比较存在异常值时的标准偏差、平均绝对偏差和中位数绝对偏差的稳健性。

创建数据集x正态分布数据。创建另一个数据集xo的元素x还有一个异常值。

rng (“默认”）%用于再现性X = normrnd(0,1,1,50);Xo = [x 10];

计算两个数据集的标准差之比。

R1 = std(xo)/std(x)

R1 = 1.4633

计算两个数据集的平均绝对偏差之比。

R2 = mad(xo)/mad(x)

R2 = 1.1833

计算两个数据集的中位数绝对偏差之比。

R3 = mad(xo,1)/mad(x,1)

R3 = 1.0336

在这种情况下，与其他两个比例尺估计值相比，中位数绝对偏差受离群值的影响较小。

求一个数组中所有值的绝对偏差的平均值和中位数。

创建一个3 × 5 × 2的数组X并添加一个异常值。

X =重塑(1:30，[3 5 2]);X(6) = 100

X = X(:，:，1) = 14 7 10 13 25 8 11 14 3 100 9 12 15 X(:，:，2) = 16 19 22 25 28 17 20 23 26 29 18 21 24 27 30

求元素的绝对偏差的平均值和中位数X。

meandev = mad(X,0，“所有”）

Meandev = 10.1178

mediandev = mad(X,1，“所有”）

Mediandev = 7.5000

meandev是所有元素的平均绝对偏差吗X,mediandev所有元素的绝对偏差中位数在吗X。

求多维数组沿不同维度的绝对偏差中值。

为结果的重现性设置随机种子。

rng (“默认”）

创建一个1 × 3 × 2的随机数数组。

X = randn([1,3,2])

X = X (:: 1) = 0.5377 1.8339 -2.2588 X (:,: 2) = 0.8622 0.3188 -1.3077

求的绝对偏差中位数X沿着默认维度。

Y2 = mad(X,1)% Flag为中位数绝对偏差设置为1

y (:，:，1) = 1.2962 y (:，:，2) = 0.5434

默认情况下,疯了的第一个维度X它的大小不等于1。在这种情况下，这个维度是的第二个维度X。因此,Y2是一个1 × 1 × 2数组。

求的绝对偏差中位数X沿着第三维度。

Y3 = mad(X,1,3)

Y3 =1×30.1623 0.7576 0.4756

Y3是一个1 × 3矩阵。

求多个维度上的平均绝对偏差vecdim输入参数。

为结果的重现性设置随机种子。

rng (“默认”）

创建一个4 × 3 × 2的随机数数组。

X = randn([4 3 2])

X = X(:，:，1) = 0.5377 0.3188 3.5784 1.8339 -1.3077 2.7694 -2.2588 -0.4336 -1.3499 0.8622 0.3426 3.0349 X(:，:，2) = 0.7254 -0.1241 0.6715 -0.0631 1.4897 -1.2075 0.7147 1.4090 0.7172 -0.2050 1.4172 1.6302

求的每一页的平均绝对偏差X通过指定第一个和第二个维度。

ypage = mad(X,0，[1 2])

ypage = ypage (:: 1) = 1.4626 ypage (:,: 2) = 0.6652

例如,ypage (:: 2)是所有元素的平均绝对偏差吗X (:: 2)，等价于指定疯了(X(:,: 2), 0, '所有')。

求每个元素的平均绝对偏差X(:,我,:)通过指定第一个和第三个维度进行切片。

ycol = mad(X,0，[1 3])

ycol =1×30.8330 0.7872 1.5227

例如,ycol (3)是所有元素的平均绝对偏差吗X (: 3:)，等价于指定疯了(X(:, 3:), 0, '所有')。