维基百科：“在统计学中，medcouple 是一个强大的统计数据，可以衡量单变量分布的偏度[1]。 它被定义为一个缩放分布的左半部分和右半部分的中值差。 它的稳健性使其适用于识别调整后的异常值箱线图[2][3]。” 1 = G. 布赖斯； 休伯特先生； A. Struyf（2004 年 11 月）。 “一个强有力的措施偏度”。计算和图形统计杂志。13 (4)：996-1017。 2 = M. 休伯特； E. Vandervieren (2008)。 “一个调整后的偏斜箱线图分布”。计算统计和数据分析。52（12）： 5186-5201。 doi：10.1016 / j.csda.2007.11.008。 3 = 皮尔逊，罗恩（2011 年 2 月 6 日）。 “箱线图及其他——第二部分： 不对称”。exploringdata.blogspot.ca。2015 年 4 月 6 日检索。

提出了一类适用于Alpha稳定分布随机变量的统计量—类M估计相关(MELC),通过构造阵列输出的类M估计相关矩阵,提出了适用于Alpha稳定分布噪声环境下的波达方向(DOA)估计新算法,即MELC-MUSIC算法。仿真实验表明,在Alpha稳定分布噪声环境下,MELC-MUSIC算法在抗噪声特性、多源信号分辨性以及对不同形式信号(圆对称信号或非圆对称信号)的适应性方面获得比基于分数低阶统计量(FLOS)的MUSIC方法更好的估计性能。

4、计算QLB统计量 T为样本容量，p为设定的滞后阶数。 原假设H0：序列不存在p阶自相关； 备选假设：H1为序列存在p阶自相关。 当 时 拒绝原假设H0

根据方差分析理论，提出应用混合F统计量来确定最佳分类数，并应用模糊划分熵来验证最佳分类数的正确性，综合运用上述两个指标可以准确确定最佳聚类数。通过实际算例说明这两个指标的有效性。

允许计算具有和不具有异方差假设的时间序列的方差比检验的函数。

顺序统计量，别称是变量序列，亦称变列分布函数。数理统计中的一种常用统计量。将样本观测值由小到大排列得到的统计量。

目的为了识别图像来源于相机还是其他电子设备,提出一种基于小波高阶统计量的图像来源取证方法。方法利用生成途径对图像性质的影响和数理统计方法,通过对比不同来源的数字图像的生成途径对它们各自性质的影响,从图像的多尺度分析角度,研究不同来源的图像在变换域所呈现的独有特性,提取数字图像小波域的高阶统计特征,以此判断图像的来源。结果实验结果表明,针对计算机软件、数码相机和扫描仪这3类图像的平均测试正确率达到了97.9%。结论该方法在确定图像来源上有较高的效率和准确率。

matlab代码影响小波块阈值去噪 该存储库包含MATLAB脚本和示例地震数据，用于应用以下算法中提出的去噪算法： Mousavi SM, and CA Langston (2016). Hybrid Seismic denoising Using Higher Order Statistics and Improved Wavelet Block Thresholding, Bulletin of the Seismological Society of America,106 (4), 1380-1393,doi:10.1785/0120150345 BibTeX： @article{mousavi2016hybrid, title={Hybrid seismic denoising using higher-order statistics and improved wavelet block thresholding}, author={Mousavi, S Mostafa and Langston, Charles A}, journal={Bulletin of the S

R语言分组计算描述性统计量 在上一篇博客中介绍了如何计算数据整体的描述性统计量，点击查看。这里将注重介绍如何分组计算描述性统计量，介绍两个函数：aggregate()、dexcribe.by() 1、aggregate 这个函数的功能比较强大，它首先将数据进行分组（按行），然后对每一组数据进行函数统计，最后把结果组合成一个比较合适的表格返回。根据数据对象不同它有三种用法，分别应用于数据框（data.frame）、公式（formula）和时间序列（ts）。 aggregate(x, by, FUN, ..., simplify = TRUE) aggregate(formula, data, F

R= ALLSTATS(A) 返回一个结构体 R，其中包含向量 A 的多个统计信息。可以在可选向量中给出分组因子。 在这种情况下，所有统计数据都将按组计算。 计算的统计数据（作为 R 的字段返回）是： R.min=最小值R.max= 最大值R.mean=平均值R.std=标准偏差R.mode=模式R.q2p5= 2.5 个百分位R.q5= 5 个百分位R.q25= 25 个百分位R.q50= 50 个百分位（中位数） R.q75= 75 个百分位R.q95= 95 个百分位R.q97p5= 97.5 个百分位R.kurt=峰度R.skew=偏度 ％ 例子。 没有群组x=randint(10,1); R = 所有统计数据（x） ％ 例子。 2组g= [1;1;1;1;1;2;2;2;2;2]; R= allstats(x,g)