- 統計學教程
- 首頁
- 調整後的R平方
- 方差分析
- 算術平均數
- 算術中位數
- 算術眾數
- 算術極差
- 條形圖
- 最佳點估計
- 貝塔分佈
- 二項分佈
- 布萊克-斯科爾斯模型
- 箱線圖
- 中心極限定理
- 切比雪夫定理
- 卡方分佈
- 卡方表
- 環排列
- 整群抽樣
- 科恩Kappa係數
- 組合
- 有放回組合
- 比較圖表
- 連續均勻分佈
- 連續數列算術平均數
- 連續數列算術中位數
- 連續數列算術眾數
- 累積頻率
- 變異係數
- 相關係數
- 累積圖
- 累積泊松分佈
- 資料收集
- 資料收集 - 問卷設計
- 資料收集 - 觀察法
- 資料收集 - 案例研究法
- 資料模式
- 十分位數統計
- 離散數列算術平均數
- 離散數列算術中位數
- 離散數列算術眾數
- 點圖
- 指數分佈
- F分佈
- F檢驗表
- 階乘
- 頻率分佈
- 伽馬分佈
- 幾何平均數
- 幾何機率分佈
- 擬合優度
- 總平均數
- Gumbel分佈
- 調和平均數
- 調和數
- 諧振頻率
- 直方圖
- 超幾何分佈
- 假設檢驗
- 個體數列算術平均數
- 個體數列算術中位數
- 個體數列算術眾數
- 區間估計
- 逆伽馬分佈
- Kolmogorov-Smirnov檢驗
- 峰度
- 拉普拉斯分佈
- 線性迴歸
- 對數伽馬分佈
- 邏輯迴歸
- 麥克尼馬爾檢驗
- 平均差
- 均值差異
- 多項分佈
- 負二項分佈
- 正態分佈
- 奇排列和偶排列
- 單比例Z檢驗
- 異常值函式
- 排列
- 有放回排列
- 餅圖
- 泊松分佈
- 合併方差 (r)
- 功效計算器
- 機率
- 機率加法定理
- 機率乘法定理
- 機率貝葉斯定理
- 機率密度函式
- 過程能力 (Cp) 和過程效能 (Pp)
- 過程Sigma
- 二次迴歸方程
- 定性資料與定量資料
- 四分位差
- 經驗法則
- 瑞利分佈
- 迴歸截距置信區間
- 相對標準偏差
- 信度係數
- 所需樣本量
- 殘差分析
- 殘差平方和
- 均方根
- 樣本計劃
- 抽樣方法
- 散點圖
- Shannon-Wiener多樣性指數
- 信噪比
- 簡單隨機抽樣
- 偏度
- 標準差
- 標準誤 (SE)
- 標準正態分佈表
- 統計顯著性
- 統計公式
- 統計符號
- 莖葉圖
- 分層抽樣
- 學生t檢驗
- 平方和
- t分佈表
- TI 83指數迴歸
- 轉換
- 去極值平均數
- I型和II型錯誤
- 方差
- 韋恩圖
- 大數弱定律
- Z表
- 統計學有用資源
- 統計學 - 討論
統計學 - 去極值平均數
去極值平均數是一種平均方法,在計算平均數之前,它會去除最大值和最小值的一小部分。
可以使用以下公式計算去極值平均數。
公式
$\mu = \frac{\sum {X_i}}{n}$
其中 -
$\sum {X_i}$ = 去極值集的總和。
${n}$ = 去極值集中資料的總數。
${\mu}$ = 去極值平均數。
示例
問題陳述
計算數字集 {8, 3, 7, 1, 3, 和 9} 的 20% 去極值平均數。
| 專案 | 14 | 36 | 45 | 70 | 105 |
|---|
去極值平均數百分比 = $\frac{20}{100} = 0.2$;樣本大小=6
讓我們首先確定去極值計數 (g) 的估計值,其中 g 指的是要從給定序列中去除的值的數量。
g = Floor (Trimmed Mean Percent x Sample Size) g = Floor (0.2 x 6) g = Floor (1.2) Trimmed check (g) = 1
將給定的數字序列 {8, 3, 7, 1, 3, 9} 按升序排列,= 1, 3, 3, 7, 8, 9
由於去極值計數為 1,我們應該從開頭和結尾去除一個數字。因此,我們從上述數字序列中去除第一個數字 (1) 和最後一個數字 (9),= 3, 3, 7, 8。現在可以計算去極值平均數為
$\mu = \frac{\sum {X_i}}{n} \\[7pt] \, = \frac{去極值集的總和}{去極值集中資料的總數} \\[7pt] \, = \frac{(3 + 3 + 7 + 8)}{4} \, = \frac{21}{4} \\[7pt] \, = {5.25}$
給定數字的去極值平均數為 5.25。
廣告