数据集中趋势度量:众数、平均数、中位数、几何平均数 | 您所在的位置:网站首页 › 离中趋势有哪些 › 数据集中趋势度量:众数、平均数、中位数、几何平均数 |
即一组数据距离数据中心的靠近程度,反应了一组数据中心的位置所在 数据集中趋势度量的指标有:众数、平均数、中位数、几何平均数等。 众数:即出现次数最多的,常用在不同类别的数量统计中,不受峰值的影响,一组数据中可能会存在多个众数,不具备唯一性,数据量较少时意义不大。 平均数:可分为简单平均数和加权平均数,简单平均数即一组数据的平均值,加权平均数即根据分组数据计算的平均数。平均数是一组数据的重心,是经多次测量正负误差互相抵消后事物特征的真实反映。 中位数:一组数据排序后,处于中间位置的那个数据,主要用于顺序数据的集中趋势度量,不适用于分类数据。 几何平均数:即对n个数据相乘后,开n次方, 下面针对几何平均数与简单平均数的差异进行说明: from functools import reduce import math #假设一只股票持有了5年,每年的年收益率数据如下,原始投入成本10000元 rate = [0.045,0.021,0.255,0.019] #简单平均收益率 sig_G = sum(rate)/len(rate) print ('简单平均收益率',sig_G) 简单平均收益率 0.085 #几何平均收益率 j_G = math.pow(reduce(lambda x,y:x*y,[1+i for i in rate]),1/len(rate))-1 print ('几何平均收益率',j_G) 几何平均收益率 0.08078668483359586 #实际收入 rel_cont = 10000*(1+0.045)*(1+0.021)*(1+0.255)*(1+0.019) print ('实际收入',rel_cont) 实际收入 13644.572785249995 #按照简单平均收益率计算 sig_cont=10000*(1+sig_G)**4 print('简单平均收益',sig_cont) 简单平均收益 13858.587006249998 #按照几何平均收益率计算 j_cont=10000*(1+j_G)**4 print('几何平均收益',j_cont) 几何平均收益 13644.572785249995可以看到简单平均收益与实际收益不符 |
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |