Bewegende gemiddelde Hierdie voorbeeld leer jy hoe om die bewegende gemiddelde van 'n tydreeks in Excel te bereken. 'N bewegende avearge gebruik te stryk onreëlmatighede (pieke en dale) om maklik tendense herken. 1. In die eerste plek kan 'n blik op ons tyd reeks. 2. Klik op die blad Data, kliek Data-analise. Nota: cant vind die Data-analise knoppie Klik hier om die analise ToolPak add-in te laai. 3. Kies bewegende gemiddelde en klik op OK. 4. Klik op die insette Range boks en kies die reeks B2: M2. 5. Klik op die boks interval en tik 6. 6. Klik in die uitset Range boks en kies sel B3. 8. Teken 'n grafiek van hierdie waardes. Verduideliking: omdat ons die interval stel om 6, die bewegende gemiddelde is die gemiddeld van die vorige 5 datapunte en die huidige data punt. As gevolg hiervan, is pieke en dale stryk uit. Die grafiek toon 'n toenemende tendens. Excel kan nie bereken die bewegende gemiddelde vir die eerste 5 datapunte, want daar is nie genoeg vorige datapunte. 9. Herhaal stappe 2 tot 8 vir interval 2 en interval 4. Gevolgtrekking: Hoe groter die interval, hoe meer die pieke en dale is glad nie. Hoe kleiner die interval, hoe nader die bewegende gemiddeldes is om die werklike data punte. Hou jy van hierdie gratis webwerf Deel asseblief hierdie bladsy op Googleâs tydreeks is 'n reeks waarnemings wat bestel betyds (of ruimte). As waarnemings word gemaak op 'n verskynsel in die hele tyd, dit is die mees sinvolle om die data in die volgorde waarin hulle ontstaan het, veral omdat opeenvolgende waarnemings waarskynlik afhanklik sal wees vertoon. Tydreeks is die beste vertoon in 'n spreidiagram. Die reeks waarde X word op die vertikale as en tyd t op die horisontale as. Tyd staan bekend as die onafhanklike veranderlike (in hierdie geval egter iets waaroor jy min beheer). Daar is twee soorte tydreeksdata: Deurlopende, waar ons 'n waarneming op elke tydstip, bv leuenverklikkers, electrocardiografie. Ons dui hierdie behulp waarneming X op tydstip t, X (t). Diskrete, waar ons 'n waarneming by (gewoonlik gereeld) intervalle gespasieer. Ons dui dit as Xt. Voorbeelde Ekonomie - weeklikse aandeelpryse, maandelikse wins Meteorologie - daaglikse reënval, wind spoed, temperatuur Sosiologie - misdaadsyfers (aantal arrestasies, ens), indiensnemingsyfers Ons wil ons begrip van 'n tydreeks te verhoog deur die pluk uit sy belangrikste kenmerke. Een van hierdie belangrikste kenmerke is die tendens komponent. Beskrywende tegnieke kan uitgebrei word om te voorspel (voorspel) toekomstige waardes. Tendens is 'n langtermyn-beweging in 'n tydreeks. Dit is die onderliggende rigting ( 'n opwaartse of afwaartse neiging) en tempo van verandering in 'n tydreeks, wanneer toelae is gemaak vir die ander komponente. 'N eenvoudige manier om die opsporing tendens in seisoenale data is gemiddeldes te neem oor 'n sekere tydperk. As hierdie gemiddeldes verander met verloop van tyd kan ons sê dat daar is 'n bewys van 'n tendens in die reeks. Daar is ook meer formele toetse om opsporing van die tendens in staat te stel in die tyd reeks. Dit kan nuttig wees om tendens model met behulp van reguit lyne, polinome ens Ons wil ons begrip van 'n tydreeks te verhoog deur die pluk uit sy belangrikste kenmerke. Een van hierdie belangrikste kenmerke is die sikliese komponent. Beskrywende tegnieke kan uitgebrei word om te voorspel (voorspel) toekomstige waardes. In weeklikse of maandelikse data, die sikliese komponent beskryf enige gereelde skommelinge. Dit is 'n nie-seisoenale komponent wat wissel in 'n herkenbare siklus. Ons wil ons begrip van 'n tydreeks te verhoog deur die pluk uit sy belangrikste kenmerke. Een van hierdie belangrikste kenmerke is die seisoenale komponent. Beskrywende tegnieke kan uitgebrei word om te voorspel (voorspel) toekomstige waardes. In weeklikse of maandelikse data, die seisoenale komponent, dikwels na verwys as seisoenaliteit, is die komponent van variasie in 'n tydreeks wat afhanklik is van die tyd van die jaar. Dit beskryf 'n gereelde skommelinge met 'n tydperk van minder as een jaar. Byvoorbeeld, die koste van die verskillende tipes van vrugte en groente, werkloosheidsyfers en gemiddelde daaglikse reënval, gemerk al show seisoenale variasie. Ons is geïnteresseerd in die vergelyking van die seisoenale effekte binne die jare, van jaar tot jaar die verwydering van seisoenale effekte sodat die tydreeks is makliker om te hanteer en ook belangstel in die aanpassing van 'n reeks vir seisoenale effekte met behulp van verskeie modelle. Ons wil ons begrip van 'n tydreeks te verhoog deur die pluk uit sy belangrikste kenmerke. Een van hierdie belangrikste kenmerke is die onreëlmatige komponent (of geraas). Beskrywende tegnieke kan uitgebrei word om te voorspel (voorspel) toekomstige waardes. Die onreëlmatige komponent is dat oorbly wanneer die ander komponente van die reeks (tendens, seisoenale en sikliese) is verantwoordelik vir. Gladstrykingstegnieke gebruik word om onreëlmatighede (ewekansige skommelinge) in tydreeksdata te verminder. Hulle bied 'n beter oorsig van die ware onderliggende gedrag van die reeks. In 'n tyd reeks, seisoenale variasie is so sterk dit verberg enige tendense of siklusse wat baie belangrik is vir die verstaan van die proses wat waargeneem is. Glad kan seisoenaliteit te verwyder en maak lang termyn fluktuasies in die reeks uitstaan duideliker. Die mees algemene tipe glad tegniek bewegende gemiddelde glad hoewel ander bestaan nie. Sedert die tipe seisoen sal wissel van reeks reeks, so moet die tipe glad. Eksponensiële gladstryking is 'smoothing tegniek wat gebruik word om onreëlmatighede (ewekansige skommelinge) in tydreeksdata te verminder, om sodoende 'n beter oorsig van die ware onderliggende gedrag van die reeks. Dit bied ook 'n doeltreffende middel van die voorspelling van toekomstige waardes van die tyd reeks (vooruitskatting). 'N bewegende gemiddelde is 'n vorm van gemiddelde wat aangepas is om voorsiening te maak vir seisoenale of sikliese komponente van 'n tydreeks. Bewegende gemiddelde glad is 'smoothing tegniek gebruik om die lang tendense van 'n tydreeks termyn duideliker te maak. Wanneer 'n veranderlike, soos die aantal werkloses, of die koste van aarbeie, is weergegee teen tyd, is daar waarskynlik heelwat seisoenale of sikliese komponente in die variasie wees. Dit kan dit moeilik maak om die onderliggende tendens sien. Hierdie komponente kan uitgeskakel word deur die neem van 'n geskikte bewegende gemiddelde. Deur die vermindering van ewekansige skommelinge, bewegende gemiddelde glad maak langtermyn tendense duideliker. Running mediane glad is 'smoothing tegniek analoog aan dié wat vir bewegende gemiddeldes. Die doel van die tegniek is dieselfde, 'n tendens duideliker te maak deur die vermindering van die uitwerking van ander skommelinge. Breukmetodes is 'n gewilde en doeltreffende metode van die verwydering tendens van 'n tydreeks. Dit bied 'n beter oorsig van die ware onderliggende gedrag van die reeks. Outokorrelasie is die korrelasie (verhouding) tussen lede van 'n tydreeks van waarnemings, soos weeklikse aandeelpryse of rentekoerse, en dieselfde waardes op 'n vaste tyd interval later. Meer tegnies, outokorrelasie vind plaas wanneer oorblywende fout terme van waarnemings van dieselfde veranderlike op verskillende tye gekorreleer (verwante). Ekstrapolasie is wanneer die waarde van 'n veranderlike word geskat op keer wat nog nie waargeneem. Hierdie skatting kan redelik betroubaar vir kort tye in die toekoms, maar vir langer tye, die skatting is strafbaar met minder akkuraat wees. Voorbeeld Gestel Angela was 1.20m hoog op 1 Januarie 1975, en 1.40m lank op 1 Januarie 1976. Deur ekstrapolasie, kan dit beraam dat deur 1 Januarie 1977 sou sy 'n ander 0.20m gegroei te wees 1,60 m hoog. Dit veronderstel egter dat sy voortgegaan om te groei teen dieselfde tempo. Dit moet uiteindelik 'n valse aanname word, anders deur 1 Januarie 1980, sal sy 'n giantess. Smoothing data verwyder ewekansige variasie en programme tendense en sikliese komponente Inherent in die versameling van data geneem met verloop van tyd is 'n vorm van ewekansige variasie. Daar bestaan metodes vir die vermindering van van die kansellasie van die effek as gevolg van ewekansige variasie. 'N dikwels gebruikte tegniek in bedryf is glad. Hierdie tegniek, wanneer dit behoorlik toegepas word, blyk duidelik die onderliggende tendens, seisoenale en sikliese komponente. Daar is twee afsonderlike groepe glad metodes Berekening van gemiddelde metodes Eksponensiële Smoothing Metodes Neem gemiddeldes is die eenvoudigste manier om data te stryk Ons sal eers ondersoek sommige gemiddelde metodes, soos die eenvoudige gemiddeld van al die afgelope data. 'N Bestuurder van 'n pakhuis wil weet hoeveel 'n tipiese verskaffer lewer in 1000 dollar eenhede. Hy / sy neem 'n monster van 12 verskaffers, na willekeur, die verkryging van die volgende resultate: Die berekende gemiddelde of gemiddeld van die data 10. Die bestuurder besluit om dit te gebruik as die skatting vir uitgawes van 'n tipiese verskaffer. Is dit 'n goeie of slegte skat Gemiddelde kwadraat fout is 'n manier om te oordeel hoe goed 'n model is Ons sal bereken die gemiddelde kwadraat fout. Die fout ware bedrag wat minus die beraamde bedrag. Die fout vierkant is die fout hierbo, vierkantig. Die SSE is die som van die gekwadreerde foute. Die MSE is die gemiddeld van die kwadraat foute. MSE lei byvoorbeeld Die uitslae is: Fout en gekwadreerde foute Die raming 10 Die vraag ontstaan: kan ons gebruik maak van die gemiddelde inkomste voorspel as ons vermoed dat 'n tendens 'n blik op die grafiek hieronder toon duidelik dat ons nie dit sou doen. Gemiddeld weeg al verlede Waarnemings ewe In opsomming, ons verklaar dat die eenvoudige gemiddelde of gemiddeld van al verlede waarnemings is net 'n nuttige skatting vir vooruitskatting wanneer daar geen tendense. As daar tendense, gebruik verskillende skattings dat die tendens in ag neem. Die gemiddelde weeg al verlede Waarnemings ewe. Byvoorbeeld, die gemiddelde van die waardes 3, 4, 5 is 4. Ons weet natuurlik dat 'n gemiddelde word bereken deur die toevoeging van al die waardes en die som te deel deur die aantal waardes. Nog 'n manier van berekening van die gemiddelde is deur die byvoeging van elke waarde gedeel deur die aantal waardes, of 3/3 4/3 5/3 1 1,3333 1,6667 4. Die vermenigvuldiger 1/3 is die gewig genoem. In die algemeen: bar frac som links (frac regs) x1 links (frac regs) x2,. ,, Links (frac regs) xn. Die (links (frac regs)) is die gewigte en, natuurlik, hulle vat om 1.Moving gemiddeldes bewegende gemiddeldes Met konvensionele datastelle die gemiddelde waarde is dikwels die eerste, en een van die mees bruikbare, opsommingstatistiek te bereken. Wanneer data in die vorm van 'n tydreeks, die reeks beteken is 'n nuttige maatstaf, maar nie die dinamiese aard van die data weerspieël. Gemiddelde waardes bereken oor kortsluiting periodes, hetsy voor die huidige tydperk of gesentreer op die huidige tydperk, is dikwels meer nuttig. Omdat so 'n gemiddelde waardes sal wissel, of beweeg, soos die huidige tydperk beweeg van tyd t 2, t 3. ens staan hulle bekend as bewegende gemiddeldes (Mas). 'N Eenvoudige bewegende gemiddelde is (tipies) die ongeweegde gemiddelde van k voor waardes. 'N eksponensieel geweeg bewegende gemiddelde is in wese dieselfde as 'n eenvoudige bewegende gemiddelde, maar met bydraes tot die gemiddelde geweegde deur hul nabyheid aan die huidige tyd. Want daar is nie een nie, maar 'n hele reeks bewegende gemiddeldes vir enige gegewe reeks, die stel van Mas kan hulself getrek word op grafieke, ontleed as 'n reeks, en gebruik in die modellering en voorspelling. 'N verskeidenheid van modelle kan gebou word met behulp van bewegende gemiddeldes, en dit is bekend as MA modelle. As sulke modelle word gekombineer met outoregressiewe (AR) modelle die gevolglike saamgestelde modelle is bekend as ARMA of ARIMA modelle (die Ek is vir geïntegreerde). Eenvoudige bewegende gemiddeldes Sedert 'n tydreeks kan as 'n stel waardes beskou word,, t 1,2,3,4, N die gemiddeld van hierdie waardes kan bereken word. As ons aanvaar dat N is nogal groot, en ons kies 'n heelgetal k wat is veel kleiner as n. kan ons 'n stel van blok gemiddeldes, of eenvoudig bewegende gemiddeldes (van orde k) bereken: Elke maat verteenwoordig die gemiddelde van al die datawaardes oor 'n interval van k waarnemings. Let daarop dat die eerste moontlike MA van orde k gt0 is dat vir t k. Meer in die algemeen kan ons die ekstra onderskrif val in die uitdrukkings bo en skryf: Dit bepaal dat die geskatte gemiddelde op tydstip t is die eenvoudige gemiddelde van die waargeneem waarde op tydstip t en die voorafgaande k -1 tyd stappe. As gewigte word toegepas wat die bydrae van waarnemings wat verder weg in die tyd is verminder, is die bewegende gemiddelde gesê eksponensieel word stryk. Bewegende gemiddeldes word dikwels gebruik as 'n vorm van vooruitskatting, waardeur die beraamde waarde vir 'n reeks op tydstip t 1, S T1. geneem word as die MA vir die tydperk tot en met tyd t. bv vandag se skatting is gebaseer op 'n gemiddelde van vorige aangeteken waardes tot en met gister se (vir daaglikse data). Eenvoudige bewegende gemiddeldes kan gesien word as 'n vorm van gladstryking. In die onderstaande diagram getoon word byvoorbeeld het die lugbesoedeling dataset getoon in die inleiding tot hierdie onderwerp is aangevul deur 'n 7-daagse bewegende gemiddelde (MA) reël, hier in rooi. Soos gesien kan word, die MA lyn glad uit die pieke en trôe in die data en kan baie nuttig wees in die identifisering van tendense wees. Die standaard toekomsgerigte berekening formule beteken dat die eerste k -1 datapunte het geen MA waarde, maar daarna berekeninge uit te brei na die finale data punt in die reeks. PM10 daaglikse gemiddelde waardes, Greenwich bron: London Luggehalte Network, www. londonair. org. uk Een rede vir die berekening van eenvoudige bewegende gemiddeldes op die voorgeskrewe wyse, is dat dit in staat stel om waardes te bereken vir alle tydgleuwe van tyd tk tot op hede en as 'n nuwe meting verkry vir tyd t 1, die MA vir tyd t 1 kan die reeds bereken stel bygevoeg. Dit bied 'n eenvoudige prosedure vir 'n dinamiese datastelle. Daar is egter 'n paar probleme met hierdie benadering. Dit is redelik om te argumenteer dat die gemiddelde waarde van die afgelope 3 periodes, sê, moet geleë wees op tyd t -1, nie tyd t. en vir 'n MA oor 'n gelyke getal periodes miskien is dit moet geleë wees by die middelpunt tussen twee tyd intervalle. 'N oplossing vir hierdie probleem is om gesentreer MA berekeninge, waarin die MA op tydstip t is die gemiddeld van 'n simmetriese stel waardes rondom t gebruik. Ten spyte van die ooglopende meriete, is hierdie benadering nie oor die algemeen gebruik word, want dit vereis dat data is beskikbaar vir toekomstige gebeure, wat nie die geval mag wees. In gevalle waar analise is geheel en al van 'n bestaande reeks, kan die gebruik van gesentreer Mas beter wees. Eenvoudige bewegende gemiddeldes kan beskou word as 'n vorm van gladstryking, die verwydering van 'n paar hoë frekwensie komponente van 'n tydreeks en beklemtoon (maar nie die verwydering van) tendense in 'n soortgelyke wyse as die algemene opvatting van digitale filter. Inderdaad, bewegende gemiddeldes is 'n vorm van lineêre filter. Dit is moontlik om 'n bewegende gemiddelde berekening van toepassing op 'n reeks wat reeds stryk, dit wil sê glad of filter 'n reeds stryk reeks. Byvoorbeeld, met 'n bewegende gemiddelde van orde 2, ons kan dit beskou as synde bereken met behulp van gewigte, sodat die MA by x 2 0.5 x 1 0.5 x 2. Net so, die MA by x 3 0.5 x 2 0.5 x 3. As ons dien 'n tweede vlak van gladstryking of filter, ons het 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 dws die 2-stadium filter proses (of konvolusie) het 'n wisselvallig geweegde simmetriese bewegende gemiddelde, met gewigte vervaardig. Veelvuldige konvolusie kan ingewikkeld geweegde bewegende gemiddeldes, waarvan sommige is gevind veral gebruik in gespesialiseerde velde, soos in lewensversekering berekeninge te produseer. Bewegende gemiddeldes gebruik kan word om periodieke effekte verwyder indien bereken met die lengte van die periodisiteit as 'n bekende. Byvoorbeeld, met 'n maandelikse data seisoenale variasies dikwels verwyder kan word (indien dit die doel) deur toe te pas 'n simmetriese 12 maande bewegende gemiddelde met al maande gelyke gewigte, behalwe die eerste en laaste wat geweeg deur 1/2. Dit is omdat daar sal 13 maande in die simmetriese model (huidige tyd, t / -. 6 maande). Die totale is gedeel deur 12. Soortgelyke prosedures kan vir enige goed gedefinieerde periodisiteit word aangeneem. Eksponensieel geweeg bewegende gemiddeldes (EWMA) Met die eenvoudige bewegende gemiddelde formule: alle waarnemings is ewe geweegde. As ons noem hulle die gelyke gewigte, Alpha t. elk van die k gewigte sou gelyk 1 / k. sodat die som van die gewigte sal wees 1, en die formule sou wees: Ons het reeds gesien dat verskeie programme van hierdie proses lei tot die gewigte wissel. Met eksponensieel geweeg bewegende gemiddeldes die bydrae tot die gemiddelde waarde van waarnemings wat meer verwyder betyds beraadslaag verminder, en sodoende meer onlangse (plaaslike) gebeure beklemtoon. In wese 'n glad parameter, 0lt Alpha LT1, is bekend gestel, en die formule hersien om 'n simmetriese weergawe van hierdie formule van die vorm sal wees: As die gewigte in die simmetriese model is gekies as die terme van die bepalings van die binomiale uitbreiding, (1/21/2) 2S. hulle sal vat om 1, en as Q groot word, sal die normaalverdeling benader. Dit is 'n vorm van kern gewig, met die Binomiale optree as die kern funksie. Die twee stadium konvolusie in die vorige subartikel beskryf is juis hierdie reëling, met Q 1, opbrengs die gewigte. In eksponensiële gladstryking is dit nodig om 'n stel gewigte gebruik wat som tot 1 en wat verminder in grootte meetkundig. Die gewigte gebruik is tipies van die vorm: Om te wys dat hierdie gewigte op te som tot 1, oorweeg die uitbreiding van 1 / as 'n reeks. Ons kan skryf en die uitdrukking in hakies gebruik te maak van die binomiale formule (1- x) p brei. waar x (1-) en p -1, wat gee: Dit bied dan 'n vorm van geweegde bewegende gemiddelde van die vorm: Hierdie opsomming kan geskryf word as 'n herhaling verhouding: wat berekening grootliks vereenvoudig, en vermy die probleem wat die gewig regime moet streng oneindige wees vir die gewigte op te som tot 1 (vir klein waardes van alfa. hierdie is tipies nie die geval). Die notasie wat gebruik word deur verskillende skrywers wissel. Sommige gebruik die letter S aan te dui dat die formule is in wese 'n reëlmatige veranderlike, en skryf: terwyl die beheerteorie literatuur gebruik dikwels Z eerder as S vir die eksponensieel geweeg of glad waardes (sien, byvoorbeeld, Lucas en Saccucci, 1990, LUC1 , en die NIST webwerf vir meer besonderhede en uitgewerkte voorbeelde). Bogenoemde aangehaal formules uit die werk van Roberts (1959 ROB1), maar Hunter (1986, HUN1) gebruik 'n uitdrukking van die vorm: wat meer geskik is vir gebruik in 'n paar prosedures kan wees. Met alfa 1 die gemiddelde skatting is eenvoudig sy gemeet waarde (of die waarde van die vorige data-item). Met 0,5 die skatting is die eenvoudige bewegende gemiddelde van die huidige en vorige metings. In voorspellingsmodelle die waarde, S t. word dikwels gebruik as die skatting of voorspelling waarde vir die volgende tydperk, dit wil sê as die skatting vir x op tydstip t 1. So ons het: Dit dui aan dat die voorspelling waarde op tydstip t 1 is 'n kombinasie van die vorige eksponensieel geweeg bewegende gemiddelde plus 'n komponent wat die geweegde voorspelling fout, Epsilon verteenwoordig. op tyd t. Die aanvaarding van 'n tydreeks gegee en 'n voorspelling is nodig, word 'n waarde vir Alpha vereis. Dit kan geskat word van die bestaande data deur die evaluering van die som van 'n vierkant voorspelling foute te kry met wisselende waardes van Alpha vir elke T 2,3. die opstel van die eerste skatting van die eerste waargenome data waarde wees, x 1. In beheer aansoeke ter waarde van Alpha is belangrik in wat gebruik word in die bepaling van die boonste en onderste beheer perke, en raak die gemiddelde duur lank (ARL) verwag voor hierdie beheer perke is gebreek (onder die aanname dat die tyd reeks verteenwoordig 'n stel van ewekansige, identies verdeelde onafhanklike veranderlikes met 'n gemeenskaplike variansie). Onder hierdie omstandighede die variansie van die beheer statistiek: is (Lucas en Saccucci, 1990): beheer perke word gewoonlik gestel as vaste veelvoude van hierdie asimptotiese variansie, bv / - 3 keer die standaardafwyking. 1,134 en die proses sal een of ander perk in 500 bereik - As alfa 0,25, byvoorbeeld, en die data wat gemonitor word aangeneem dat 'n normale verspreiding, N (0,1) het, terwyl dit in beheer, die beheer perke sal / kan stappe op die gemiddelde. Lucas en Saccucci (1990 LUC1) lei die ARLs vir 'n wye verskeidenheid van alfa waardes en onder verskillende aannames met behulp van Markov Chain prosedures. Hulle tabuleer die resultate, insluitend die verskaffing van ARLs wanneer die gemiddelde van die beheerproses is verskuif deur sommige verskeie van die standaardafwyking. Byvoorbeeld, met 'n 0.5 verskuiwing met alfa 0,25 die ARL is minder as 50 keer stappe. Die hierbo beskryf benaderings staan bekend as een eksponensiële gladstryking. as die prosedures wat eenmaal aan die tydreeks toegepas en dan ontleed of beheer prosesse uit op die gevolglike stryk dataset gedra. As die dataset sluit 'n tendens en / of seisoenale komponente, twee - of drie-fase eksponensiële gladstryking kan hieronder toegedien word as 'n middel van die verwydering (uitdruklik modellering) hierdie effekte (sien verder, die afdeling oor vooruitskatting., En die NIST uitgewerkte voorbeeld ). CHA1 Chat Field C (1975) die ontleding van Times Reeks: teorie en praktyk. Chapman en Hall, Londen HUN1 Hunter J S (1986) Die eksponensieel geweeg bewegende gemiddelde. J van kwaliteit Tegnologie, 18, 203-210 LUC1 Lucas J M, Saccucci M S (1990) eksponensieel Geweegde Moving Gemiddelde beheer Skemas: Properties en verbeteringe. Technometrics, 32 (1), 1-12 ROB1 Roberts S W (1959) beheer Chart Toetse Op grond van Meetkundige bewegende gemiddeldes. Technometrics, 1, 239-250Preparing Tyd Reeks vir data-analise bruikbare tegnieke vir tydreekse oor hierdie werkblad: Wys die nodige stappe doen om voor te berei werklike wêreld eksperimentele data ontleed en illustreer die funksie wat in PTC Mathcad om optimaal te ontbloot inligtingsinhoud van 'n datastel van toepassing in die akademie, wetenskaplike navorsing, industriële proses, eksperimentele ontleding, en finansies stel bewegende gemiddeldes en detrending, saam met data insette tegnieke, PTC Mathcad in-line programme, 2D reeks erwe, en die gebruiker gedefinieerde funksies Dit PTC Mathcad werkblad wys jou hoe om voor te berei werklike wêreld eksperimentele data-analise met PTC Mathcad sagteware, en hoe om inligting inhoud in 'n datastel te ontbloot. Gemiddeldes en detrending is twee baie effektief tegnieke wat gebruik word om tydreeksdata te berei vir statistiese modellering en voorspelling aansoeke. Hierdie werkblad toon hoe jy 'n data lêer wat bestaan uit tydreeksdata in PTC Mathcad kan invoer. Sekere gebruiker gedefinieerde funksies is geskryf om die proses van die gebruik van hierdie data in erwe makliker te maak deur stroping ongewenste kop inligting. 'N bewegende gemiddelde filter uit te stryk data skommelinge, asook 'n meer komplekse geweeg bewegende gemiddelde benadering, met mekaar vergelyk in die werkblad. A detrending algoritme wat behels breukmetodes jou tye reeks word ook vertoon. Dit is 'n eenvoudige, maar doeltreffende instrument vir die verwydering van 'n tendens van die data wat gebruik word. Enige gevolglike voorspelling beteken dat daar minder vooroordeel in voorspellings gebaseer op die tydreeksdata moet wees. Hierdie werkvel met behulp van PTC Mathcad is kompleet met notasie, grafieke, data en oplossings om jou te help om te leer. Aflaai en verken hierdie werkkaart jouself Jy kan 'n gratis leeftyd afskrif van PTC Mathcad Express aflaai en kry 30 dae na volle funksionaliteit.
No comments:
Post a Comment