我正在尝试编写一个简单的数据分析程序，但我遇到计算十元素数组标准差的问题
我们应该使用平方近似（stddev = sqrt（meanofsquares / 90-squareofmeans900））而不是标准方法，但我得到的数字几乎是随机的。
使用以下函数计算总和
void rms(int *mc, float &Sum, float &Sum2){ //restituisce
Sum = 0.; Sum2 = 0.;
for(int i = 0; i<10;i++){
Sum += (float) mc[i];
Sum2+=(float)mc[i]*mc[i];}
}
跟随
调用 flux[idep]=((float) mc[4]+ mc[5])*.5; //anzichè dividere per 2, moltiplico per .5
rms(mc, Sum, Sum2);
errflux[idep] = 1.177 * sqrt(Sum2*div1 - (Sum1*Sum1*div2)); //notice corrective term 1.177 it's not an error
我尝试了很多方法，但我从未设法得到一些连贯的结果。
我附加了几行数据（每行的一个块应该计算中位数和标准差）和完整的代码，希望得到任何帮助
Dumand.dat
1023001 998765 1109975 865876 1407325 1498650 1065880 999623 1300568 1400421
178433 438761 165001 234121 765999 999650 876500 190001 206443 180065
88951 501003 13760 21880 197550 199902 46909 54331 76008 70913
10569 15900 29761 20769 22331 20117 21555 26700 45600 37654
4535 4289 4059 4099 4300 4401 4221 4390 4101 4203
1402 1436 1420 1450 1398 1590 1360 1570 1531 1466
1693243 1653128 1837200 1433174 2329366 2480524 1764215 1654548 2152664 2317938
295337 726225 273105 387511 1267860 1654593 1450758 314484 341699 298035
147229 829246 22775 36215 326979 330872 77644 89920 125800 117400
17490 26317 49260 34376 36960 33297 35677 44193 75475 62323
7500 7099 6718 6785 7118 7284 6987 7280 6790 6961
2321 2370 2350 2398 2314 2630 2251 2600 2534 2420
完整的代码是
#include <iostream>
#include <cmath>
#include <cstdlib>
#include <fstream>
#include <iomanip>
#include <string>
#include <algorithm> //algoritmi di ordinamento
#include <unistd.h> //Useremo lo standard posix per le api per correggere delle carenze in gestione i/o del c++
using namespace std;
bool myfunct(double i, double j){return j<i;}
//funzione per calcolarci i contributi all'errore
void rms(int *mc, float &Sum, float &Sum2){ //restituisce
Sum = 0.; Sum2 = 0.;
for(int i = 0; i<10;i++){
Sum += (float) mc[i];
Sum2+=(float)mc[i]*mc[i];}
}
//ocio: usando il namespace std le funzioni del namespace ios danno errore. Calma e sangue freddo, ogni volta che ne usiamo una accanto ci sta il metodo alternativo senza usarle
int main (){
//input data
int mc[10]; //le dieci misure inerenti ad una profondità
float C[2]; // le due costanti di calibrazione
float depth[4] = {1500., 2500., 3500., 4500.}; //profondità delle misure (servono per il best fit)
float Sum, Sum2, Sum1;
//output data
float flux[4], errflux[4]; //flussi e errori alle varie profondità
float fluxb, errfluxb; //flusso e errore sul fondo dell'oceano
float bkg, errbkg; //flusso e errore sul rumore (liv del mare)
//calcoliamo ora le divisioni in modo da trasformarle in prodotti. Su programmi più pesanti questo trucco accelera un botto il tempo di esecuzione
float div1= 1./90.;
float div2 = 1./900.;
//lettura delle costanti di calibrazione
cout << "type calibration constants C1, C2 ... " << endl;
cin >> C[0] >> C[1];
float invc[2] = {1./C[0], 1./C[1]};
// external files
/* ====== */
ifstream in("DUMAND.dat");//, ios::nocreate);
if(!in){cerr << "The input file DUMAND.dat does not exist. Check path. " << endl; return -1;} //se il file non esiste, avverti e killa.
/* ====== */
//ALTERNATIVA PER L'INPUT USANDO IL POSIX
/*
if(access("DUMAND.dat", 0)==-1){ //regola i permessi di accesso a un file, la useremo per controllare l'esistenza di un file
cerr << "The input file DUMAND.dat does not exist. Check path. " << endl; return -1;} //se il file non esiste, avverti e killa.}
//altrimenti SOLO A QUESTO PUNTO dichiaro l'ifstream ecc ecc
ifstream input("DUMAND.dat");
*/
//if(access("results.dat", 0)==0){cerr << "The file results.dat already exists. Aborting operation"; return -1;}
ofstream out ("results.dat");//, ios::noreplace);
//error strings
string erreof = "Unexpected EoF at rec # ";
string errmisc = "Unexpected error reading rec # ";
//loop over PMs
for (int ipm = 0; ipm < 2; ipm++){
int nrec;
//loop over depths
for (int idep = 0; idep < 4; idep++){
nrec = 6*ipm + idep+1;
//loop for reading from file
for (int i=0; i < 10; i++){
in >> mc[i];
if (in.eof()){cerr << erreof << nrec << endl;
return -1;}
if (in.bad()){
cerr << errmisc << nrec << endl;
return -1;}
} //close acquisition loop
//compute median. Il secondo argomento è l'idirizzo dell'ultimo elemento di mc +1, il terzo il criterio //(ascendente o discendente)
sort(mc,mc+10, myfunct);
flux[idep]=((float) mc[4]+ mc[5])*.5; //anzichè dividere per 2, moltiplico per .5
rms(mc, Sum, Sum2);
// Sum2=0.;
// Sum=.1*Sum;
// for(int i =0; i<10;i++){
// Sum2+=(mc[i]-Sum)*(mc[i]-Sum);
// }
errflux[idep] = 1.177 * sqrt(Sum2*div1 - (Sum1*Sum1*div2)); //notice corrective term 1.177
cout << flux[idep] << " " << errflux[idep] << endl;
system("PAUSE");
} // close loop over depth
//bottom level analysis
++nrec;
for(int i = 0; i<10; i++){
in >> mc[i];
if (in.eof()){cerr << erreof << nrec << endl;
return -1;}
if (in.bad()){
cerr << errmisc << nrec << endl;
return -1;}
} //close acquisition loop
//per fondo e lab calcoliamo il val medio e non la mediana perchè le dist sono a code piccole
rms(mc, Sum, Sum2);
errfluxb = sqrt(Sum2*div1 - Sum*Sum * div2); //std dev bottom level
fluxb = Sum*.1; //average bottom level
//lab level analysis (noise analysis)
++nrec;
for(int i = 0; i<10; i++){
in >> mc[i];
if (in.eof()){cerr << erreof << nrec << endl;
return -1;}
if (in.bad()){
cerr << errmisc << nrec << endl;
return -1;}
} //close acquisition loop
//per fondo e lab calcoliamo il val medio e non la mediana perchè le dist sono a code piccole
rms(mc, Sum, Sum2);
errbkg = sqrt(Sum2*div1 - Sum*Sum * div2); //std dev laboratory level
bkg = Sum*.1; //average laboratory level
//compute true fluxes removing noise and compensating calibration
for(int idep=0; idep <4; idep++ ){
flux[idep]-=bkg;
flux[idep]*=invc[ipm]; //rinormalizzazione con la cost di calibrazione
errflux[idep]=(sqrt(errflux[idep]*errflux[idep] + errbkg*errbkg)) *invc[ipm];
}
fluxb -= bkg;
fluxb *= invc[ipm];
errflux[idep]=(sqrt(errfluxb*errfluxb + errbkg*errbkg)) *invc[ipm];
//best fit
float S1 = 0, SX = 0, SY = 0, SXX = 0, SXY = 0;
for (int idep =0; idep < 4; idep++){
float y = log(flux[idep]);
float erryinv = flux[idep]/errflux[idep]; //since we need 1/error, we compute it directly
erryinv = erryinv * erryinv;
S1+=erryinv;
SX += depth[idep]*erryinv;
SY += y * erryinv;
SXX = depth[idep]*depth[idep] * erryinv;
SXY = depth[idep]*y * erryinv;
}//close depth loop
float invD = 1./((S1*SXX)-(SX*SX)); //again, we define 1/D because we need it and not the original D
cout << SXX << " "<<S1 << " " << SX << " " << invD << endl << endl;
float a = (SY*SXX - SX*SXY)*invD;
float b = (S1*SXY - SX*SY)*invD;
float erra = sqrt((SXX*invD));
float errb = sqrt((S1*invD));
//true fit parameters
a = exp(a);
b = -1/b;
erra = a * erra;
errb = errb * b * b;
//table of results
string t24 = "\t \t \t " , title = "results for PM( ", tit1 = "Flux and related errors for each depth", tit2 = "flux and error at bottom level", tit3 = "fit parameters and errors";
out << t24 << title << ipm+1 << " )" << endl << endl;
out << '\t' << tit1 << endl;
out.flags(ios::scientific|ios::uppercase); //per salvare i numeri in notazione scientifica con la E maiuscola
for (int l =0; l < 4; l++){
out<<setw(11) << setprecision(4) << flux[l] << " +- " << errflux[l] << endl; //imposto il numero di caratteri da usare nella notazione scientifica (setw) e la precisione(setprecision). oss: l'argomento di setw è pari a 7 + l'arg di setprecision
}
out << endl;
out<< '\t' << tit2 << endl;
out<<setw(11) << setprecision(4) << fluxb << " +- " << errfluxb << endl;
out << endl;
out<< '\t' << tit3 << endl;
out<<setw(11) << setprecision(4) << "a = " << a << " +- " << erra << endl;
out<<setw(11) << setprecision(4) << "b = " << b << " +- " << errb << endl;
}// close pm loop
in.close();
out.close();
return 1;
}
答案 0 :(得分：0)
好吧，你的代码中没有计算出来的手段
应除以n。
void rms(int *mc, int n, float &Sum, float &Sum2) { //restituisce
Sum = 0.;
Sum2 = 0.;
for(int i = 0; i != n; i++) {
float d = float(mc[i]);
Sum += d;
Sum2 += d*d;
}
Sum /= float(n); // !!!
Sum2 /= float(n); // !!!
}