यदि आपके पास अलग-अलग मूल्य हैं और पुनरावृत्ति के बहुत सारे हैं तो आप मूल्यों और गणनाओं को स्टोर कर सकते हैं, जो कुछ जगह बचाएंगे।
गणना के माध्यम से संभवतः गणना के माध्यम से आप शीर्ष 'एन' और नीचे 'एन' मानों को त्याग सकते हैं, जब तक आप सुनिश्चित हों कि औसत उस शीर्ष या निचली सीमा में नहीं है।
उदा। मान लीजिए कि आप 100,000 मूल्यों की उम्मीद कर रहे हैं। हर बार जब आपका संग्रहित नंबर 12,000 (कहता है) 12,000 हो जाता है तो आप अधिकतम 1000 और निम्नतम 1000 को छोड़ सकते हैं, भंडारण को 10,000 तक छोड़ सकते हैं।
यदि मूल्यों का वितरण काफी सुसंगत है, तो यह अच्छी तरह से काम करेगा। हालांकि अगर कोई संभावना है कि आपको अंत में बहुत अधिक या बहुत कम मूल्य मिलेगा, तो यह आपके गणना को विकृत कर सकता है। असल में यदि आप "उच्च" मान को छोड़ देते हैं जो (अंतिम) औसत या "कम" मान से कम है जो (अंतिम) औसत से बराबर या उससे अधिक है तो आपकी गणना बंद है।
अद्यतन
एक उदाहरण के बिट
मान लें कि डेटा सेट संख्या 1,2,3,4,5,6,7,8,9 में है।
निरीक्षण द्वारा औसत 5 है।
मान लें कि आपको प्राप्त होने वाले पहले 5 नंबर 1,3,5,7,9 हैं।
अंतरिक्ष को बचाने के लिए हम उच्चतम और निम्नतम को छोड़कर, 3,5,7
छोड़कर अब दो और 2,6 प्राप्त करें, इसलिए हमारा संग्रहण 2,3,5,6,7
उच्चतम और निम्नतम छोड़कर छोड़ें 3,5,6
अंतिम दो 4,8 प्राप्त करें और हमारे पास 3,4,5,6,8
मेडियन अभी भी 5 है और दुनिया एक अच्छी जगह है।
हालांकि, कहते हैं की सुविधा देता है कि पहले पांच नंबर पर हम पाते हैं 1,2,3,4,5
त्यागें ऊपर और नीचे छोड़ने 2,3,4
दो और 6.7 प्राप्त हैं और हम 2 है, 3,4,6,7
शीर्ष और नीचे छोड़कर 3,4,6
पिछले दो 8,9 प्राप्त करें और हमारे पास 3,4,6,8,9
6 के औसत के साथ गलत है।
यदि हमारी संख्या अच्छी तरह से वितरित की जाती है, तो हम चरम सीमा को कम रख सकते हैं। अगर उन्हें बहुत बड़ी या बहुत छोटी संख्या में जोड़ा जा सकता है, तो छोड़ना खतरनाक है।
बहुत ही रोचक सवाल। यदि आपको केवल एक निश्चित परिशुद्धता के लिए औसत जानने की आवश्यकता है, और आप उम्मीद करते हैं कि नमूना वितरण नमूना समय पर नहीं बदलता है, तो आप अपने औसत के "99% आत्मविश्वास अंतराल" का अनुमान लगा सकते हैं, और केवल संख्याओं को स्टोर कर सकते हैं वह अंतराल (और आपके द्वारा छोड़े गए अंतराल के बाहर वाले लोगों का ट्रैक रखें)। जब एन बहुत बड़ा होता है तो यह अधिक कुशल होगा - लेकिन यह परिणाम की आपकी आवश्यक परिशुद्धता पर निर्भर करता है। – Floris