Перетворення даних на бажане середнє та стандартне відхилення

Я шукаю метод перетворення мого набору даних із його поточного середнього та стандартного відхилень до цільового середнього та цільового стандартного відхилення. В основному, я хочу зменшити / розширити дисперсію і масштабувати всі числа до середнього.

Не працює два окремі лінійні перетворення, одне для стандартного відхилення, а потім середнє. Який метод я повинен використовувати?

Чи можливо рішення можна застосувати до прикладу, коли точка 1.02 у наборі даних із SD .4 та середнім 0.88 перетворюється, коли я регулюю середній набір даних до 0,5, а SD - 0,1667? Яке нове значення точки?

data-transformation standard-deviation mean

— сиссіпанти
джерело

Якщо

, то

. Чи допомагає це?

Y = a X + b

$Y = aX + b$

E (Y) = a E (X) + b

$E(Y) = a E(X) + b$

V a r (Y) = a^{2} V a r (X)

$Var(Y) = a^2 Var(X)$

— окрам

@ocram, я думаю, що це відповідь (і хороша) ...

— Пітер Елліс

@PeterEllis: Дякую! Я дам йому відповідь тоді :-)

— окрам

@ocram Дякую за вашу відповідь, і я відчуваю, що це мені потрібно. Але ви могли б навести приклад розрахунку? Відверто кажучи, у мене дуже мало статистики. Я відредагую свій пост, щоб отримати докладнішу інформацію

— 1212

$\{x_i\}$ $m_1$ $s_1$ $m_2$ $s_2$

$\frac{s_2}{s_1}$ $m_1 \times \frac{s_2}{s_1}$ $s_2$

$m_2 - m_1 \times \frac{s_2}{s_1}$ $m_2$ $s_2$

$\{y_i\}$

y_{i} = m_{2} + (x_{i} - m_{1}) \times \frac{s_{2}}{s_{1}}

$y_i= m_2+ (x_i- m_1) \times \frac{s_2}{s_1}$

m_{2}

$m_2$

s_{2}

$s_2$

$0$

— Генрі
джерело

Дякую, чітке та корисне пояснення.

— asmgx