在 mean() 函数中，trim 参数代表什么？

Question

我只是无法理解修剪的概念。 一开始我以为它是四舍五入的数字，但这没有意义。 谁能澄清一下修剪在这里做什么？

# The linkedin and facebook vectors have already been created for you
linkedin <- c(16, 9, 13, 5, 2, 17, 14)
facebook <- c(17, 7, 5, 16, 8, 13, 14)

# Calculate the mean of the sum
avg_sum <- mean(c(linkedin+facebook))

# Calculate the trimmed mean of the sum
avg_sum_trimmed <- mean(c(linkedin+facebook), trim = 0.2)

# Inspect both new variables
avg_sum
[1] 22.28571
avg_sum_trimmed
[1] 22.6

我正在放置两个均值函数，一个带有修剪参数，另一个没有。 欢迎任何关于如何澄清这个概念的评论。

Answer 1

根据?mean

修剪 - 在计算平均值之前要从 x 的每一端修剪的观察值的分数（0 到 0.5）。 超出该范围的修剪值将作为最近的端点。

如果我们使用向量“v1”

v1 <- c(linkedin + facebook)

length 7， sort值将是

v2 <- sort(v1)

从任一端删除 20% 的观察结果（ sort vector将大致是第一个和最后一个被删除的观察结果

mean(v2[-c(1, 7)])
#[1] 22.6

这等于

mean(v1, trim = 0.2)
#[1] 22.6

-用trim = 0.4

mean(v2[-c(1:2, 6:7)])
#[1] 22.33333
mean(v1, trim = 0.4)
#[1] 22.33333

Answer 2

您显示的代码看起来像是来自 Datacamp 的中级 R 的示例。 不幸的是，该课程没有进一步解释修剪后的含义以及何时应该实际使用它。 我也发现自己很困惑为什么我们应该使用它。 这是我发现的：

首先，修整均值是集中趋势的稳健估计量。 它的计算非常简单，因为您只需要 1) 在分布的每一侧删除预定数量的观测值，然后 2) 平均剩余的观测值。 通过这种方式，通过去除不对称分布每一侧的一些观察，对大部分观察的修剪平均估计相当好，并且其标准误差受异常值的影响较小（与“传统”均值相比） .

让我们看看您提供的 Datacamp 示例：

linkedin <- c(16, 9, 13, 5, 2, 17, 14)
facebook <- c(17, 7, 5, 16, 8, 13, 14)

如果你添加它们

link_and_fb <- linkedin+facebook

#You get
> link_and_fb
[1] 33 16 18 21 10 30 28

现在请记住，您想要一个 0.2 的修剪平均值。 在这样做之前，R 对你的向量进行排序

sorted <- sort(link_and_fb)
> sorted
[1] 10 16 18 21 28 30 33

鉴于您有 7 个观测值 (0.2*7 = 1.4)，您将从分布的每一侧删除 1.4 个观测值。 因此，您将去掉 10 和 33，然后将剩余观测值的总和除以 5

(16+18+21+28+30)/5 = 22.6

#Which is what you get with
mean(c(linkedin+facebook), trim = 0.2)
[1] 22.6