File:Thiel-Sen estimator.svg
来自Wikimedia Commons
跳转到导航
跳转到搜索
![File:Thiel-Sen estimator.svg](https://upload.wikimedia.org/wikipedia/commons/thumb/e/e9/Thiel-Sen_estimator.svg/572px-Thiel-Sen_estimator.svg.png?20111103185915)
此SVG文件的PNG预览的大小:572 × 599像素。 其他分辨率:229 × 240像素 | 458 × 480像素 | 733 × 768像素 | 978 × 1,024像素 | 1,955 × 2,048像素 | 2,936 × 3,075像素。
原始文件 (SVG文件,尺寸为2,936 × 3,075像素,文件大小:37 KB)
文件信息
结构化数据
说明
说明
添加一行文字以描述该文件所表现的内容
摘要
[编辑]描述Thiel-Sen estimator.svg |
English: The en:Theil–Sen estimator (black line) of a set of sample points, compared to the simple linear regression line (blue). The points were generated by adding a small amount of jitter to points on the green dashed line and then replacing some of the points by random outliers. |
日期 | |
来源 | 自己的作品 |
作者 | David Eppstein |
许可协议
[编辑]我,本作品著作权人,特此采用以下许可协议发表本作品:
![]() ![]() |
本作品采用知识共享CC0 1.0 通用公有领域贡献许可协议授权。 |
采用本宣告发表本作品的人,已在法律允许的范围内,通过在全世界放弃其对本作品拥有的著作权法规定的所有权利(包括所有相关权利),将本作品贡献至公有领域。您可以复制、修改、传播和表演本作品,将其用于商业目的,无需要求授权。
http://creativecommons.org/publicdomain/zero/1.0/deed.enCC0Creative Commons Zero, Public Domain Dedicationfalsefalse |
Source code
[编辑]This image was created as a pdf file by the following Python code, then converted to SVG.
from pyx import canvas,path,color
from random import random,seed
seed(12345)
N = 103
noise = 10
slope = 1.0
def sample(x):
y = x * slope
if random() < (y/N)**3:
y = random()*N # outlier
else:
y += (random()-0.5)*noise # non-outlier, jitter
return y
samples = [(i*1.0,sample(i)) for i in range(N)]
c = canvas.canvas()
for x,y in samples:
c.fill(path.circle(x,y,0.5),[color.rgb.red])
def theilsen(samples):
N = len(samples)
def slope(i,j):
xi,yi = samples[i]
xj,yj = samples[j]
return (yi-yj)/(xi-xj)
def median(L):
L.sort()
if len(L) & 1:
return L[len(L)//2]
else:
return (L[len(L)//2 - 1] + L[len(L)//2])/2.0
m = median([slope(i,j) for i in range(N) for j in range(i)])
def error(i):
x,y = samples[i]
return y - m*x
b = median([error(i) for i in range(N)])
return m,b
m,b = 1,0
c.stroke(path.line(0,b,N,N*m+b),[color.rgb.green])
m,b = theilsen(samples)
c.stroke(path.line(0,b,N,N*m+b),[color.rgb.black])
def slr(samples):
N = len(samples)
sumxy = sum([x*y for x,y in samples])
sumx = sum([x for x,y in samples])
sumy = sum([y for x,y in samples])
sumxx = sum([x*x for x,y in samples])
m = (sumxy - sumx*sumy/N)/(sumxx - sumx**2/N)
b = sumy/N - m*sumx/N
return m,b
m,b = slr(samples)
c.stroke(path.line(0,b,N,N*m+b),[color.rgb.blue])
c.writePDFfile("ThielSen")
文件历史
点击某个日期/时间查看对应时刻的文件。
日期/时间 | 缩略图 | 大小 | 用户 | 备注 | |
---|---|---|---|---|---|
当前 | 2011年11月3日 (四) 18:59 | ![]() | 2,936 × 3,075(37 KB) | David Eppstein(留言 | 贡献) | Darker green, thicker lines |
2011年7月3日 (日) 23:40 | ![]() | 2,936 × 3,075(37 KB) | David Eppstein(留言 | 贡献) | {{Information |Description ={{en|1=The en:Theil–Sen estimator (black line) of a set of sample points, compared to the simple linear regression line (blue). The points were generated by adding a small amount of jitter to points on the green dashe |
您不可以覆盖此文件。
文件用途
以下页面使用本文件:
全域文件用途
以下其他wiki使用此文件:
- ar.wikipedia.org上的用途
- el.wiktionary.org上的用途
- en.wikipedia.org上的用途
- es.wikipedia.org上的用途
- fa.wikipedia.org上的用途
- hy.wikipedia.org上的用途
- ko.wikipedia.org上的用途
- ru.wikipedia.org上的用途
- zh.wikipedia.org上的用途