如果 x 是向量，请找到 x 的单变量平滑中值。 如果 x 是矩阵，则计算每列的单变量平滑中值并在行向量中返回它们。 如果给出了可选参数 dim ，则沿此维度操作。 目前不支持多于二维的数组。
通过最小化以下目标函数来平滑中值：
S (p) = sum {(x(i) - p).^2 + (x(j) - p).^2} .^ 0.5 我 < j
以普通中位数作为 p 的初始值，该函数通过使用 Newton-Bisection 混合算法找到一阶导数的根来最小化目标函数。 默认情况下，一阶导数的容差 (Tol) 设置为单机精度。
平滑的工作原理是略微降低中位数的细分点。 使用平滑中位数的 Bootstrap 置信区间对总体分布的普通中位数具有良好的覆盖范围，并且可用于通过 Studentized bootstrap 和校准的百分位数 bootstrap 方法获得二阶准确区间 [1]。 这
