Tag: 中值

如何在线性时间内使用堆find数字的中位数？

维基百科说： selectalgorithm：find最小值，最大值，最小值和最大值， 中值 ，甚至第k个最大元素都可以使用堆在线性时间内完成。 它所说的是，它可以做到，而不是如何。 你可以给我一些开始如何使用堆可以做到这一点？

估计统计中位数，模式，偏度，峰度的“在线”（迭代器）algorithm？

是否有algorithm来估计一组值的中位数，模式，偏度和/或峰度，但不要求将所有的值一次存储在内存中？ 我想计算一下基本的统计数据： 意思是：算术平均值 方差：平均偏差的平均值 标准偏差：方差的平方根 中值：将较大一半的数字与较小的一半分开的值 模式：在集合中find的最频繁的值 偏度：tl; 博士 峰度：tl; 博士 计算任何这些的基本公式是小学算术，我知道他们。 有很多统计库也可以实现它们。 我的问题是我正在处理的集合中有大量数值（数十亿）：使用Python，我不能仅仅制作一个包含数十亿个元素的列表或哈希值。 即使我用C语言写这个，十亿个元素的数组也不太实际。 数据没有sorting。 它是由其他进程随机，随机产生的。 每一套的大小是非常可变的，大小不会事先知道。 我已经知道如何很好地处理均值和方差，以任何顺序遍历集合中的每个值。 （实际上，就我而言，我将它们按照生成顺序排列）。下面是我正在使用的algorithm， http : //en.wikipedia.org/wiki/Algorithms_for_calculating_variance#On-line_algorithm ： 初始化三个variables：count，sum和sum_of_squares 对于每个值： 增量计数。 将该值添加到总和。 将值的平方加到sum_of_squares。 除数和存储为variables的意思。 按count计算sum_of_squares，作为variablesmean_of_squares存储。 正方形的意思是，存储为square_of_mean。 从mean_of_squares减去square_of_mean，作为方差存储。 产出均值和方差。 这种“在线”algorithm存在缺陷（例如，由于sum_of_squares快速增长大于整数范围或浮点精度），但基本上给了我所需要的，而不必在每个集合中存储每个值。 但我不知道是否有类似的技术来估计额外的统计数据（中位数，模式，偏度，峰度）。 只要处理N值所需的内存大大小于O（N），我就可以忍受一个有偏差的估计器，甚至是一个在一定程度上降低精度的方法。 如果图书馆具有计算一个或多个“联机”操作的function，指向现有的统计图书馆也将有所帮助。