ค่าเฉลี่ยหมายถึงค่าเฉลี่ยมักเป็นอันดับแรกและเป็นหนึ่งในสถิติสรุปที่มีประโยชน์มากที่สุดในการคำนวณเมื่อข้อมูลอยู่ในรูปแบบของชุดเวลาชุดค่าเฉลี่ยเป็นตัววัดที่มีประโยชน์ แต่ไม่ได้ สะท้อนถึงลักษณะแบบไดนามิกของข้อมูลค่าเฉลี่ยที่คำนวณจากช่วงสั้น ๆ ทั้งก่อนช่วงปัจจุบันหรือกึ่งกลางในช่วงเวลาปัจจุบันมักมีประโยชน์มากกว่าเนื่องจากค่าเฉลี่ยดังกล่าวจะแปรผันหรือเคลื่อนย้ายเนื่องจากระยะเวลาปัจจุบันจะเปลี่ยนจากเวลา t 2, t 3 ฯลฯ พวกเขาเป็นที่รู้จักกันเป็นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย Mas เฉลี่ยเคลื่อนที่โดยปกติจะเป็นค่าเฉลี่ยที่ไม่ได้ถัวเฉลี่ยของ k ค่าก่อนค่าเฉลี่ยถ่วงน้ำหนักแบบชี้แจงเป็นหลักเช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย แต่มีส่วนร่วมกับค่าเฉลี่ยถ่วงน้ำหนักโดยความใกล้ชิดกับ เวลาปัจจุบันเพราะไม่มีใคร แต่เป็นชุดค่าเฉลี่ยเคลื่อนที่ของชุดค่าใดชุดหนึ่งของ Mas สามารถถูกวางแผนด้วยกราฟวิเคราะห์เป็นชุดและใช้ในการสร้างแบบจำลองและ forec asting ช่วงของโมเดลสามารถสร้างโดยใช้ค่าเฉลี่ยเคลื่อนที่และเป็นที่รู้จักกันในรูปแบบ MA หากโมเดลดังกล่าวรวมกับโมเดล AR แบบอัตถิภาวนารูปแบบคอมโพสิตที่เป็นที่รู้จักกันในรูปแบบ ARMA หรือ ARIMA ผมใช้สำหรับการคำนวณแบบรวม อนุกรมเวลาสามารถถือได้ว่าเป็นชุดของค่า, t 1,2,3,4, n ค่าเฉลี่ยของค่าเหล่านี้สามารถคำนวณถ้าเราสมมติว่า n มีขนาดใหญ่มากและเราเลือก k จำนวนเต็มซึ่งมีขนาดเล็กมาก กว่า n เราสามารถคำนวณชุดของค่าเฉลี่ยของบล็อกหรือค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายของคำสั่ง k. Each หมายถึงค่าเฉลี่ยของค่าข้อมูลในช่วงเวลาของการสังเกต k หมายเหตุว่า MA แรกที่เป็นไปได้ของ k 0 คำสั่งคือสำหรับ tk โดยทั่วไป เราสามารถปล่อย subscript พิเศษในนิพจน์ด้านบนและเขียนได้กล่าวว่าค่าเฉลี่ยที่ประมาณเวลา t เป็นค่าเฉลี่ยที่เรียบง่ายของค่าที่สังเกตได้ ณ เวลา t และ k-step time ก่อนหน้านี้ถ้าใช้น้ำหนักที่ลดการมีส่วนร่วมของ ข้อสังเกตที่มีอยู่ ไกลออกไปในเวลาที่ค่าเฉลี่ยเคลื่อนที่จะกล่าวว่าเรียบเรียงเป็นนัย Moving averages มักจะใช้เป็นรูปแบบของการคาดการณ์โดยที่ค่าประมาณสำหรับชุดที่เวลา t 1, S t 1 จะได้รับเป็น MA สำหรับระยะเวลาถึง และรวมถึงค่าเวลาของวันนี้ประมาณการของวันนี้ขึ้นอยู่กับค่าเฉลี่ยของค่าที่บันทึกไว้ก่อนหน้านี้ไปจนถึงวันที่เมื่อวานนี้สำหรับข้อมูลรายวันค่าเฉลี่ยเคลื่อนที่ที่เคลื่อนที่ได้โดยง่ายสามารถมองเห็นได้ว่าเป็นรูปแบบหนึ่งของการทำให้เรียบตัวอย่างด้านล่างแสดงข้อมูลมลพิษทางอากาศที่แสดงใน บทนำสู่หัวข้อนี้ได้รับการเพิ่มขึ้นโดยเส้นค่าเฉลี่ยเคลื่อนที่ 7 วันที่แสดงไว้ที่นี่เป็นสีแดงเมื่อมองเห็นได้เส้นแมสซาชูเซตส์จะทำให้จุดสูงสุดและส่วนล่างของข้อมูลเป็นไปอย่างราบรื่นและเป็นประโยชน์ในการระบุแนวโน้ม สูตรคำนวณหมายความว่าจุดข้อมูล k -1 แรกไม่มีค่า MA แต่หลังจากนั้นการคำนวณจะขยายไปยังจุดข้อมูลสุดท้ายในชุดค่าเฉลี่ยของวันละ P10 Greenwich. source London Air Quality Network เหตุผลหนึ่งที่ทำให้คอมพิวเตอร์เคลื่อนที่ได้ง่าย verages ในลักษณะที่อธิบายไว้คือมันช่วยให้ค่าที่จะคำนวณสำหรับทุกช่วงเวลาจาก tk เวลาถึงปัจจุบันและเป็นวัดใหม่ได้สำหรับเวลา t 1, MA สำหรับเวลา t 1 สามารถเพิ่มชุดแล้ว คำนวณมีขั้นตอนง่ายๆสำหรับชุดข้อมูลแบบไดนามิกอย่างไรก็ตามมีบางประเด็นเกี่ยวกับแนวทางนี้มีเหตุผลที่จะอ้างว่าค่าเฉลี่ยในช่วง 3 ช่วงสุดท้ายควรจะอยู่ที่เวลา t -1 ไม่ใช่เวลา t และสำหรับ a แมสซาชูเซตส์มากกว่าจำนวนรอบระยะเวลาบางทีมันควรจะอยู่ที่จุดกึ่งกลางระหว่างสองช่วงเวลาวิธีการแก้ปัญหานี้คือการใช้การคำนวณ MA ศูนย์กลางซึ่งในเวลาที่ t คือค่าเฉลี่ยของชุดสมมาตรของค่ารอบ แม้จะมีประโยชน์อย่างเห็นได้ชัด แต่วิธีนี้ไม่ได้ถูกใช้โดยทั่วไปเพราะว่าต้องการข้อมูลที่มีอยู่สำหรับเหตุการณ์ในอนาคตซึ่งอาจจะไม่ใช่กรณีในกรณีที่การวิเคราะห์เป็นไปอย่างสิ้นเชิงกับชุดข้อมูลที่มีอยู่การใช้ Mas ไว้ตรงกลางอาจเป็นที่ต้องการได้ง่ายขึ้น ค่าเฉลี่ยเคลื่อนที่ได้ ถือเป็นรูปแบบหนึ่งของการทำให้ราบรื่นถอดคอมโพเนนต์ความถี่สูงบางส่วนของชุดข้อมูลเป็นเวลาและเน้น แต่ไม่สามารถลบแนวโน้มในลักษณะที่คล้ายคลึงกับแนวคิดทั่วไปของการกรองแบบดิจิทัลแท้จริงการเคลื่อนที่โดยเฉลี่ยเป็นรูปแบบของตัวกรองเชิงเส้นคุณสามารถใช้ การคำนวณค่าเฉลี่ยเคลื่อนที่เป็นชุดที่ได้รับการปรับให้เรียบขึ้นแล้วเช่นการปรับให้เรียบหรือกรองชุดที่เรียบขึ้นไปแล้วตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่ของคำสั่งที่ 2 เราสามารถคำนวณว่าคำนวณโดยใช้น้ำหนักดังนั้น MA ที่ x 2 0 5 x 1 0 5 x 2 ในทำนองเดียวกัน MA ที่ x 3 0 5 x 2 0 5 x 3 ถ้าเราใช้ระดับที่สองของการเรียบหรือกรองเรามี 0 5 x 2 0 5 x 3 0 5 0 5 x 1 0 5 x 2 0 5 0 5 x 2 0 5 x 3 0 25 x 1 0 5 x 2 0 25 x 3 เช่นขั้นตอนการกรอง 2 ขั้นตอนหรือการชักนำมีการผลิตค่าเฉลี่ยเคลื่อนที่แบบสมมาตรที่แปรผันตามน้ำหนักด้วย Weight น้ำหนักหลาย convolutions สามารถสร้างการถ่วงน้ำหนักที่ค่อนข้างซับซ้อน moving average ซึ่งบางแห่งได้รับการค้นพบว่ามีการใช้เฉพาะในสาขาพิเศษเช่นในชีวิต i การคำนวณค่าใช้จ่าย nsurance. Moving ค่าเฉลี่ยสามารถนำมาใช้เพื่อลบผลกระทบเป็นระยะถ้าคำนวณด้วยความยาวของ periodicity เป็นที่รู้จักกันตัวอย่างเช่นมีข้อมูลรายเดือนตามฤดูกาลรูปแบบมักจะสามารถลบออกได้ถ้าเป็นวัตถุประสงค์โดยใช้สมมาตรค่าเฉลี่ยเคลื่อนที่ 12 เดือนกับ ทุกเดือนมีการถ่วงน้ำหนักอย่างเท่าเทียมกันยกเว้นกรณีแรกและครั้งสุดท้ายที่มีการถ่วงน้ำหนักโดย 1 2 เนื่องจากมีเวลาปัจจุบันประมาณ 13 เดือนในรูปแบบสมมาตร t - 6 เดือนรวมเป็น 12 หมายถึงค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนัก EWMA ถัวเฉลี่ยถ่วงน้ำหนักเคลื่อนที่เฉลี่ยสังเกตการณ์ถ่วงน้ำหนักเท่ากันหากเราเรียกว่าน้ำหนักเท่ากันเหล่านี้แต่ละน้ำหนัก k จะเท่ากับ 1 k ดังนั้นผลรวมของน้ำหนักจะเป็น 1 และ สูตรจะเป็นเราได้เห็นแล้วว่าการใช้งานหลายของกระบวนการนี้ส่งผลให้น้ำหนักที่แตกต่างกันกับการย้ายถัวเฉลี่ยถ่วงน้ำหนักชี้แจงผลงานให้ค่าเฉลี่ยจากการสังเกตว่า จะถูกลบออกมากขึ้นในเวลาจะพิจารณาลดลงจึงเน้นเหตุการณ์ในท้องถิ่นมากขึ้นโดยอัตโนมัติเป็นหลักพารามิเตอร์ราบเรียบ 0 1 ถูกนำมาใช้และสูตรการแก้ไขไปเป็นรุ่นสมมาตรของสูตรนี้จะมีรูปแบบถ้าน้ำหนักในสมมาตร รูปแบบจะถูกเลือกเป็นเงื่อนไขของข้อกำหนดของการขยายตัวแบบทวินาม, 1 2 1 2 2q พวกเขาจะรวมถึง 1 และเป็น q กลายเป็นขนาดใหญ่จะประมาณการกระจายปกตินี้เป็นรูปแบบของการเคอร์เนลถ่วงด้วย Binomial ทำหน้าที่เป็น ฟังก์ชั่นของเคอร์เนลการแกว่งสองขั้นที่อธิบายไว้ในหมวดย่อยก่อนหน้านี้คือการจัดเรียงนี้อย่างแม่นยำด้วย q 1 การให้น้ำหนัก. ในการเรียบแบบเลขยกกำลังนั้นจำเป็นต้องใช้ชุดของน้ำหนักที่รวมกันเป็น 1 และลดขนาดทางเรขาคณิตน้ำหนักที่ใช้คือ โดยปกติจะมีรูปแบบเพื่อแสดงให้เห็นว่าน้ำหนักเหล่านี้รวมกันเป็น 1 พิจารณาการขยายตัวของ 1 เป็นชุดเราสามารถ write. and ขยายนิพจน์ในวงเล็บโดยใช้สูตรทวินาม 1- xp ที่ x 1- และ p -1 ซึ่งจะให้ . จากนั้นจะให้รูปแบบของค่าเฉลี่ยถ่วงน้ำหนักของแบบฟอร์มซึ่งผลรวมนี้สามารถเขียนเป็นความสัมพันธ์ที่เกิดซ้ำซึ่งช่วยลดความยุ่งยากในการคำนวณได้อย่างมากและหลีกเลี่ยงปัญหาที่ระบบการถ่วงน้ำหนักควรจะไม่มีที่สิ้นสุดสำหรับน้ำหนักที่จะรวมกันเป็น 1 สำหรับค่าเล็ก ๆ บางกรณีใช้สัญกรณ์ที่ใช้โดยผู้เขียนที่แตกต่างกันไปใช้บางตัวอักษร S เพื่อบ่งชี้ว่าสูตรนั้นเป็นตัวแปรที่ราบเรียบและเขียนในขณะที่ทฤษฎีวรรณคดีควบคุมมักใช้ Z แทนที่จะเป็น S เพื่อชี้แจงถ่วงน้ำหนักหรือเรียบ ค่าที่เห็นตัวอย่างเช่น Lucas and Saccucci, 1990, LUC1 และเว็บไซต์ NIST สำหรับรายละเอียดเพิ่มเติมและตัวอย่างการทำงานสูตรที่อ้างถึงข้างต้นมาจากผลงานของ Roberts 1959, ROB1 แต่ 1986 Hunter HUN1 ใช้การแสดงออกของแบบฟอร์ม ซึ่งอาจเหมาะสมกว่าสำหรับการใช้งานในขั้นตอนการควบคุมบางอย่างด้วย 1 การประมาณค่าเฉลี่ยเป็นเพียงค่าที่วัดได้หรือมูลค่าของข้อมูลก่อนหน้าด้วย 0 5 ค่าประมาณคือค่า m การประมาณค่าเฉลี่ยของการวัดในปัจจุบันและก่อนหน้านี้ในรูปแบบการคาดการณ์ค่า S t มักใช้เป็นประมาณการหรือค่าพยากรณ์ในช่วงเวลาต่อไปนั่นคือค่าประมาณสำหรับ x เวลา t 1 ดังนั้นเราจึงมีข้อมูลดังกล่าวแสดงให้เห็นว่าการคาดการณ์ ค่าในเวลา t 1 คือค่าเฉลี่ยเคลื่อนที่ที่รวมอยู่ในค่าเฉลี่ยถ่วงน้ำหนักที่อธิบายด้วยเลขยกกำลังก่อนหน้าพร้อมกับส่วนประกอบที่แสดงถึงข้อผิดพลาดในการคาดการณ์ที่ถ่วงน้ำหนัก ณ เวลา t. สมมติว่าชุดข้อมูลเวลาจะได้รับและต้องมีการคาดการณ์ค่าสำหรับจะต้องซึ่งสามารถประมาณได้ จากข้อมูลที่มีอยู่โดยการประเมินผลรวมของข้อผิดพลาดในการทำนายกำลังสองได้ด้วยค่าที่แตกต่างกันสำหรับแต่ละที 2,3 ที่กำหนดค่าประมาณแรกเป็นค่าข้อมูลที่สังเกตได้ครั้งแรก x 1 ในการใช้งานการควบคุมค่าที่มีความสำคัญในการใช้งาน ในการกำหนดขีด จำกัด การควบคุมด้านบนและด้านล่างและมีผลต่อความยาวเฉลี่ยที่ ARL คาดว่าจะได้รับก่อนที่ขอบเขตการควบคุมเหล่านี้จะหักภายใต้สมมติฐานว่าชุดข้อมูลเวลาเป็นชุดแบบสุ่มแบบเดียวกัน ตัวแปรอิสระที่มีความแปรปรวนร่วมกันภายใต้สถานการณ์เช่นนี้ความแปรปรวนของสถิติการควบคุม Lucas และ Saccucci, 1990. ขีด จำกัด การควบคุมจะถูกตั้งค่าเป็นตัวแปรคงที่ของความแปรปรวนนี้ asymptotic เช่น - 3 ครั้งส่วนเบี่ยงเบนมาตรฐานถ้า 0 25, และข้อมูลที่ได้รับการตรวจสอบจะถือว่ามีการแจกแจงแบบปกติ N 0,1 เมื่ออยู่ในกลุ่มควบคุมขอบเขตการควบคุมจะเป็น 1 134 และกระบวนการนี้จะมีค่าหนึ่งหรือขีด จำกัด อื่น ๆ ใน 500 ขั้นโดยเฉลี่ย Lucas and Saccucci 1990 LUC1 ค่า ARL สำหรับช่วงกว้างของค่าและภายใต้สมมติฐานต่าง ๆ โดยใช้กระบวนการ Markov Chain จะจัดทำเป็นตารางผลลัพธ์รวมถึงการให้ ARLs เมื่อค่าเฉลี่ยของกระบวนการควบคุมได้รับการเปลี่ยนแปลงโดยหลายค่าเบี่ยงเบนมาตรฐานตัวอย่างเช่นเมื่อมีการเปลี่ยนแปลง 0 5 ด้วย 0 25 ARL มีระยะเวลาน้อยกว่า 50 ขั้นตอนวิธีการที่อธิบายไว้ข้างต้นเป็นที่รู้จักกันว่าการเรียบแบบเลขยกกำลังเดียวเป็นขั้นตอนที่ใช้ครั้งเดียวกับชุดข้อมูลเวลาแล้ววิเคราะห์หรือควบคุม pr ocesses ดำเนินการกับชุดข้อมูลที่ได้จากข้อมูลที่ราบรื่นหากชุดข้อมูลมีส่วนประกอบของเทรนด์และหรือตามฤดูกาลให้ใช้วิธีการลบแบบทวีคูณแบบสองขั้นตอนหรือสามขั้นตอนเพื่อใช้เป็นแนวทางในการลบแบบจำลองเหล่านี้อย่างชัดเจนให้ดูที่ส่วนการพยากรณ์ด้านล่างและ ตัวอย่างการทำงานของ NIST CHA1 Chatfield C 1975 การวิเคราะห์ทฤษฎีและการปฏิบัติของซีรีส์ครั้งแชปแมนและฮอลล์กรุงลอนดอน HUN1 Hunter J S 1986 ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนัก J ของ Quality Technology, 18, 203-210 LUC1 Lucas J M, Saccucci M S 1990 การควบคุมค่าเฉลี่ยแบบถ่วงน้ำหนักแบบถ่วงน้ำหนักแบบสมมาตรแบบแผนคุณสมบัติและการปรับปรุงด้านเทคนิค, 32 1, 1-12 ROB1 Roberts SW 1959 การควบคุมแผนภูมิการทดสอบขึ้นอยู่กับค่าเฉลี่ยการเคลื่อนที่ทางเรขาคณิต, 1, 239-250.Moving averages. If ข้อมูลนี้ถูกวางแผนไว้ในกราฟดูเหมือนว่านี้แสดงให้เห็นว่ามีความหลากหลายในจำนวนผู้เข้าชม ขึ้นอยู่กับฤดูกาลมีน้อยมากในฤดูใบไม้ร่วงและฤดูหนาวกว่าฤดูใบไม้ผลิและฤดูร้อนอย่างไรก็ตามหากเราต้องการดูแนวโน้มในจำนวนผู้เข้าชมเราสามารถคำนวณค่าเฉลี่ยเคลื่อนที่ 4 จุดเราทำเช่นนี้โดยการหาค่าเฉลี่ย จำนวนผู้เข้าชมในสี่ไตรมาสของปี 2548 จากนั้นเราพบจำนวนผู้เข้าชมโดยเฉลี่ยในช่วง 3 ไตรมาสสุดท้ายของปี 2548 และไตรมาสที่หนึ่งของปี 2549 จากนั้นในช่วง 2 ไตรมาสสุดท้ายของปี 2548 และ 2 ไตรมาสแรกของปี 2549 โปรดทราบว่า โดยเฉลี่ยที่เราสามารถหาได้คือช่วงสองไตรมาสสุดท้ายของปี 2006 และช่วงสองไตรมาสแรกของปี 2007. เราคำนวณค่าเฉลี่ยเคลื่อนที่บนกราฟเพื่อให้แน่ใจว่าแต่ละค่าเฉลี่ยถูกวางแผนไว้ที่จุดกึ่งกลางของสี่ส่วนที่ครอบคลุมซึ่งเราสามารถเห็นได้ มีแนวโน้มลดลงเล็กน้อย ค่าเฉลี่ยเคลื่อนที่ - MA. BREAKING DOWN ค่าเฉลี่ยเคลื่อนที่ - MA เป็นตัวอย่าง SMA พิจารณาการรักษาความปลอดภัยโดยมีราคาปิดดังต่อไปนี้เกินกว่า 15 วัน 1 สัปดาห์ 5 วัน 20, 22, 24, 25, 23.Week 2 5 วัน 26, 28, 26, 29, 27.Week 3 5 วัน 28, 30, 27, 29, 28. MA - 10 วันเฉลี่ยจะปิดราคาปิดสำหรับ 10 วันแรกเป็นจุดข้อมูลแรกจุดข้อมูลถัดไปจะ ลดราคาที่เก่าที่สุดเพิ่มราคาในวันที่ 11 และใช้ค่าเฉลี่ยและอื่น ๆ ตามที่แสดงไว้ด้านล่างตามที่ระบุไว้ก่อนหน้านี้ MAs ล่าช้าในการดำเนินการในราคาปัจจุบันเพราะพวกเขาจะขึ้นอยู่กับราคาที่ผ่านมาอีกต่อไประยะเวลาสำหรับ MA ที่มากขึ้น ความล่าช้าดังนั้นปริญญาโท 200 วันจะมีความล่าช้ามากกว่าหลักสูตรปริญญาโท 20 วันเนื่องจากมีราคาสำหรับ 200 วันที่ผ่านมาความยาวของ MA ที่จะใช้ขึ้นอยู่กับวัตถุประสงค์ทางการค้าโดยใช้ MAs สั้น ๆ ที่ใช้สั้น การซื้อขายระยะสั้นและระยะยาว MAs เหมาะสำหรับนักลงทุนระยะยาวนักลงทุนและผู้ค้าหุ้นมีการซื้อขายพันธบัตรในรูปแบบระยะยาว 200 วันโดยมีหุ้นอยู่เหนือและต่ำกว่าหุ้นที่มีการเคลื่อนไหวนี้ verage ถือเป็นสัญญาณการซื้อขายที่สำคัญนอกจากนี้สัญญาณการซื้อขายที่สำคัญยังช่วยให้สัญญาณการซื้อขายที่สำคัญของตัวเองหรือเมื่อสองค่าเฉลี่ยข้าม MA ที่เพิ่มขึ้นแสดงให้เห็นว่าการรักษาความปลอดภัยอยู่ในขาขึ้นในขณะที่ MA ลดลงบ่งชี้ว่ามันอยู่ในขาลงเช่นเดียวกับแรงผลักดันที่เพิ่มขึ้น ได้รับการยืนยันโดย Crossover รั้นซึ่งเกิดขึ้นเมื่อ MA ระยะสั้นทะลุเหนือระดับ MA Downward Moment ระยะยาวได้รับการยืนยันโดยการขึ้นเครื่องหมาย Crossover ซึ่งเกิดขึ้นเมื่อ MA ระยะสั้นทะลุต่ำกว่า MA ระยะยาว
No comments:
Post a Comment