单调递增函数分段归一化及标准差计算方法咨询

你的思路完全没问题，具体可以按以下步骤一步步实现：

• 划分区间
  按照红色线条标记的分界点，把原始的(x,y)数据集拆成多个独立分段，每个分段对应一个区间内的所有数据点。

• 计算分段基准线的参数
  对每个分段，取首尾两个点的坐标(x₁,y₁)和(x₂,y₂)，算出基准线的斜率k = (y₂ - y₁)/(x₂ - x₁)，再算出截距b = y₁ - k*x₁，这样基准线的方程就是y = k*x + b。

• 计算数据点相对基准线的偏差
  对分段里的每个数据点(x_i,y_i)，直接算偏差值d_i = y_i - (k*x_i + b)。这一步其实就等价于把基准线旋转到水平后的波动值——没必要真的做坐标旋转，消除斜率影响后，这个偏差值就是你要的归一化波动的基础数据。

• 计算偏差的标准差
  针对每个分段的偏差集合{d_i}计算标准差，这个数值就是该分段经过斜坡归一化后的波动程度。

如果想要更精准的垂直距离（而非y方向的偏差），可以用点到直线的垂直距离公式：
d_i = |y_i - k*x_i - b| / sqrt(k² + 1)
不过要是你的x和y变量量级相近，直接用y方向偏差算标准差的结果已经能准确反映波动情况，而且计算起来更简单。

内容的提问来源于stack exchange，提问作者thentangler