Quelle est la différence entre la moyenne mobile et la moyenne mobile pondérée? Une moyenne mobile de 5 périodes, basée sur les prix ci-dessus, serait calculée à l'aide de la formule suivante: Sur la base de l'équation ci-dessus, le prix moyen sur la période mentionnée ci-dessus était de 90,66. L'utilisation de moyennes mobiles est une méthode efficace pour éliminer les fortes fluctuations des prix. La principale limite est que les points de données des données plus anciennes ne sont pas pondérés différemment des points de données près du début de l'ensemble de données. C'est là que les moyennes mobiles pondérées entrent en jeu. Les moyennes pondérées attribuent une pondération plus lourde aux points de données plus actuels, car ils sont plus pertinents que les points de données dans le passé lointain. La somme de la pondération doit être égale à 1 (ou 100). Dans le cas de la moyenne mobile simple, les pondérations sont réparties de façon égale, ce qui explique qu'elles ne figurent pas dans le tableau ci-dessus. Prix de clôture de l'AAPLDans une série chronologique xi, je veux calculer une moyenne mobile pondérée avec une fenêtre de moyenne de N points, où les pondérations favorisent des valeurs plus récentes sur des valeurs plus anciennes. En choisissant les poids, j'utilise le fait familier qu'une série géométrique converge vers 1, c'est-à-dire somme (frac) k, pourvu que plusieurs termes soient pris. Pour obtenir un nombre discret de poids qui somme à l'unité, je prends simplement les N premiers termes de la série géométrique (frac) k, puis de normaliser par leur somme. Lorsque N4, par exemple, cela donne les poids non normalisés qui, après normalisation par leur somme, donnent La moyenne mobile est alors simplement la somme du produit des 4 valeurs les plus récentes par rapport à ces poids normalisés. Cette méthode se généralise de la manière évidente pour déplacer des fenêtres de longueur N, et semble aussi facile à calculer. Y at-il une raison de ne pas utiliser cette méthode simple pour calculer une moyenne mobile pondérée en utilisant des poids exponentiels je demande parce que l'entrée Wikipedia pour EWMA semble plus compliqué. Ce qui me fait me demander si la définition de manuels scolaires de EWMA peut-être certaines propriétés statistiques que la définition ci-dessus simple n'est pas Ou sont-ils en fait équivalent demandé Nov 28 12 at 23:53 Pour commencer, vous êtes en supposant 1) qu'il n'y a pas de valeurs inhabituelles 2) que la moyenne pondérée optimale a des poids qui tombent sur une courbe lisse descriptible par 1 coefficient 3) que la variance d'erreur est constante qu'il n'y a pas de série causale connue Pourquoi tout le hypothèses. Ndash IrishStat Oct 1 14 at 21:18 Ravi: Dans l'exemple donné, la somme des quatre premiers termes est 0.9375 0.06250.1250.250.5. Ainsi, les quatre premiers termes contiennent 93,8 du poids total (6,2 est dans la queue tronquée). Utilisez ceci pour obtenir des pondérations normalisées qui somment à l'unité par redimensionnement (division) par 0,9375. Cela donne 0,06667, 0,1333, 0,2667, 0,5333. Ndash Assad Ebrahim Oct 1 14 at 22:21 Ive a constaté que le calcul exponentiellement pondéré moyennes courantes en utilisant overline leftarrow overline alpha (x - overline), alphalt1 est une simple méthode à une ligne, qui est facilement, si approximativement, interprétables en termes de Un nombre effectif d'échantillons Nalpha (comparer cette forme à la forme pour calculer la moyenne courante), ne nécessite que la donnée courante (et la valeur moyenne actuelle) et est numériquement stable. Techniquement, cette approche incorpore toute l'histoire dans la moyenne. Les deux principaux avantages de l'utilisation de la fenêtre complète (par opposition à la troncée discutée dans la question) sont que dans certains cas, il peut faciliter la caractérisation analytique du filtrage, et il réduit les fluctuations induites si une très grande (ou petite) des données Valeur fait partie de l'ensemble de données. Par exemple, considérons le résultat du filtre si les données sont toutes zéro sauf pour un datum dont la valeur est 106. Réponse Nov 29 12 at 0:33
No comments:
Post a Comment