vc++如何写求方差的程序

#include "iostreamh"

#include "mathh"

void main()

{

int a[10]={20,45,86,5,75,38,61,152,16,55};

double fAvg=0; //平均值

for (int i=0;i<10;i++)

fAvg+=a[i];

fAvg/=10;

double fStdDiff=0; //方差

for(i=0;i<10;i++)

fStdDiff+=pow(a[i]-fAvg,2);

fStdDiff/=10;

cout<<"方差:"<<fStdDiff<<endl;

}

以上是一个求方差的简单的例子，上述是对10个数计算处理的，具体应用时，具体改变。

现在计算机是每个学生必备的学习工具，那么计算器怎么算方差/标准差呢？今天小编为大家讲讲计算器怎么算方差/标准差，希望对大家有所帮助。

材料/工具

计算机

方法

1/7

首先打开计算器之后，点击右上角的MODE键。

2/7

然后选择SD，按下面键盘的数字1就可以了。

3/7

然后最上面有一个SD就表示可以开始录入程序了，输入一个数字之后然后点M+就录入成功了。

4/7

接着点击左上角的“SHIFT”键。

5/7

然后按一下2，就可以选择函数。

6/7

然后第一个是平均数，第二个是总体标准差，第三个是样本标准差。

7/7

最后第二个计算的总体标准差，平方之后也可以变成样本标准差。

如下：

数据集a有变量：x1，x2，x3等等

求各变量的均值方差，代码如下：

mean(a$x1) var(a$x1)。

mean(a$x2) var(a$x2)。

mean(a$x3) var(a$x3)。

……

如果有无效值，需要在括号内加入narm=T。

R是用于统计分析、绘图的语言和 *** 作环境。

R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

R可以看作贝尔实验室（AT&T BellLaboratories）的Rick Becker、John Chambers和Allan Wilks开发的S语言的一种实现。当然，S语言也是S-Plus的基础。

所以，两者在程序语法上可以说是几乎一样的，可能只是在函数方面有细微差别，程序十分容易地就能移植到一程序中，而很多一的程序只要稍加修改也能运用于R。

双因素方差分析SPSS实现流程

有一水稻施肥的盆栽试验，设置了5个处理：A1和A2分别施用两种不同工艺流程的氨水，A3施碳酸氢铵，A4施尿素，A5为对照。每个处理各4盆，随机置于同一试验大棚。水稻稻谷产量见下表。现分析不同施肥处理下，水稻稻谷产量之间是否有显著差异。

113 课程实习任务

①按课程设计题目要求设计脚本；

②脚本能够完成对水稻数据的单因素方差分析；

③编写代码；

④脚本分析与调试；

⑤撰写实验报告。

114 课程实习目标

①巩固并加深对R语言的理解和掌握；

②通过课外学习拓展课程知识面；

③提高运用R语言解决生活实际问题的能力；

④初步掌握开发简单脚本的基本方法；

⑤掌握书写程序设计与软件开发的阐述性、总结性文档。2 程序设计层次及说明展示

由于采用代码注释的方法，形式上不太美观，且不容易直接看到结果，造成阅览不变，故笔者采用了将脚本文件分部分执行，截图进行说明的方法，让每部 *** 作清晰明了，结果明显。再在本节末尾附上代码文件以供阅览。

21 数据录入

此处是直接进行了程序录入，将数据录入参数shuidaodata中。其中，每行数据对应一个组别。

而这里可以也可使用scan函数进行交互键入，又或者将数据保存为csv格式，再用readcsv函数根据途径录入也可以。

22 转化为数据框

这里根据每行对应的类型不同分别命名。命名的列量名称为参数name，数据框名为参数shuidao。

23 数据融化和冗杂数据处理

由于水稻数据内容构成比较简单，因素单一，所以不需要再融化数据框 *** 作了，因为在数据框形成时已经完成了融化处理的结果，再进行转化反而繁琐，故不需要使用melt函数。同理，此份水稻数据中不包含冗余成分，故也同样不需要冗杂数据处理。

24 数据分析

此处直接使用aov函数进行单因素方差分析，得到结果参数result的F值为1118，p值小于005，且各因子水平的均值之间存在十分显著差异。

25 初步结论

经过单因素方差分析可得知，肥料因素对产量的结果影响十分显著，也因此可以再做一些步骤来确认其真实性，以及深入了解其差异性的特质。

26 正态性检验261 Q-Q图

这里先用lm函数进行线性回归模型拟合，将结果参数mo录入qqPlot函数中，得到下图：

可见回归曲线在范围内，故数据符合正态性检验。

262 其他方法

检验正态性的方法不唯一，在网上资料查询中，还有如下方法：

1kstest函数，但是由于数据中包含重复数值，故前提假设不成立，不便使用。

2W检验的shapirotest函数，得出p值大于005时数据正态性得到检验。

可见水稻数据正态性依旧得到检验。

3 fBasics包里的shapiroTest函数

可见水稻数据正态性依旧得到检验。

27 方差齐性检验

由于数据满足正态性，故使用bartletttest函数进行方差齐性检验，得出结果p值远大于显著性水平005，因此不能拒绝原假设，认为不同水平下的水稻数据是等方差的。故等方差性得到检验。

而当数据不满足正态性时，也可以使用leveneTest函数进行方差齐性检验。

28 各组均值差异281 TukeyHSD函数的杜奇检验

为更深一步探索每组之间的差异，采用TukeyHSD函数检验，如下：

其中修改了par中的绘图参数，以便图形更加简洁清晰，绘图如下：

在这里可以清晰的看出，与0坐标线是值信水平，与其相交的部分就是效果不显著的组别，反之则是效果显著的组别。也因此可以得出结论：A1-A5、A2-A4、A3-A5、A4-A5之间有显著的差异。

282 其他方法

同样的，在网络搜索中，还有其他的方法可以揭示组别之间的差异，此处我使用的是多重t检验法：

在这里可以清晰的看出，p值小于005的就是差异较为显著的组别，和上一小节的结论一致。

29 结论

从水稻数据的单因素方差分析结果得知，肥料因素对产量的结果影响十分显著，且结果经检验符合正态性、等方差性，故结果较为可信。

最后经过各组均值差异检测后得知，A1-A5、A2-A4、A3-A5、A4-A5四组之间差异较为显著，且由题干可知，A5为对照组，故可知A1、A3、A4三组肥料效果较好。

210 代码展示

#数据录入

　shuidaodata<-c(24,30,28,26,

　27,24,21,26,

　31,28,25,30,

　32,33,33,28,

　21,22,16,21)

#转化为数据框

　name<-rep(paste(“A”,1:5,sep=”“),each=4)

　shuidao<-dataframe(name,shuidaodata)

#单因素方差分析

　result<-aov(shuidaodata~name,data=shuidao)

　summary(result)

#正态性检验

#Q-Q图

　mo<-lm(shuidaodata~name,data=shuidao)

　library(car)

　qqPlot(mo,main=”Q-Qplot图”,las=T)

#W检验

　#shapirotest(shuidaodata)

#fBasics包的shapiroTest

　#library(fBasics)

　#shapiroTest(shuidaodata)

#方差齐性检验

　bartletttest(shuidaodata~name,data=shuidao)

#各组均值差异

#杜奇检验

　duqi<-TukeyHSD(result)

　par(lwd=2,cexlab=15,cexaxis=15,colaxis=”blue”,las=1)

　plot(duqi,mgp=c(3,05,0))

#多重t检验法

　#pairwisettext(shuidaodata,name)

以上就是关于vc++如何写求方差的程序全部的内容，包括:vc++如何写求方差的程序、计算器怎么算方差/标准差、r语言如何同时求几列数据的均值和方差等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！