sensorutils.stats
Note
可能ならpandasのgoupbyやrolling関数を用いたほうが良い
autocorrelation(data, k)
ラグがkの自己相関を求める．
時系列データ\(S = \{s_1, s_2, \dots, s_n\}\)に対して，ラグ\(k\)として
\[
\frac{\mathrm{Cov}[s_i, s_{i-k}]}{\sqrt{\mathrm{Var}[s_i]\mathrm{Var}[s_{i-k}]}}
\]
Parameters:
| Name | Type | Description | Default |
|---|---|---|---|
data |
ndarray |
一次元データ |
required |
k |
int |
ラグ |
required |
Returns:
| Type | Description |
|---|---|
ndarray |
ラグkの自己相関 |
correlation_rate(data)
相関比の計算を行う．
カテゴリ\(c\)におけるサンプル数\(N_c\)，平均値\(\mu_c\)，i番目の要素\(x_{ci}\)，また全てのカテゴリを含めた平均値\(\mu\)として，相関比は次式で計算される．
\[
\frac{\sum_C N_c (\mu_c - \mu)^2}{\sum_C \sum_i^{N_c} (x_{ci} - \mu_c)^2 + \sum_C N_c (\mu_c - \mu)^2}
\]
Parameters:
| Name | Type | Description | Default |
|---|---|---|---|
data |
dict |
key = category val = List[src,...] |
required |
Returns:
| Type | Description |
|---|---|
float |
相関比 |
cv(frame, axis=None)
変動係数の計算
Parameters:
| Name | Type | Description | Default |
|---|---|---|---|
frame |
ndarray |
計算対象のデータ |
required |
axis |
Optional[int] |
計算対象とする軸 |
None |
Returns:
| Type | Description |
|---|---|
float |
変動係数 |