เฉลี่ยเคลื่อนที่ วิกิพีเดีย

Simple Moving Average - SMA ค่าเฉลี่ยเคลื่อนที่เรียบง่าย - SMA ค่าเฉลี่ยเคลื่อนที่เฉลี่ยอยู่ที่สามารถคำนวณได้สำหรับช่วงเวลาต่างกันโดยการเพิ่มราคาปิดของการรักษาความปลอดภัยเป็นระยะ ๆ และ จากนั้นหารยอดรวมนี้ตามจำนวนรอบระยะเวลาซึ่งจะให้ราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาค่าเฉลี่ยเคลื่อนที่ที่เรียบช่วยขจัดความผันผวนและทำให้ง่ายต่อการดูแนวโน้มราคาของการรักษาความปลอดภัยหากค่าเฉลี่ยเคลื่อนที่ที่ถ่วงขึ้น ซึ่งหมายความว่าราคาของระบบรักษาความปลอดภัยจะเพิ่มขึ้นหากมีการชี้ลงหมายความว่าราคาของระบบรักษาความปลอดภัยลดลงระยะเวลาในการเคลื่อนที่ของค่าเฉลี่ยที่ยาวนานยิ่งขึ้นค่าเฉลี่ยเคลื่อนที่ที่เรียบขึ้นโดยเฉลี่ยค่าเฉลี่ยเคลื่อนที่ระยะสั้นมีความผันผวนมากขึ้น แต่ Significance. Moving เฉลี่ยเป็นเครื่องมือวิเคราะห์ที่สำคัญที่ใช้ในการระบุแนวโน้มราคาในปัจจุบันและศักยภาพในการเปลี่ยนแปลงใน Tre ที่จัดตั้งขึ้น nd รูปแบบที่ง่ายที่สุดในการใช้ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในการวิเคราะห์คือการใช้เพื่อระบุว่าการรักษาความปลอดภัยอยู่ในขาขึ้นหรือขาลงหรือไม่ง่ายอีกวิธีหนึ่งคือการเปรียบเทียบค่าเฉลี่ยเคลื่อนที่แบบง่ายๆกับแต่ละค่าที่ครอบคลุม time futures หากค่าเฉลี่ยเคลื่อนที่ระยะสั้นมีค่าสูงกว่าค่าเฉลี่ยระยะยาวคาดว่าแนวโน้มขาขึ้นจะเป็นไปตามที่คาดการณ์ในทางกลับกันค่าเฉลี่ยระยะยาวที่สูงกว่าค่าเฉลี่ยระยะสั้นจะส่งผลให้แนวโน้มการเคลื่อนไหวในรูปแบบการซื้อขายมีแนวโน้มลดลง สองรูปแบบการซื้อขายที่เป็นที่นิยมใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆคือเครื่องหมายการเสียชีวิตและเครื่องหมายกากบาทแบบกาชาดความตายจะเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ 50 วันที่ต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 200 วันซึ่งถือเป็นสัญญาณหยาบคายที่มีการขาดทุนเพิ่มขึ้น เครื่องหมายกากบาทสีทองเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ระยะสั้นสูงกว่าค่าเฉลี่ยเคลื่อนที่ในระยะยาวเสริมด้วยปริมาณการซื้อขายที่เพิ่มขึ้นซึ่งเป็นสัญญาณว่ากำไรจะเพิ่มขึ้นอย่างต่อเนื่อง Average Average - MA. BREAKING ค่าเฉลี่ยเคลื่อนย้ายต่ำ - MA. เป็นตัวอย่าง SMA พิจารณาการรักษาความปลอดภัยโดยมีราคาปิดดังต่อไปนี้เกินกว่า 15 วัน 1 สัปดาห์ 5 วัน 26,28,26,29,27.Week 3 5 วัน 28, 30, 27, 29, 28. MA - 10 วันเฉลี่ยจะออกจากราคาปิดสำหรับ 10 วันแรกเป็นจุดข้อมูลแรกจุดข้อมูลถัดไปจะลดราคาเร็วที่สุด, เพิ่มราคาใน วันที่ 11 และใช้ค่าเฉลี่ยและอื่น ๆ ตามที่แสดงด้านล่างดังที่ระบุไว้ก่อนหน้านี้ MAs ล่าช้าในการดำเนินการราคาปัจจุบันเพราะพวกเขาจะขึ้นอยู่กับราคาที่ผ่านมาอีกต่อไประยะเวลาสำหรับ MA ที่ยิ่งล่าช้าดังนั้น MA 200 วันจะ มีความล่าช้ากว่า MAA 20 วันมากเนื่องจากมีราคาสำหรับ 200 วันที่ผ่านมาความยาวของ MA ที่จะใช้ขึ้นอยู่กับวัตถุประสงค์การค้าโดยใช้ MA ที่สั้นกว่าสำหรับการซื้อขายระยะสั้นและ MAs ระยะยาว เหมาะสำหรับนักลงทุนระยะยาวนักลงทุนและผู้ประกอบการค้าปลีกมีการซื้อขายพันธบัตรระยะยาว 200 วันโดยมียอดขายต่ำกว่าและต่ำกว่าค่าเฉลี่ยเคลื่อนที่นี้ g signals. MAs ยังให้สัญญาณการซื้อขายที่สำคัญด้วยตัวเองหรือเมื่อค่าเฉลี่ยสองตัวขึ้นไปเหนือ MA ที่เพิ่มขึ้นแสดงให้เห็นว่าการรักษาความปลอดภัยอยู่ในขาขึ้นขณะที่ MA ที่หดตัวบ่งชี้ว่าอยู่ในขาลงเช่นเดียวกันโมเมนตัมที่เพิ่มขึ้นได้รับการยืนยันด้วยรั้น การครอสโอเวอร์ซึ่งเกิดขึ้นเมื่อ MA ระยะสั้นทะลุเหนือระดับ MA ในระยะยาวได้รับการยืนยันโดยการขึ้นเครื่องหมาย Crossover ซึ่งเกิดขึ้นเมื่อ MA ระยะสั้นทะลุต่ำกว่า MA. Movance ระยะยาวในสถิติค่าเฉลี่ยเคลื่อนที่ ที่เรียกว่ากลิ้งเฉลี่ยเฉลี่ยหมายถึงการเลื่อนหมายถึงการเลื่อนเฉลี่ยชั่วคราวหรือค่าเฉลี่ยในการทำงานคือตัวกรองการตอบสนองแบบ จำกัด ที่ใช้ในการวิเคราะห์ชุดของจุดข้อมูลโดยการสร้างชุดค่าเฉลี่ยของชุดข้อมูลย่อยต่างๆของชุดข้อมูลเต็มรูปแบบให้ตัวเลขและ ขนาดเซ็ตย่อยคงที่องค์ประกอบแรกของค่าเฉลี่ยเคลื่อนที่จะได้โดยการใช้ค่าเริ่มต้นของเซตย่อยคงที่เริ่มต้นของชุดตัวเลขชุดย่อยจะถูกแก้ไขโดยการขยับไปข้างหน้านั่นคือ exclu ding หมายเลขแรกของชุดและรวมถึงหมายเลขถัดไปตามเซตย่อยเดิมในชุดนี้จะสร้างชุดย่อยใหม่ของตัวเลขซึ่งเป็นค่าเฉลี่ยกระบวนการนี้จะถูกทำซ้ำในชุดข้อมูลทั้งหมดบรรทัด plot ที่เชื่อมต่อค่าคงที่ทั้งหมดจะเคลื่อนที่ เฉลี่ยค่าเฉลี่ยเคลื่อนที่คือชุดของตัวเลขแต่ละอันซึ่งเป็นค่าเฉลี่ยของเซตย่อยที่สอดคล้องกันของชุดค่าจุดที่มีขนาดใหญ่ค่าเฉลี่ยเคลื่อนที่อาจใช้น้ำหนักที่ไม่เท่ากันสำหรับค่าเลขฐานแต่ละค่าในชุดย่อยเพื่อเน้นค่าเฉพาะในเซ็ตย่อย ค่าเฉลี่ยเคลื่อนที่จะถูกใช้โดยทั่วไปกับข้อมูลชุดข้อมูลแบบเรียลไทม์เพื่อลดความผันผวนในระยะสั้นและเน้นแนวโน้มหรือรอบระยะยาวระยะเวลาระหว่างระยะสั้นและระยะยาวจะขึ้นอยู่กับการสมัครและจะกำหนดค่าพารามิเตอร์ของค่าเฉลี่ยเคลื่อนที่ ตัวอย่างเช่นมักใช้ในการวิเคราะห์ทางเทคนิคของข้อมูลทางการเงินเช่นการได้รับผลตอบแทนจากราคาหุ้นหรือปริมาณการซื้อขายนอกจากนี้ยังใช้ในทางเศรษฐศาสตร์เพื่อตรวจสอบผลิตภัณฑ์มวลรวมภายในประเทศเช่น mployment หรืออื่น ๆ macroeconomic time series คณิตศาสตร์ค่าเฉลี่ยเคลื่อนที่เป็นประเภทของ convolution ดังนั้นจึงสามารถมองได้ว่าเป็นตัวอย่างของ low-pass filter ที่ใช้ในการประมวลผลสัญญาณเมื่อใช้กับข้อมูลแบบ non-time series ค่าเฉลี่ยเคลื่อนที่จะกรองความถี่ที่สูงขึ้น คอมโพเนนต์โดยไม่มีการเชื่อมต่อที่เฉพาะเจาะจงกับเวลาแม้ว่าโดยทั่วไปชนิดของการสั่งซื้อบางอย่างโดยนัยดู simplistically สามารถถือเป็น smoothing ข้อมูล Movimple เฉลี่ยเฉลี่ยแก้ไขในโปรแกรมประยุกต์ทางการเงิน SMA เฉลี่ยเคลื่อนที่ง่ายเป็น unweighted เฉลี่ยของจุด n ก่อนหน้า อย่างไรก็ตามในด้านวิทยาศาสตร์และวิศวกรรมค่าเฉลี่ยจะถูกนำมาจากจำนวนข้อมูลที่เท่ากันทั้งสองด้านของค่ากลางซึ่งจะช่วยให้มั่นใจว่ารูปแบบต่างๆของค่าเฉลี่ยจะสอดคล้องกับรูปแบบของข้อมูลมากกว่าการเปลี่ยนแปลงในเวลาตัวอย่างง่ายๆ ราคาถัวเฉลี่ยถ่วงน้ำหนักที่เท่ากันสำหรับตัวอย่างราคาปิดของ n วันคือค่าเฉลี่ยของราคาปิดของ n วันก่อนหน้าหากราคาดังกล่าวมีสูตรเป็นแล้วเมื่อ ca lculating ค่าต่อเนื่องค่าใหม่เข้ามาในผลรวมและค่าเก่าที่ลดลงหมายความว่าผลรวมเต็มในแต่ละครั้งไม่จำเป็นสำหรับกรณีง่ายๆนี้ระยะเวลาที่เลือกขึ้นอยู่กับชนิดของการเคลื่อนไหวของดอกเบี้ยเช่นสั้นกลางหรือ ระยะยาวในแง่ทางการเงินระดับเฉลี่ยของการเคลื่อนที่สามารถตีความได้ว่าเป็นแรงสนับสนุนในตลาดที่เพิ่มสูงขึ้นหรือความต้านทานในตลาดที่ลดลงหากข้อมูลที่ใช้ไม่ได้อยู่ตรงกลางหมายถึงค่าเฉลี่ยเคลื่อนที่ที่ต่ำกว่าจุดฐานล่าสุดโดยครึ่งหนึ่งของตัวอย่าง ความกว้าง SMA สามารถได้รับอิทธิพลจากสัดส่วนของจุดข้อมูลเก่าที่ลดลงหรือข้อมูลใหม่ ๆ ที่มาในลักษณะหนึ่งของ SMA ก็คือถ้าข้อมูลมีความผันผวนเป็นระยะแล้วการใช้ SMA ในช่วงเวลาดังกล่าวจะทำให้รูปแบบนั้นมีค่าเฉลี่ยที่มีอยู่เสมอ วงจรสมบูรณ์ แต่วงจรปกติอย่างสมบูรณ์จะไม่ค่อยพบ 1 สำหรับการใช้งานจำนวนหนึ่งเป็นประโยชน์เพื่อหลีกเลี่ยงการขยับโดยใช้เฉพาะข้อมูลที่ผ่านมาดังนั้น movi กลาง ng โดยเฉลี่ยสามารถคำนวณได้โดยใช้ข้อมูลที่เว้นระยะเท่ากันทั้งสองด้านของจุดในซีรีส์ที่มีการคำนวณค่าเฉลี่ยซึ่งต้องใช้ตัวเลขจุดคี่ในหน้าต่างตัวอย่างการคำนวณค่าเฉลี่ยเคลื่อนที่ที่สะสม ในกระแสข้อมูลที่สั่งซื้อและนักสถิติต้องการรับค่าเฉลี่ยของข้อมูลทั้งหมดจนถึงจุดอ้างอิงในปัจจุบันตัวอย่างเช่นนักลงทุนอาจต้องการราคาเฉลี่ยของธุรกรรมสต็อกทั้งหมดสำหรับสต็อคเฉพาะจนถึงเวลาปัจจุบัน เมื่อแต่ละรายการใหม่เกิดขึ้นราคาเฉลี่ยในช่วงเวลาของธุรกรรมสามารถคำนวณได้สำหรับทุกรายการจนถึงจุดนั้นโดยใช้ค่าเฉลี่ยสะสมซึ่งโดยทั่วไปจะมีค่าเฉลี่ยถ่วงน้ำหนักตามลำดับของค่า i x xi จนถึงปัจจุบัน time วิธีเดรัจฉานบังคับในการคำนวณนี้จะเก็บข้อมูลทั้งหมดและคำนวณผลรวมและหารด้วยจำนวนจุดฐานข้อมูลทุกครั้งจุดใหม่มาถึงอย่างไรก็ตามเป็นไปได้ ible เพียงอัปเดตค่าเฉลี่ยสะสมเป็นค่าใหม่ xi 1 จะพร้อมใช้งานโดยใช้ formula. where สามารถนำไปได้เท่ากับ 0. เนื่องจากค่าสะสมปัจจุบันสำหรับจุดอ้างอิงใหม่เท่ากับค่าเฉลี่ยสะสมก่อนหน้านี้และค่าความแตกต่างระหว่าง จุดฐานล่าสุดและค่าเฉลี่ยก่อนหน้าหารด้วยจำนวนจุดที่ได้รับจนถึงขณะที่จุดข้อมูลทั้งหมดมาถึง I N ค่าเฉลี่ยสะสมจะเท่ากับค่าเฉลี่ยสุดท้ายค่าเฉลี่ยของสูตรสะสมจะใช้งานได้ง่ายและในทำนองเดียวกันสำหรับ i 1 จะเห็นได้ว่าการแก้สมการนี้สำหรับ CA i 1 ผลการคำนวณค่าเฉลี่ยถ่วงน้ำหนักค่าเฉลี่ยถ่วงน้ำหนักค่าเฉลี่ยใด ๆ ที่มีปัจจัยการคูณเพื่อให้น้ำหนักที่แตกต่างกันกับข้อมูลที่ตำแหน่งต่างๆในหน้าต่างตัวอย่างทางคณิตศาสตร์ค่าเฉลี่ยเคลื่อนที่ เป็น convolution ของจุดข้อมูลที่มีฟังก์ชั่นการถ่วงคงที่หนึ่งโปรแกรมจะลบ pixelisation จากภาพกราฟิกแบบดิจิตอลในการวิเคราะห์ทางเทคนิคของข้อมูลทางการเงิน, WMA น้ำหนักเฉลี่ยถ่วงน้ำหนักมีความหมายเฉพาะของน้ำหนักที่ลดลงในการก้าวหน้าทางคณิตศาสตร์ 2 ใน n วัน wMA วันล่าสุดมีน้ำหนัก n n n ล่าสุดที่สอง 1 เป็นต้นลงไปหนึ่งส่วนน้ำหนักถ่วงน้ำหนักถ่วงน้ำหนักเฉลี่ยตัวหารคือ ตัวเลขสามเหลี่ยมเท่ากับในกรณีทั่วไปมากขึ้นส่วนจะเป็นผลรวมของแต่ละน้ำหนักเมื่อคำนวณ WMA ข้ามค่าต่อเนื่องความแตกต่างระหว่าง numerators ของ WMA M 1 และ WMA M คือ np M 1 p M p M n 1 ถ้าเราแสดงถึงผลบวก p M p M n 1 โดย Total M กราฟที่ด้านขวาแสดงให้เห็นว่าน้ำหนักจะลดลงอย่างไรจากน้ำหนักที่มากที่สุดสำหรับจุดข้อมูลล่าสุดล่าสุดซึ่งลดลงเป็นศูนย์สามารถเปรียบเทียบกับน้ำหนักใน ซึ่งเป็นที่รู้จักกันทั่วไปว่าเป็นค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบ EWMA ซึ่งเป็นตัวบอกชนิดของตัวกรองการตอบสนองต่ออิมพัลส์ที่ใช้ปัจจัยการถ่วงน้ำหนักซึ่งลดจำนวนเชิงซ้อนน้ำหนัก ing สำหรับจุดเริ่มต้นที่เก่ากว่าลดลงชี้แจงไม่ถึงศูนย์กราฟที่ด้านขวาแสดงตัวอย่างของการลดน้ำหนัก EMA สำหรับชุด Y อาจคำนวณได้อย่างมีประสิทธิภาพค่าสัมประสิทธิ์เป็นระดับของการลดน้ำหนักที่เป็นปัจจัยการปรับความเรียบคงที่ระหว่าง 0 และ 1 ข้อสังเกตที่สูงกว่าการสังเกตที่เก่ากว่าได้เร็วขึ้นหรืออาจมีการแสดงออกมาในรูปของช่วงเวลา N โดยที่ 2 N 1 Script error Script error ข้อผิดพลาดตัวอย่างเช่นถ้า N 19 เท่ากับ 0 1 ครึ่งชีวิตของน้ำหนัก ช่วงเวลาที่น้ำหนักจะลดลง 2 เท่าโดยประมาณ N 2 8854 ภายใน 1 ถ้า N 5.Y t เป็นค่าในช่วงเวลา tS t คือค่าของ EMA ณ ช่วงเวลาใด ๆ tS 1 คือไม่ได้กำหนด S 1 อาจ จะเริ่มต้นได้หลายวิธีโดยทั่วไปโดยการตั้งค่า S 1 ถึง Y 1 แม้ว่าจะใช้เทคนิคอื่น ๆ เช่นการตั้ง S 1 เป็นค่าเฉลี่ยของการสังเกต 4 หรือ 5 ครั้งแรกจุดเด่นของ S เริ่มต้นในการสร้างผล ย้าย a verage ขึ้นอยู่กับค่าที่เล็กลงทำให้ทางเลือกของ S 1 มีความสำคัญมากกว่าค่าที่มีขนาดใหญ่เนื่องจากการสังเกตการณ์แก่ผู้มีอายุมากขึ้นเร็วขึ้นสูตรนี้เป็นไปตาม Hunter 1986 4 โดยการใช้สูตรนี้ซ้ำสำหรับเวลาที่ต่างกันเราสามารถเขียน S t เป็นผลรวมถ่วงน้ำหนักของจุดข้อมูล Y t as. for 0 0 เหมาะ, 1, 2 น้ำหนักของจุดข้อมูลทั่วไปคือวิธีอื่นโดย Roberts 1959 ใช้ Y t แทน Y t 1 5. สูตรนี้สามารถ แสดงให้เห็นว่า EMA ก้าวไปยังจุดอ้างอิงล่าสุด แต่เพียงส่วนต่างของความแตกต่างในแต่ละครั้งเท่านั้นการขยายผลลัพธ์แต่ละครั้งในชุดพลังงานดังต่อไปนี้แสดงให้เห็นว่าปัจจัยการถ่วงน้ำหนักในแต่ละส่วน จุดฐาน p 1 p 2 ฯลฯ ลดลง exponentially นี่คือผลรวมอนันต์กับการลดเงื่อนไขระยะเวลา N ใน EMA N วันเพียงระบุปัจจัย N ไม่ได้เป็นจุดหยุดสำหรับการคำนวณในลักษณะที่อยู่ใน SMA หรือ WMA สำหรับ suf อย่างมีนัยสำคัญ N จุดจุดแรกของ N ใน EMA แสดงถึง 86 ของน้ำหนักรวมในการคำนวณ 6.ie แบบง่าย 7 มีแนวโน้มที่จะการอภิปรายข้างต้นต้องใช้ความกระจ่างในการสรุปผลรวมของน้ำหนักของคำทั้งหมดเช่นจำนวนอนันต์ ของเทอมในค่าเฉลี่ยเคลื่อนที่ที่อธิบายได้คือ 1 ผลรวมของน้ำหนักของเทอมคือผลรวมทั้งสองแบบนี้สามารถหาได้โดยการใช้สูตรสำหรับผลรวมของชุดข้อมูลทางเรขาคณิตน้ำหนักที่ละเว้นจะถูกกำหนดโดยการลบค่านี้จาก 1 และคุณ นี่เป็นสูตรที่ระบุด้านล่างสำหรับน้ำหนักที่ละไว้โปรดทราบว่าไม่มีค่าที่ยอมรับได้ซึ่งควรเลือกสำหรับแม้ว่าจะมีค่าที่แนะนำบางอย่างขึ้นอยู่กับแอพพลิเคชันในการสนทนาข้างต้นเราได้เปลี่ยนค่าที่ใช้กันทั่วไปในสูตร สำหรับน้ำหนักของข้อกำหนดค่านี้มาจากการตั้งค่าอายุเฉลี่ยของข้อมูลจาก SMA เท่ากับอายุเฉลี่ยของข้อมูลจาก EWA และการแก้ปัญหาสำหรับอีกครั้งเป็นเพียงคำแนะนำเท่านั้นไม่ใช่ข้อกำหนด nt ถ้าคุณทำทดแทนนี้และคุณใช้ประโยชน์จาก 8 แล้วคุณจะได้ประมาณ 0 864 โดยสังหรณ์ใจสิ่งที่บอกให้เราทราบว่าน้ำหนักตามเงื่อนไขของค่าเฉลี่ยการเคลื่อนที่แบบเสี้ยวหนึ่ง ๆ จะแปรผันเป็น 0 864. สูตรพลังงานข้างต้น ให้ค่าเริ่มต้นสำหรับวันใดวันหนึ่งหลังจากที่สูตรต่อวันที่แสดงเป็นอันดับแรกสามารถนำไปใช้ได้คำถามว่าราคาย้อนกลับของค่าเริ่มต้นจะขึ้นอยู่กับอะไรบ้างในกรณีที่เลวร้ายที่สุดในข้อมูลค่าข้อมูลขนาดใหญ่ในข้อมูลเก่าจะส่งผลต่อ แม้ว่าจะมีการถ่วงน้ำหนักของพวกเขามีขนาดเล็กมากหากราคามีรูปแบบขนาดเล็กแล้วก็น้ำหนักที่สามารถพิจารณาน้ำหนักที่ละเว้นโดยการหยุดหลังจาก k เงื่อนไข is. out ของน้ำหนักรวมตัวอย่างเช่นจะมี 99 9 ของน้ำหนักชุด อัตราส่วนดังกล่าวข้างต้นเท่ากับ 0 1 และแก้ปัญหาสำหรับ k. terms ควรจะใช้เนื่องจากวิธีการที่เพิ่มขึ้น N, 9 นี้จะลดความยุ่งยากไปประมาณ 10. สำหรับตัวอย่างเช่น 99 9 น้ำหนักปรับปรุงค่าเฉลี่ยเคลื่อนที่เฉลี่ยแก้ไขค่าเฉลี่ยเคลื่อนที่เฉลี่ย MMA ทำงานเฉลี่ย RMA , หรือ smoot hed moving average หมายถึงในระยะสั้นนี่เป็นค่าเฉลี่ยเคลื่อนที่ที่อธิบายด้วยการประยุกต์ใช้ในการวัดประสิทธิภาพของคอมพิวเตอร์ Edit. Some การวัดสมรรถนะของคอมพิวเตอร์เช่นความยาวของกระบวนการโดยเฉลี่ยหรือการใช้ CPU โดยเฉลี่ยให้ใช้รูปแบบการเคลื่อนที่แบบเลขยกกำลัง ค่าเฉลี่ยที่นี่ถูกกำหนดให้เป็นหน้าที่ของเวลาระหว่างสองอ่านตัวอย่างของค่าสัมประสิทธิ์ให้น้ำหนักที่ใหญ่กว่าการอ่านปัจจุบันและน้ำหนักที่เล็กลงอ่านเก่าคือ ณ เวลาที่อ่าน tn จะแสดงในวินาทีและเป็นระยะเวลาของ เวลาในนาทีที่อ่านได้ว่าเฉลี่ยอายุเฉลี่ยของการอ่านแต่ละครั้งในค่าเฉลี่ยให้ความหมายข้างต้นของค่าเฉลี่ยเคลื่อนที่สามารถแสดงเป็นตัวอย่างเช่นค่าเฉลี่ย L 15 นาทีของความยาวคิวกระบวนการ วัดความแตกต่างของเวลาทุก 5 วินาทีเป็นเวลา 5 วินาทีคำนวณตามน้ำหนักอื่น ๆ แก้ไขระบบน้ำหนักอื่น ๆ ที่ใช้เป็นครั้งคราวเช่นในการซื้อขายหุ้นปริมาณการถ่วงน้ำหนักจะเป็นน้ำหนักในแต่ละช่วงเวลาใน p ปริมาณการถ่วงน้ำหนักที่ใช้โดย Actuaries คือค่าเฉลี่ยเคลื่อนที่เฉลี่ย 15 จุดของ Spencer ซึ่งเป็นค่ากลางเฉลี่ยที่เคลื่อนที่ได้ค่าสัมประสิทธิ์น้ำหนักสมมาตรคือ -3, -6, -5, 3, 21, 46, 67, 74 แต่ละฟังก์ชันที่มีน้ำหนักหรือเคอร์เนลมีลักษณะเฉพาะของตัวเองในด้านวิศวกรรมและวิทยาศาสตร์ความถี่และการตอบสนองของเฟส ของตัวกรองมักจะมีความสำคัญอย่างยิ่งในการทำความเข้าใจความผิดเพี้ยนที่ต้องการและไม่พึงประสงค์ที่ตัวกรองใดจะนำไปใช้กับข้อมูลหมายถึงไม่เพียงทำให้ข้อมูลเรียบขึ้นเท่านั้นค่าเฉลี่ยคือรูปแบบของตัวกรองความถี่ต่ำผลกระทบของตัวกรองที่ใช้ ควรจะเข้าใจเพื่อให้ทางเลือกที่เหมาะสมในประเด็นนี้ฝรั่งเศสรุ่นของบทความนี้กล่าวถึงผลสเปกตรัมของ 3 วิธีหมายถึงสะสมสะสมชี้แจง Gaussian. Moving มัธยฐาน Edit จากมุมมองสถิติค่าเฉลี่ยเคลื่อนที่, เมื่อใช้เพื่อประเมินค่า und แนวโน้มที่ลดลงในชุดข้อมูลในเวลานั้นมีความอ่อนไหวต่อเหตุการณ์ที่หาได้ยากเช่นการกระแทกอย่างรวดเร็วหรือความผิดปกติอื่น ๆ การคาดการณ์ที่มีเสถียรภาพมากขึ้นของค่ามัธยฐานคือค่ามัธยฐานที่เคลื่อนที่ได้ง่ายกว่า n จุดเวลาที่ค่ามัธยฐานถูกพบโดยตัวอย่างเช่นการจัดเรียงค่าภายใน วงเล็บและการหาค่าในกลางสำหรับค่าที่มีขนาดใหญ่ของ n ค่ามัธยฐานสามารถคำนวณได้อย่างมีประสิทธิภาพโดยการปรับปรุงแบบฟอร์ม skiplist 12Statistically เฉลี่ยเคลื่อนที่เป็นที่ดีที่สุดสำหรับการกู้คืนแนวโน้มพื้นฐานของชุดเวลาเมื่อความผันผวนเกี่ยวกับแนวโน้มเป็น กระจายปกติอย่างไรก็ตามการแจกแจงแบบปกติไม่ได้มีความเป็นไปได้สูงในการเบี่ยงเบนที่มีขนาดใหญ่มากจากแนวโน้มซึ่งอธิบายได้ว่าทำไมการเบี่ยงเบนดังกล่าวจะมีผลกระทบอย่างมากอย่างมากต่อการคาดการณ์แนวโน้มสามารถแสดงให้เห็นว่าถ้าความผันผวนถูกแทนที่ว่าจะเป็น Laplace กระจายไปแล้ว ค่ามัธยฐานของค่ามัธยฐานค่ามัธยฐานเป็นค่าเฉลี่ยทางสถิติ 13 สำหรับความแปรปรวนที่กำหนด n ไม่ปกติซึ่งจะอธิบายว่าทำไมมัธยฐานค่ามัธยฐานจะทนต่อแรงกระแทกได้ดีกว่าค่าเฉลี่ยที่เคลื่อนที่ได้เมื่อค่ามัธยฐานค่ามัธยฐานด้านบนเป็นศูนย์กลางการปรับให้เรียบเป็นเหมือนตัวกรองค่ามัธยฐานซึ่งมีการประยุกต์ใช้เช่นการประมวลผลสัญญาณภาพ แก้ไขบทความนี้มีรายการอ้างอิง แต่แหล่งที่มายังคงไม่ชัดเจนเนื่องจากมีการอ้างอิงแบบอินไลน์ไม่เพียงพอโปรดช่วยปรับปรุงบทความนี้ด้วยการแนะนำข้อมูลอ้างอิงที่ถูกต้องมากขึ้นกุมภาพันธ์ 2010 หมายเหตุและข้อมูลอ้างอิงแก้ไข การวิเคราะห์ทางสถิติ Ya-lun Chou, Holt International, 1975, ISBN 0-03-089422-0 ส่วนที่ 17 9. ข้อผิดพลาดของสคริปต์ NIST SEMATECH e-Bookbook ของวิธีการทางสถิติการทำให้เรียบแบบเรียบง่ายที่สถาบันมาตรฐานและเทคโนโลยีแห่งชาติ NIST SEMATECH e-Handbook ของวิธีการทางสถิติแผนภูมิการควบคุม EWMA ที่สถาบันมาตรฐานและเทคโนโลยีแห่งชาติ ตัวหารด้านซ้ายควรเป็นเอกภาพและเลขจะกลายเป็นชุดทางเรขาคณิตทางด้านขวา เนื่องจาก 1 x n n มีแนวโน้มที่จะ จำกัด e x สำหรับ n ใหญ่ ดูลิงก์ต่อไปนี้เพื่อเป็นหลักฐาน หมายถึง 0 และชุดเทย์เลอร์มีค่าเท่ากับ log e 0 001 2 -3 45. Spencer s 15- จุดย้ายเฉลี่ยจาก Wolfram MathWorld GR Arce การประมวลผลสัญญาณ Nonlinear วิธีการทางสถิติ Wiley New Jersey ประเทศสหรัฐอเมริกา 2005Ad Blocker interference detected. Wikia เป็นไซต์ฟรีที่ใช้งานได้ซึ่งสร้างรายได้จากการโฆษณาเรามีประสบการณ์ในการแก้ไขสำหรับผู้ชมโดยใช้ Ad Blockers. Wikia คือ ไม่สามารถเข้าถึงได้หากคุณทำการปรับเปลี่ยนเพิ่มเติมลบกฎของตัวป้องกันโฆษณาที่กำหนดเองออกและหน้าเว็บจะโหลดอย่างที่คาดไว้