MAD的中心距计算方法1以绝对偏差中位数中位数为基础，计算所有观测点的中位数(X)；2计算每个观测点与中位数的绝对偏差ABS(X-median(X))；计算2中绝对偏差值的中位数，即MAD = median(ABS(X-median(X)))；用2的值除以3的值，得到一组基于MAD的所有观测点中心的距离值abs(X-median(X))/MAD。摘要这是一种针对异常值的稳健距离值方法，它使用计算每个观察值与平均值之间的距离之和的方法。
基于标准差SD法基于MAD的中心距离计算法1.基于标准差Standard2Deviations, SD法a为一组数的平均数，b为这组数的标准差，则超出[a-2b, a 2b]范围的值即被认为离群值。总结这种方法不是特别的靠谱，因为离群值的出现可能反过来很大程度影响平均数和标准差，所以平均数或者标准差受离群值的制约而使得这个检测方法不靠谱。
2.基于绝对离差中位数Median Absolute Deviation, MAD的中心距离计算法1计算所有观察点的中位数median(X);2计算每个观察点与中位数的绝对偏差值abs(X-median(X));3计算2中的绝对偏差值的中位数，即MAD = median(abs(X - median(X)));4将2得到的值除以3的值，得到一组基于MAD的所有观察点的离中心的距离值abs(X - median(X))/MAD.总结这是一种稳健对抗离群数据的距离值方法，采用计算各观测值与平均值的距离总和的方法。
世界上有哪些代码量很少，但很牛很经典的算法或项目案例？
开方运算居然没用迭代，速度是编译器自带的sqrt的四倍，一切源于一个不知从哪里来的常数0x5f3759df，注意后来者写的what the fuckfloat Q_rsqrt( float number ){long i;float x2, y;const float threehalfs = 1.5F;x2 = number * 0.5F;y = number;i = * ( long * )
