统计算法问题

1. 急急急急急急！ 算法实现题：统计数字问题（用c++写）

#include<fstream.h>
#include<iostream.h>
void main()
{
int n;
ifstream fin("Input.txt");
ofstream fout("Output.txt");
fin>>n;
for(int i=0;i<10;i++)
if(i<n%10)fout<<(n/10+1)<<endl;
else fout<<n/10<<endl;
fin.close();
fout.close();
}
//Input.txt
254
//Output.txt
26
26
26
26
25
25
25
25
25
25

2. 统计学中的柏拉图算法是什么

摘要 柏拉图在解决问题流程时提出，在完成鱼骨图分析及资料搜集后，要使用次数分布技术，区分“少数重点因素”和“大量微细因素”。

3. 如何高效处理大量数据的统计问题

你这个问题太笼统了，大量数据，究竟有多大？数据是什么类型的？要解决什么样的统计问题？针对每个具体问题都有不同的高效算法可以选择，不能一概而论的。当然这是你自己编程解决的情况，你也可以直接使用成熟的数据库系统或SPSS来解决很多统计问题

4. EXCEL的一些统计高级算法的问题

这个是可以用excel来分析的.

这个问题叫做多元线性回归,其实这种分析方法有很多假设前提条件的.若违反的话结果可能偏差很大,比如多重共线性,残差不随机,不正态等问题,呵呵,千万不要被这些术语吓着.
如果有兴趣可以看统计专业的书,若没兴趣可以当作假设条件成立.
这个问题完全可以使用excel进行分析.
具体方法如下:首先要打开这个功能,点菜单工具->加载宏.
如果不知道是哪个就所有的都打勾,这样你的工具菜单里就多了资料分析呀,规划求解呀之类的菜单.资料分析(简体的excel可能名字不一样)就是我们要用的功能.
将您要分析的资料按每列一个变量的方式填入excel,第一行可以是标题也可以没有.然后 工具->资料分析->回归->y的取值就将y列数据选中(用拉的就可以了).x数据就将所有的x数据拉入(注意每个变量一定要以每列一个变量的方式).第一行是标识的话就打勾,不是的话不用管,其它的基本也以不管,点击确定,就会多出一张工作表,这就是要的结果了.
包括截距呀,各个x变量的系数,p值,置信区间.
这个方程拟合的好坏,调整的 R 平方来表示,越大说明越好.
当然了excel只是比较初等的统计分析工具,若要再专业一点,可以使用minitab(也是很初等的一种),spss(较专业,适合大数人用),sas(很专业,基本使用编程完成,适合少部分专业人士用).

5. 大数据自上而下提升统计和算法的效率

大数据自上而下提升统计和算法的效率
我们在去开发这些计算体系时，不管是软件、计算，其实都是在谈大数据分析的概念性，什么时候出现问题，我们如何达到高准确度，这只是这个问题的开始。其实作为一个计算科学家，我们经常会遇到很多的问题，有些是统计学方面的问题，但是我们没有联合统计学家一起考虑和解决这些问题。
比如说这个结果的一致性，那么还有引导程序的理论，那么就像常规的引导程序一样，都会达到一些限值，从上至下的计算，统计学的利弊权衡，什么意思呢？我们对数据计算的理解，也就是说更多的数据需要更多的计算，更多的计算能力。我们如何来做？到底是并行处理？还是子样抽取等等。你给我更多的数据，我会更高兴，因为我能够获得更高的准确度，我的错误会更小，我会以更低的成本获得更正确的答案。对于统计学家来说这是好的，但是对于做计算的来说这个不大好，因为我们将这样思考这个问题。也就是说给我一些数据，那么我们有一个新的观念，叫做控制的算法弱化，比如说我的数据量不够，我可以快速的处理它。数据太多，我的处理速度会慢下来。从计算角度来说，控制的算法能够让我更快速的处理数据，也就是算法的弱化。统计学的角度来说，能够处理更多的数据，获得更好的统计学上的答案性能提高。尽管计算的预算成本不变，但是我们能够处理更多的数据，以更快的速度，我们付出的代价就是算法的弱化。
那么，这个坐标你们不经常看，横轴指我们取样的数量，纵轴代表的是运行时间。我们看一下到底有多少的错误。我们现在就要思考固定风险。比如说在我们错误率是0.01,这个座标的区域，对于统计学家来说，如果要固定风险的话，那么必须有一定数量的样品，才能够获得这样的结果。所以，这是一个叫做典型的预计理论，大家都非常了解。同样对于在计算机科学方面，我们有所谓的负载均衡的概念，不管你有多少个样本，但是你一定要有足够的运营时间，否则的话，你是无法解决这个问题的，这是非常明确的一点。
所以，我们看一下实际的算法。有一定的运行时间，有固定的风险，在右边使用的所有算法，把算法弱化，我们就可以处理更多的数据。下面我来谈一下，这就是我们所说的问题降噪，所谓降噪就是在数据方面有一些属于制造噪音的数据。我们如何做降噪？首先，我们假设可能的答案是X这样的一个分样，然后用高准确度覆盖它，所以这是一个推理预估的过程。比如说我要找到X的值，它和Y是非常相似的，这是一个自然的预估。现在X是一个非常复杂的值，我无法做，所以我要做一个凸形的值域，我要做定性，同时可以获得最优点，我需要把它放在一个可行的规模大小之内，那么也就是任何一个固定风险都是基于X的。左边是风险，我需要它的一半，这里存在复杂性，如果想知道更多的复杂性，你们可以看一些所谓理论处理方面的文献，你们可以读一下，来做这样均衡的曲线。
我们看一下相关的内容，如果你要达到一定的风险，你必须要有一定的取样点。这是一个C,也许这个C也是计算方面很难算出来的，所以我们需要做C子集的，把这个子集进行弱化，这样我们就可以更好的计算了。我们可以做分层的层级，我们称为池域，并且根据计算的复杂度进行排序的。同时，还有统计学的复杂性，然后进行一个权衡。你们可以从数学计算出这个曲线。在这里举个例子，比如说X,刚才已经有人介绍过子集是什么意思，然后你们可以定运行时间，还有取样的复杂性，然后可以算出答案。你们看一下简单的C,复杂的C,然后你们看一下运行的时间是在下降，复杂性是一个恒值，这样你的算法更简单，可以用于大数据，既不会不会增加风险，也可以在举证方面更加简化。如果是一个信号的图值，你的运行时间由PQ值决定，你们还有一个域值的话，我们会有一个恒定的取样，大家可以同时按照“列”计算，获得我们预期的准确度，而运行时间不变，大家可以自己看这些公式。
那么，这种分析我希望大家能够记住的是和这种理论计算科学，重点就是能够把准确度放到一个水平。因为我们要去关心有关质量方面、统计学方面的风险，计算科学方面的算法能够帮助我们解决比较大的问题，就是大数据带来的大问题。同时，我们还有很多的数据理论可以适用，我们不要从统计学简单的角度来考虑，而是从计算的角度考虑。
也许你们还要去学一些统计学方面的基本理论，当然如果你们是学统计学的话，你们也要参加计算机科学的课程。对于两门都学的人，你们应该把这两个学科放到一起思考，不是统计学家只考虑统计学，计算机科学家只考虑计算机方面，我们需要解决统计学方面的风险。因此，我们可以更好的处理十万个采样点，都不会遇到问题。

6. 求统计学计算题答案

移动平均法-什么是移动平均法?

移动平均法是用一组最近的实际数据值来预测未来一期或几期内公司产品的需求量、公司产能等的一种常用方法。移动平均法适用于即期预测。当产品需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动，是非常有用的。移动平均法根据预测时使用的各元素的权重不同

移动平均法是一种简单平滑预测技术，它的基本思想是：根据时间序列资料、逐项推移，依次计算包含一定项数的序时平均值，以反映长期趋势的方法。因此，当时间序列的数值由于受周期变动和随机波动的影响，起伏较大，不易显示出事件的发展趋势时，使用移动平均法可以消除这些因素的影响，显示出事件的发展方向与趋势（即趋势线），然后依趋势线分析预测序列的长期趋势。

移动平均法-移动平均法的种类

移动平均法可以分为：简单移动平均和加权移动平均。

一、简单移动平均法

简单移动平均的各元素的权重都相等。简单的移动平均的计算公式如下：Ft=(At-1+At-2+At-3+…+At-n)/n式中，

·Ft--对下一期的预测值；

·n--移动平均的时期个数；

·At-1--前期实际值；

·At-2,At-3和At-n分别表示前两期、前三期直至前n期的实际值。

二、加权移动平均法

加权移动平均给固定跨越期限内的每个变量值以相等的权重。其原理是：历史各期产品需求的数据信息对预测未来期内的需求量的作用是不一样的。除了以n为周期的周期性变化外，远离目标期的变量值的影响力相对较低，故应给予较低的权重。加权移动平均法的计算公式如下：

Ft=w1At-1+w2At-2+w3At-3+…+wnAt-n式中，

·w1--第t-1期实际销售额的权重；

·w2--第t-2期实际销售额的权重；

·wn--第t-n期实际销售额的权

·n--预测的时期数；w1+w2+…+wn=1

在运用加权平均法时，权重的选择是一个应该注意的问题。经验法和试算法是选择权重的最简单的方法。一般而言，最近期的数据最能预示未来的情况，因而权重应大些。例如，根据前一个月的利润和生产能力比起根据前几个月能更好的估测下个月的利润和生产能力。但是，如果数据时季节性的，则权重也应是季节性的。

移动平均法-移动平均法的优缺点

使用移动平均法进行预测能平滑掉需求的突然波动对预测结果的影响。但移动平均法运用时也存在着如下问题：

1、加大移动平均法的期数（即加大n值）会使平滑波动效果更好，但会使预测值对数据实际变动更不敏感；

2、移动平均值并不能总是很好地反映出趋势。由于是平均值，预测值总是停留在过去的水平上而无法预计会导致将来更高或更低的波动；

3、移动平均法要由大量的过去数据的记录。

------------------------------------------------

加权移动平均法-加权移动平均法概述

加权移动平均法就是根据同一个移动段内不同时间的数据对预测值的影响程度，分别给予不同的权数，然后再进行平均移动以预测未来值。

加权移动平均法不像简单移动平均法那样，在计算平均值时对移动期内的数据同等看待，而是根据愈是近期数据对预测值影响愈大这一特点，不同地对待移动期内的各个数据。对近期数据给予较大的权数，对较远的数据给予较小的权数，这样来弥补简单移动平均法的不足。

加权移动平均法-加权平均法的计算公式

加权平均法的计算公式如下：(见附图)

加权移动平均法

式中：

Yn+1——第n+1期加权平均值；

Yi——第i期实际值；

x_i——第i期的权数（权数的和等于1）；

n——本期数；

k——移动跨期；

用加权移动平均法求预测值，对近期的趋势反映较敏感，但如果一组数据有明显的季节性影响时，用加权移动平均法所得到的预测值可能会出现偏差。因此，有明显的季节性变化因素存在时，最好不要加权。

简单移动平均法-简单时间序列法的计算公式

简单时间序列法公式：

F(T+1)=(1/N)*∑X（I）

X（I）为时间序列的第I期的实际值

F(T+1)为预测值

N为平均的个数

T为预测的年份

注：时间序列周期数选3

例：1979、1980、1981年的销售额分别为2000、2100、2250，则1982年为（2000+2100+2250）/3

7. 主要统计指标的计算方法是什么

主要统计指标的计算方法是：
1、职工平均工资=报告期实际支付的全部职工工资总额/报告期全部职工平均人数。
2、城镇登记失业率=城镇登记失业人数÷[(城镇单位就业人员-使用的农村劳动力-聘用的离退休人员-聘用的港澳台及外方人员)+不在岗职工+城镇私营业主+城镇个体户主+城镇私营企业及个体就业人员+城镇登记失业人数]×100% ”
3、

8. 统计算法的算法基本思想：

用一个条件语句判断当前记录是否符合给定条件，符合则统计个数加一。用循环实现对所有记录的操作。

9. 问几个统计数据计算方法问题

1.假设2012年相比2011年增幅是10%，2013GDP增幅同比回落3.6个百分点，那么2013与2012相比，增幅就是6.4%。
2.比上年同期回落28.7个百分点，这个是增速下降，去年增速*（1-28.7%）=19.4%
3.降幅比去年同期扩100.7个百分点，去年同期降幅*（1+100.7%）=38.4%
4.去年利税下降*（1-73%）=15.1%