门课程各定义一个数组 然后容量为班里的人数 人数的顺序一定的 这样 各个的平均成绩就是五个数组相加 当然 数组中的那个人不能变 这样 什么都能求出来了
『贰』 如何在java中拟合正态分布
% 设数据为x % 第一步, 计算均值, 计算样本标准差 len = length(x); avg = mean(x); s = sum((x-avg).^2)/(len-1) % 第二步, 将上面结果代入高斯版分布公式 % 第三步权, 画出图形.
『叁』 在Java中怎么求方差和标准差
Java求方差和标准差：
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);
}
//标准差
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中实现标准正态分布累积函数
* 标准正态分布分布函数。
* 入口参数u。 任意实数。 返回标准正态分布概率密度。
先是考虑把正态分布的那张表搞到程序中，通过查表的方式，小数点三位后面多出来的值使用公式来计算
正态分布中一些值得注意的量：
密度函数关于平均值对称
平均值与它的众数（statistical mode）以及中位数（median）同一数值。
函数曲线下68.268949%的面积在平均数左右的一个标准差范围内。
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』 数据处理，用C++或者Java编写，求一组数的方差均值众数标准差中位数等
平均数、众数、中位数这三个统计量的各自特点是：
平均数的大小与一组数据里的每个数据均有关系,其中任何数据的变动都会相应引起平均数的变动；众数则着眼于对各数据出现的次数的考察,其大小只与这组数据中的部分数据有关,当一组数据中有不少数据多次重复出现时,其众数往往是我们关心的一种统计量；中位数则仅与数据排列位置有关,当一组数据从小到大排列后,最中间的数据为中位数(偶数个数据的最中间两个的平均数)。因此某些数据的变动对它的中位数影响不大。
在同一组数据中,众数、中位数和平均数也各有其特性：
(1)中位数与平均数是唯一存在的,而众数是不唯一的；
(2)众数、中位数和平均数在一般情况下是各不相等，但在特殊情况下也可能相等。
具体来说，平均数、众数和中位数都是描述一组数据的集中趋势的特征数，但描述的角度和适用范围有所不同。平均数的大小与一组数据里的每个数据均有关系，其中任何数据的变动都会引起平均数的相应变动；众数着眼于对各数据出现的频数的考察，其大小只与这组数据中的部分数据有关；中位数则仅与数据的排列位置有关，某些数据的变动对中位数没有影响，当一组数据中的个别数据变动较大时，可用它来描述其集中趋势。
一般来说，平均数、中位数和钟书都是一组数据的代表，分别代表这组数据的“一般水平”、“中等水平”和“多数水平”。平均数涉及所有的数据，中位数和众数只涉及部分数据。它们互相之间可以相等也可以不相等，没有固定的大小关系。
其实，它们三者有关联也有区别。在一组数据中出现次数最多的数就是这组数据众数，众数和平均数一样，也是描述一组数据集中趋势的统计量，但它和平均数有以下两点不同：一是平均数只是一个“虚拟”的数，即一组数据的和除以该组数据的个数所得的商，而众数不是“虚拟”的数，是一组数据中出现次数最多的那个数据，是这组数据中真实存在的一个数据；二是平均数的大小与一组数据里的每个数据都有关系，任何一个数据的变动都会引起平均数大小的改变，而众数则仅与一组数据的出现的次数有关，某些数据的变动对众数没有影响，所以在一组数据中，如果个别数据变动较大，但某个数据出现的次数最多，此时用该数据（即众数）表示这组数据的“集中趋势”比较合适。
中位数和平均数一样，也是反映一组数据集中趋势的一个统计量。平均数主要反映一组数据的一般水平，中位数则更好地反映了一组数据的中等水平。它和平均数有以下不同：一是平均数只是一个“虚拟”的数，而中位数并不完全是“虚拟”数，当一组数据有奇数个时，它就是该组数据顺序排列后中间的那个数据，是这组数据中真实存在的一个数据；二是平均数的大小与一组数据里的每个数据都有关系，任何一个数据的变动都会引起平均数大小的改变，而中位数则仅与一组数据的排列位置有关，某些数据的变动对中位数没有影响，所以当一组数据的个别数据偏大或偏小时，用中位数来描述该组数据的集中趋势就比较合适。