状況.状況.

astropy.stats.circstd(data, axis=None, weights=None, method='angular')

ループデータ配列のループ標準偏差を計算する.

ここで実現した標準偏差は，与えられた定義に基づいている. [1], Rバッグ‘CirStat’と同じものを使用しています [2].

“角度”と“円形”の2つの方法を実現した。前者をsqrt(2)と定義する. * (1 - R)) and it is bounded in [0, 2* Pi).後者はsqrt(-2*ln(R))と定義され，その境界は [0，情報] それがそうです。

‘CircStat’の後、標準偏差を得るためのデフォルト方法は“角度”です。

パラメータ

data ：ndarrayまたは QuantityNdarrayまたは

円形(向き)データの配列は，いつでもアークで表されると仮定する. data はい。 numpy.ndarray それがそうです。数量であれば、無量でなければならない。

axis形が整っていて、オプションです

これに沿って円分散の軸を計算する.デフォルトの場合，展開平配列の分散を計算する.

weightsNumpy.ndarray、オプション

パケットデータの場合、i番目の要素 weights 各グループの重み係数を表します sum(weights, axis) 観察の回数に等しい。参照してください [3], 詳細な説明は22ページの備考1.4を参照されたい。

method文字列、オプション

標準偏差を推定する方法：

• ‘ANGLING’：角度偏差を取得する

• ‘Circle’：円形偏差を取得する

返品

circstdNdarrayまたは

角度や円形標準偏差。

参考文献

1

P.Berens。“ループ統計：ループ統計のためのMATLAB Toolkit”。“統計ソフトウェア雑誌”、第31巻、第10号、2009年。

2

トップページ--定期刊行物の主な分類--定期刊行物の詳細紹介--定期刊行物の題録とダイジェスト--ダイジェスト内容“”循環統計特別テーマ(2001)“中の循環統計”。2015年。<https：//crean.r-project.org/web/Packages/CircStats/CircStats.pdf>

3

書名/著者A.Sengupta.“循環統計特集”。“多次元分析シリーズ”、2001年第5巻。

実例.

>>> import numpy as np
>>> from astropy.stats import circstd
>>> from astropy import units as u
>>> data = np.array([51, 67, 40, 109, 31, 358])*u.deg
>>> circstd(data) 
<Quantity 0.57195022>

あるいは、“ループ”方法を使用する：

>>> import numpy as np
>>> from astropy.stats import circstd
>>> from astropy import units as u
>>> data = np.array([51, 67, 40, 109, 31, 358])*u.deg
>>> circstd(data, method='circular') 
<Quantity 0.59766999>