الأسي الحركة من المتوسط - عدم انتظام - السلاسل الزمنية

المتوسطات المتحركة الأسية لسلسلة الوقت غير النظامية. في تحليل السلاسل الزمنية غالبا ما تكون هناك حاجة لتلطيف الوظائف التي تتفاعل بسرعة مع التغييرات في الإشارة في التطبيق النموذجي، قد تكون معالجة إشارة الدخل في الوقت الحقيقي، وتريد أن حساب مثل هذه الأشياء كما في المتوسط ​​قيمة الأخيرة، أو الحصول على منحدر لحظي لذلك ولكن إشارات العالم الحقيقي غالبا ما تكون صاخبة وهناك عدد قليل من عينات صاخبة جعل القيمة الحالية للإشارة، أو منحدر لها، تختلف على نطاق واسع. المتوسطات المتحركة. أبسط وظيفة تمهيد هو نافذة المتوسط ​​المتحرك كما تأتي العينات في تأخذ متوسط ​​القيم N الأخيرة وهذا سوف يزيل المسامير، ولكنه يقدم تأخير أو الكمون سوف يتأخر المتوسط ​​الخاص بك دائما عن طريق عرض المتوسط ​​المتحرك الخاص بك. المثال أعلاه مكلفة نسبيا لحساب لكل عينة لديك لتكرار على كامل حجم النافذة ولكن هناك طرق أرخص إبقاء مجموع جميع العينات في النافذة في المخزن المؤقت، وضبط المبلغ كما عينات جديدة كوم e. أي نوع آخر من المتوسط ​​المتحرك هو المتوسط ​​المتحرك المرجح أن الأوزان لكل موقف في نافذة العينة قبل حساب المتوسط، تضاعف كل عينة حسب وزن موضع النافذة هذا من الناحية الفنية يسمى هذا التلازم. وتطبق وظيفة ترجيح نموذجية واحدة منحنى الجرس إلى نافذة العينة هذا يعطي إشارة أكثر ضبطا إلى مركز النافذة، ولا تزال متسامحة إلى حد ما من العينات صاخبة في التحليل المالي كنت غالبا ما تستخدم وظيفة الترجيح الذي قيم العينات الأخيرة أكثر من ذلك، لإعطاء المتوسط ​​المتحرك الذي يتابع عن كثب عينات حديثة أعطيت عينات أقدم تدريجيا وزن أقل هذا يخفف إلى حد ما من آثار الكمون، في حين لا يزال يعطي تمهيد جيد معقول. مع المتوسط ​​المرجح، لديك دائما لتكرار على كامل حجم النافذة لكل عينة إلا إذا كنت يمكن أن تقيد الأوزان المسموح بها ل بعض الوظائف. المتوسط ​​المتحرك الأسي. أي نوع آخر من المتوسط ​​هو المتوسط ​​المتحرك الأسي، أو إما هذا غالبا سيد حيث الكمون أمر بالغ الأهمية، كما هو الحال في التحليل المالي في الوقت الحقيقي في هذا المتوسط، والأوزان تنخفض أضعافا مضاعفة يتم تقييم كل عينة بعض في المئة أصغر من العينة الأخيرة التالية مع هذا القيد يمكنك حساب المتوسط ​​المتحرك بكفاءة عالية. أين ألفا هو ثابت يصف كيف تخفف أوزان النافذة بمرور الوقت على سبيل المثال إذا كان كل عينة يجب أن تكون مرجحة عند 80 من قيمة العينة السابقة، سوف تقوم بتعيين ألفا 0 2 يصبح ألفا الأصغر كلما زاد المتوسط ​​المتحرك الخاص بك على سبيل المثال يصبح أكثر سلاسة، ولكن أقل رد الفعل لعينات جديدة. أوزان ل إما مع ألفا 0 20. كما ترون، لكل عينة جديدة تحتاج فقط لمتوسط ​​ذلك مع قيمة المتوسط ​​السابق لذلك الحساب سريع جدا جدا. في نظرية كل السابق تساهم العينات في المتوسط ​​الحالي، ولكن مساهمتها تصبح أضعافا أضعافا مضاعفة على مر الزمن. وهذه تقنية قوية جدا، وربما تكون الأفضل إذا كنت ترغب في الحصول على متوسط ​​متحرك يستجيب للعيوب كلي لعينات جديدة، لديه خصائص تمهيد جيدة وسريعة لحساب. الشفرة هو تافهة. إيما لوقت غير النظامية سلسلة. معيار إما على ما يرام عندما يتم أخذ عينات إشارة على فترات زمنية منتظمة ولكن ماذا لو العينات الخاصة بك تأتي على فترات غير منتظمة. تخيل إشارة مستمرة والتي يتم أخذ عينات منها على فترات غير منتظمة هذا هو الوضع المعتاد في التحليل المالي من الناحية النظرية هناك وظيفة مستمرة لقيمة أي أداة مالية، ولكن يمكنك فقط عينة هذه الإشارة كلما شخص ما فعلا ينفذ التجارة حتى تيار البيانات الخاصة بك ويتكون من قيمة، بالإضافة إلى الوقت الذي لوحظ. طريقة واحدة للتعامل مع هذا هو تحويل إشارة غير منتظمة إلى إشارة منتظمة، عن طريق الاستيفاء بين الملاحظات، وإعادة أخذ ولكن هذا يفقد البيانات، وأنه يعيد الكمون. فمن الممكن لحساب إما لسلسلة زمنية غير منتظمة مباشرة. في هذه الوظيفة، يمكنك تمرير في العينة الحالية من الإشارة الخاصة بك، والعينة السابقة، ومقدار الوقت المنقضي بيتو إين اثنين، والقيمة السابقة التي تم إرجاعها من قبل هذه الدالة. لذلك كيف جيدا هذا العمل لتوضيح أنا ولدت موجة جيبية، ثم أخذ عينات منه على فترات غير منتظمة، وقدم حوالي 20 الضوضاء وهذا هو إشارة سوف تختلف عشوائيا - 20 من إشارة جيبية حقيقية الأصلي. كما يفعل غير المنتظم المتوسط ​​المتحرك الأسي استرداد إشارة. الخط الأحمر هو موجة جيبية الأصلية عينات على فترات غير منتظمة الخط الأزرق هو إشارة مع الضوضاء المضافة الخط الأزرق هو إشارة الوحيدة ترى إما الخط الأخضر هو إمدا ممهدة يمكنك أن ترى أنه يتعافى إشارة بشكل جيد جدا متذبذب قليلا، ولكن ما يمكن أن تتوقعه من مثل هذا مصدر إشارة صاخبة. تم تحويله حوالي 15 إلى اليمين، لأن إما لا إدخال بعض الكمون وأكثر سلاسة كنت تريد ذلك، والمزيد من الكمون سترى ولكن من هذا يمكنك على سبيل المثال حساب منحدر لحظية لإشارة غير منتظمة صاخبة. ماذا يمكنك أن تفعل مع أن Hmm. I م محاولة لحفر بعض المقاييس التي تنظر في كيفية موثوق بها عملاء الاتصال بخدمة. البيانات الخام في شكل العميل A، وجاء حاليا على الانترنت في الوقت X اتصال غير موثوق بها للغاية، وأنا أريد نوعا من المتوسط ​​المتحرك لإظهار ما إذا كان الاتصال يتحسن أم لا مع مرور الوقت العملاء هي غير متصل دائما، لذلك ببساطة الذهاب حاليا لا يعني أنه سا خطأ. حتى الآن، وأنا أخذت ثم البيانات وتطبيق بعض الافتراضات للمساعدة في تبسيط ذلك، أفترض أنه إذا كان العميل يعيد في غضون دقيقة من قطع ثم هذا خطأ هذه أنا وضعت على غرار انفلاقات بسيطة، أي كان العميل A خطأ في الوقت X. الجزء الأول م تكافح مع هو كيفية تحويل هذه المؤامرة إلى المتوسط ​​المتحرك أنا م اللعب مع R إلى أزمة الأرقام. أعتقد أنه ينبغي أن تكون قادرة على القيام بذلك مع مرشح تمريرة منخفضة، أو استخدام حزمة حديقة الحيوان و رولمان ومع ذلك، أنا لا أعرف كيفية التعامل مع الحالات التي العميل ببساطة لا تريد أن تكون على الانترنت. أنا محاولة لحفر بعض المقاييس التي تنظر في كيفية موثوق بها العملاء الاتصال بخدمة. البيانات الخام في شكل العميل أ، جاء على الانترنت حاليا في الوقت X اتصال غير موثوق بها للغاية، وأريد نوعا من المتوسط ​​المتحرك لإظهار ما إذا كان الاتصال في تحسن أم لا مع مرور الوقت العملاء ليست دائما على اتصال، وذلك ببساطة دون اتصال لا يعني أنه خطأ . حتى الآن، أنا أخذت ثم البيانات وتطبيق بعض الافتراضات للمساعدة في تبسيط ذلك، وأنا أفترض أنه إذا كان العميل يعيد الاتصال في غضون دقيقة واحدة من قطع ثم وهذا خطأ هذه أنا وضعت على غرار انفجارات بسيطة، أي كان العميل A خطأ في الوقت X. الجزء الأول الذي يكافح مع هو كيفية تحويل هذه المؤامرة إلى المتوسط ​​المتحرك أنا م اللعب مع R إلى أزمة الأرقام. أعتقد أنني يجب أن تكون قادرة على القيام بذلك مع مرشح تمريرة منخفضة، أو استخدام حزمة حديقة الحيوان و رولمان ومع ذلك، أنا لا أعرف كيفية التعامل مع الحالات حيث العميل ببساطة لا تريد أن تكون على الانترنت.