- 统计教程
- 家
- 调整后的 R 平方
- 方差分析
- 算术平均值
- 算术中位数
- 算术模式
- 算术范围
- 条状图
- 最佳点估计
- 贝塔分布
- 二项分布
- 布莱克-斯科尔斯模型
- 箱线图
- 中心极限定理
- 切比雪夫定理
- 卡方分布
- 卡方表
- 循环排列
- 整群抽样
- 科恩卡帕系数
- 组合
- 与替换组合
- 比较图
- 连续均匀分布
- 连续级数算术平均值
- 连续级数算术中位数
- 连续级数运算模式
- 累积频率
- 变异系数
- 相关系数
- 累计地块
- 累积泊松分布
- 数据采集
- 数据收集 - 问卷设计
- 数据收集-观察
- 数据收集-案例研究方法
- 数据模式
- 十分位数统计
- 离散级数算术平均值
- 离散级数算术中位数
- 离散级数运算模式
- 点图
- 指数分布
- F分布
- F测试台
- 阶乘
- 频率分布
- 伽玛分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 中庸之道
- 甘贝尔分布
- 调和平均值
- 谐波数
- 谐波共振频率
- 直方图
- 超几何分布
- 假设检验
- 个别系列算术平均值
- 个别系列算术中位数
- 个别系列运算模式
- 区间估计
- 逆伽玛分布
- 柯尔莫哥洛夫斯米尔诺夫检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数伽玛分布
- 逻辑回归
- 麦克尼马尔测试
- 平均偏差
- 均值差异
- 多项式分布
- 负二项分布
- 正态分布
- 奇数和偶数排列
- 一比例 Z 检验
- 异常值函数
- 排列
- 置换置换
- 饼形图
- 泊松分布
- 合并方差 (r)
- 功率计算器
- 可能性
- 概率加性定理
- 概率倍数定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力 (Cp) 和过程性能 (Pp)
- 过程西格玛
- 二次回归方程
- 定性数据与定量数据
- 四分位数偏差
- 范围经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准偏差
- 可靠性系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样品策划
- 取样方式
- 散点图
- 香农维纳多样性指数
- 信噪比
- 简单随机抽样
- 偏度
- 标准差
- 标准误差 (SE)
- 标准普通表
- 统计学意义
- 统计公式
- 统计符号
- 茎叶图
- 分层抽样
- 学生 T 检验
- 平方和
- T-分布表
- Ti 83 指数回归
- 转换
- 截尾均值
- I 型和 II 型错误
- 方差
- 维恩图
- 弱大数定律
- Z工作台
- 统计有用资源
- 统计 - 讨论
统计 - 截尾平均值
修剪平均值是一种平均方法,在计算平均值之前删除一小部分最大和最小值。
可以使用以下公式计算截尾平均值。
公式
$\mu = \frac{\sum {X_i}}{n}$
其中 -
$\sum {X_i}$ = 修剪集的总和。
${n}$ = 修剪集中的总数。
${\mu}$ = 截尾平均值。
例子
问题陈述:
计算数字集 {8, 3, 7, 1, 3, and 9} 的 20% 截尾平均值
项目 | 14 | 36 | 45 | 70 | 105 |
---|
截尾平均百分比 = $\frac{20}{100} = 0.2$;样本量=6
让我们有机会首先确定修剪检查 (g) 的估计,其中 g 暗示要从给定安排中修剪的质量数量。
g = 下限(修剪平均百分比 x 样本量) g = 下限 (0.2 x 6) g = 下限 (1.2) 修剪支票 (g) = 1
记录上升请求中给定的数字排列{8,3,7,1,3,9},=1,3,3,7,8,9
由于修剪后的计数为 1,因此我们应该从最早的起点和终点剔除一个数字。沿着这些思路,我们从上面的数字排列中根除第一个数字 (1) 和最后一个数字 (9) = 3, 3, 7, 8。现在,修剪平均值可以计算为:
$\mu = \frac{\sum {X_i}}{n} \\[7pt] \, = \frac{Sum\ of\ your\ Trimmed\ Set}{Total\ Numbers\ in\ Trimmed\ set} \\ [7pt] \, = \frac{(3 + 3 + 7 + 8)}{4} \, = \frac{21}{4} \\[7pt] \, = {5.25}$
给定数字的截尾平均值为 5.25。