📜  R 中的 z-score 标准化

📅  最后修改于: 2022-05-13 01:55:48.450000             🧑  作者: Mango

R 中的 z-score 标准化

在统计学中,任务是标准化变量,称为评估 z 分数。比较两个标准化变量是标准化向量的函数。通过将向量减去其均值并将结果除以向量的标准偏差,我们可以对向量进行标准化。

公式:

方法:

  • 声明一个向量
  • 通过函数mean()sd()计算其均值和标准差。
  • 要创建标准化向量:
    • 从向量中减去均值
    • 现在将上述结果除以标准差
R
a <- c(7, 8, 3, 2, 2, 10, 9)
  
# Finding Mean
m<-mean(a)
  
# Finding Standard Deviation
s<-sd(a)
  
#standardized vector
a.z<-(a-m)/s
  
a.z


R
a <- c(7, 8, 3, 2, 2, 10, 9)
  
# Finding Mean
m<-mean(a)
  
# Finding Standard Deviation
s<-sd(a)
  
#standardized vector
a.z<-(a-m)/s
  
mean(a.z)
  
sd(a.z)


R
a <- c(10, 6, 3, 5, 4)
b <- c(150, 200, 500, 600, 850)
  
a.z <- (a - mean(a)) / sd(a)
  
b.z <- (b - mean(b)) / sd(b)
  
average.z <- (a.z + (b.z)) / 2
round(average.z, 1)


输出:

现在我们还可以通过检查其均值是否为零和标准差是否为 1 来检查向量是否已正确标准化。均值的答案不是完全为零,而是几乎为零。这是可以接受的,因为它是计算机定律的结果。

程序:

电阻

a <- c(7, 8, 3, 2, 2, 10, 9)
  
# Finding Mean
m<-mean(a)
  
# Finding Standard Deviation
s<-sd(a)
  
#standardized vector
a.z<-(a-m)/s
  
mean(a.z)
  
sd(a.z)

输出:

示例 2:

电阻

a <- c(10, 6, 3, 5, 4)
b <- c(150, 200, 500, 600, 850)
  
a.z <- (a - mean(a)) / sd(a)
  
b.z <- (b - mean(b)) / sd(b)
  
average.z <- (a.z + (b.z)) / 2
round(average.z, 1)

输出: