Eksponensiële bewegende gemiddelde vermiste data

'N Eenvoudige en algemene metode vir die invul van ontbrekende data, as jy loop van 'n volledige data het, is om Lineêre regressie gebruik. Sê jy 1000 lopies van 5 in 'n ry met geen ontbreek. Stel die 1000 x 1 vektor y en 1000 x 4 matriks X: Regressie sal jy 4 nommers A B C D wat 'n beste wedstryd gee vir jou 1000 rye data mdash verskillende data, anders A B C D gee. Dan gebruik jy hierdie A B C D om te skat (voorspel, interpoleer) ontbreek wt0. (Vir menslike gewigte, Id verwag ABCD aan almal rondom 04/01 wees.) (Daar is Honderde boeke en artikels oor regressie, op alle vlakke. Vir die verband met interpolasie, al is, ek weet nie van 'n goeie inleiding iemand) Ek 'n deurlopende waarde waarvoor id graag 'n eksponensiële bewegende gemiddelde te bereken. Normaalweg id gebruik net die standaard formule hiervoor: waar S n die nuwe gemiddelde, Alpha is die alfa, Y is die monster, en S N-1 is die vorige gemiddelde. Ongelukkig, as gevolg van verskeie kwessies Ek het nie 'n konsekwente monster tyd. Ek kan weet ek kan proe op die meeste, sê, een keer per millisekonde, maar as gevolg van faktore buite my beheer, kan ek nie in staat wees om 'n monster te neem vir 'n paar millisekondes op 'n slag. A waarskynlik meer algemeen geval, egter, is dat ek eenvoudig monster 'n bietjie vroeg of laat: in plaas van monsterneming by 0, 1 en 2 ms. Ek proe by 0, 0.9 en 2.1 Me. Ek het verwag dat, ongeag van vertragings, sal my monsterfrekwensie ver, ver bo die Nyquist limiet, en dus ek hoef nie bekommerd oor aliasing. Ek reken dat ek kan gaan met hierdie in 'n min of meer redelike wyse deur wisselende die alfa toepaslik, gebaseer op die lengte van die tyd sedert die laaste voorbeeld. Deel van my redenasie dat dit sal werk, is dat die EMO interpolates lineêr tussen die vorige data punt en die huidige een. As ons kyk na die berekening van 'n EMO van die volgende lys van monsters met tussenposes t: 0,1,2,3,4. Ons moet dieselfde resultaat te kry as wat ons gebruik interval 2t, waar die insette geword 0,2,4, reg As die EMO het aanvaar dat, by t 2 ter waarde het 2 sedert t 0. wat dieselfde is as die interval t berekening berekening op 0,2,2,4,4, wat sy nie doen sou wees. Of beteken dit sin maak glad Kan iemand my vertel hoe om wissel die alfa gepas Dui asseblief jou werk. Maw wys my die wiskunde wat bewys dat jou metode regtig doen die regte ding. gevra 21 Junie 09 by 13:05 Jy shouldn39t dieselfde EMO vir verskillende insette te kry. Dink aan EMO as 'n filter, monsterneming by 2t is gelykstaande aan af steekproefneming, en die filter gaan na 'n ander uitset gee. Dit vir my duidelik sedert 0,2,4 bevat hoër frekwensie komponente as 0,1,2,3,4. Tensy die vraag is, hoe kan ek die filter verander op die vlieg te maak dit dieselfde uitset gee. Dalk mis ek iets uitvoering Free Space 21 Junie 09 by 15:52 Maar die insette is nie verskillende, it39s net minder dikwels getoets. 0,2,4 met tussenposes 2t is soos 0, 2, 4 met tussenposes t, waar die blyk dat die monster geïgnoreer uitvoering maak Curt Sampson 21 Junie 09 om 23:45 Dit antwoord op grond van my goeie begrip van lae-pass filters (eksponensiële bewegende gemiddelde is regtig net 'n enkel-paal laagdeurlaatfilter), maar my vaag begrip van wat jy soek. Ek dink die volgende is wat jy wil hê: Eerstens, kan jy jou vergelyking 'n bietjie (lyk meer ingewikkeld, maar sy makliker in kode) te vereenvoudig. Im gaan Y gebruik vir produksie en X vir insette (in plaas van S vir uitvoer en Y vir insette, soos jy gedoen het). Tweedens, die waarde van alfa hier is gelyk aan 1-e - Deltat / TLU waar Deltat is die tyd tussen monsters, en TLU is die tydkonstante van die laaglaatfilter. Ek sê gelyke in aanhalingstekens, want dit werk goed wanneer Deltat / TLU is klein in vergelyking met 1, en alfa 1-e - Deltat / TLU asymp Deltat / TLU. (Maar nie te klein: youll loop in quantizing kwessies, en tensy jy terugval op 'n eksotiese tegnieke wat jy gewoonlik nodig om 'n ekstra N stukkies resolusie in jou toestand veranderlike S, waar N - Teken 2 (alfa).) Vir groter waardes van Deltat / TLU die filter effek begin om te verdwyn, totdat jy die punt waar Alpha is naby aan 1 en julle basies net die toeken van die insette om die uitset. Dit moet behoorlik werk met wisselende waardes van Deltat (die variasie van Deltat is nie baie belangrik solank Alpha is klein, anders sal jy hardloop in 'n paar eerder vreemd Nyquist kwessies / aliasing / ens), en as jy is besig om op 'n verwerker waar vermenigvuldiging is goedkoper as afdeling, of vaste punt kwessies is belangrik, precalculate omega 1 / TLU, en oorweeg probeer om die formule vir Alpha benader. As jy regtig wil weet hoe om die formule alfa 1-e - Deltat / TLU lei dan kyk sy differensiaalvergelyking bron: wat, wanneer X is 'n eenheid stap funksie, het die oplossing Y 1 - e t / TLU. Vir klein waardes van Deltat, kan die afgeleide benader word deur DeltaY / Deltat, opbrengs Y TLU DeltaY / Deltat X DeltaY (XY) (Deltat / TLU) alfa (XY) en die ekstrapolasie van alfa 1-e - Deltat / TLU kom uit probeer om aan te pas tot die gedrag met die eenheid stap funksie geval. Kan jy uitbrei oor die quottrying aan te pas om die behaviorquot deel ek verstaan ​​jou kontinue-tyd oplossing Y 1 - exp (-t47) en sy veralgemening 'n afgeskaal stap funksie met grootte x en aanvanklike toestand y (0). maar I39m nie sien hoe hierdie idees saam te stel om jou resultaat te bereik. uitvoering maak Rhys Ulerich 4 Mei 13 aan 22:34 Dit is nie 'n volledige antwoord nie, maar kan die begin van een. Sy sover ek het met hierdie in 'n uur of so van speel Im plaas dit as 'n voorbeeld van wat Im op soek na, en miskien 'n inspirasie vir ander werk aan die probleem. Ek begin met S 0. wat is die gemiddelde as gevolg van die vorige gemiddelde s -1 en die monster Y 0 geneem by t 0. (T 1 - t 0) is my voorbeeld interval en Alpha is ingestel op alles wat geskik is vir daardie monster interval en die tydperk waaroor ek wil gemiddeld. Ek het gesien hoe wat gebeur as ek die monster by t 1 mis en plaas moet klaarkom met die monster Y 2 geneem by t 2. Wel, kan ons begin deur die uitbreiding van die vergelyking om te sien wat sou gebeur het as ons Y 1 gehad het: Ek sien dat die reeks lyk oneindig verleng hierdie manier, want ons kan vervang die S N in die regterkant onbepaald: Ok , sodat sy nie regtig 'n polinoom (dom my), maar as ons die aanvanklike termyn vermenigvuldig met een, sien ons dan 'n patroon: Hm: sy 'n eksponensiële reeks. Quelle verrassing Verbeel uit te kom van die vergelyking vir 'n eksponensiële bewegende gemiddelde Dus in elk geval, ek het hierdie x 0 x 1 x 2 x 3. ding aan die gang, en Im seker Im ruik e of 'n natuurlike logaritme skop hier rond, maar ek kan nie onthou waar ek was op pad langs voordat ek tyd uitgehardloop het. Enige antwoord op hierdie vraag, of enige bewys van korrektheid van so 'n antwoord, hoogs afhanklik van die data jy meet. As jou monsters is geneem by t 0 0ms. t 1 0.9ms en t 2 2.1ms. maar jou keuse van Alpha is gebaseer op 1-me-intervalle, en dus wat jy wil 'n plaaslik aangepas Alpha N. die bewys van die korrektheid van die keuse sou beteken om te weet die monster waardes by t1ms en t2ms. Dit lei tot die vraag: Kan jy jou data interpoleer resonably om sane raaiskote oor wat tussenin waardes kon gewees het, of jy kan selfs interpoleer die gemiddelde self As nie een van hierdie is moontlik, dan is sover ek dit sien, die logiese keuse van 'n in-tussen waarde Y (t) is die mees onlangs bereken gemiddelde. maw Y (t) asymp S N waar n maxmial sodanig dat T N LTT. Hierdie keuse het 'n eenvoudige gevolg: Laat Alpha alleen, maak nie saak wat die tydsverskil was. As, Aan die ander kant, is dit moontlik om jou waardes interpoleer, dan sal dit jou averagable konstante-interval monsters gee. Laastens, as sy selfs moontlik om die gemiddelde self interpoleer, wat sou die vraag betekenisloos maak. antwoord 21 Junie 09 by 15:08 balpha 9830 25.8k 9679 9 9679 84 9679 115 Ek sou dink ek kan my data interpoleer: gegee dat I39m monsterneming dit op diskrete intervalle, I39m doen al so met 'n standaard EMO In elk geval, aanvaar dat ek nodig het 'n quotproofquot wat wys dit werk, asook 'n standaard EMO, wat ook sal 'n verkeerde gevolg produseer indien die waardes nie redelik vlot verander tussen monster tydperke. â € Curt Sampson 21 Junie 09 by 15:21 Maar that39s wat I39m gesê: As jy die EMO oorweeg 'n interpolasie van jou waardes, you39re gedoen as jy alfa laat soos dit is (omdat die inbring van die mees onlangse gemiddelde as Y die gemiddelde doesn39t verander) . As jy sê dat jy iets wat sowel quotworks as 'n standaard EMAquot nodig - what39s fout met die oorspronklike Tensy jy meer inligting oor die data you39re meet, sal 'n plaaslike aanpassings aan alfa op sy beste arbitrêre wees. â € balpha 9830 21 Junie 09 by 15:31 Ek sal die alfa waarde uitlos, en die ontbrekende data in te vul. Aangesien jy nie weet wat gebeur tydens die tyd wanneer jy monster kan nie, kan jy die monsters te vul met 0'e, of in besit wees van die vorige waarde stabiele en gebruik daardie waardes vir die EMO. Of 'n paar agtertoe interpolasie wanneer jy 'n nuwe monster, vul in die ontbrekende waardes, en recompute die EMO. Wat ek probeer by te kry is jy 'n inset xn wat gate het. Daar is geen manier om die waarheid te sê jy mis data te kry. Sodat jy kan 'n bevel in die hande nul gebruik, of sit dit aan nul, of 'n soort van interpolasie tussen xn en xnM. waar m die aantal vermiste monsters en N die begin van die gaping. Moontlik selfs met behulp van waardes voor n. antwoord 21 Junie 09 by 13:35 Van spandeer 'n uur of so mucking oor 'n bietjie met die wiskunde vir hierdie, ek dink dat net die verandering van die alfa eintlik die behoorlike interpolasie tussen die twee punte wat jy praat oor sal gee my nie, maar in 'n baie makliker manier. Verder dink ek dat wisselende die alfa sal ook properply hanteer monsters geneem tussen die standaard monsterneming tussenposes. Met ander woorde, I39m op soek na wat jy beskryf, maar probeer om wiskunde te gebruik om uit te vind die eenvoudige manier om dit te doen. â € Curt Sampson 21 Junie 09 by 14:07 Ek don39t dink daar is so 'n dier as quotproper interpolationquot. Jy don39t net weet wat gebeur het in die tyd wat jy is nie monsterneming. Goeie en slegte interpolasie impliseer 'n bietjie kennis van wat jy gemis het, omdat jy nodig het om te meet teen daardie om te oordeel of 'n interpolasie is goed of sleg. Alhoewel dit gesê, kan jy beperkings plaas, dit wil sê met 'n maksimum versnelling, spoed, ens Ek dink as jy nie weet hoe om die vermiste datamodel, dan sal jy net 'n model van die vermiste data, dan pas die EMO algoritme met geen verandering, eerder as die verandering van alfa. Net my 2c :) â € Free Space 21 Junie 09 by 14:17 Dit is presies wat ek besig was om te in my wysig om die vraag 15 minute gelede: quotYou eenvoudig don39t weet wat gebeur het in die tyd wat jy is nie steekproefneming, quot maar that39s ware selfs as jy proe aan elke aangewese interval. So my Nyquist nadenke: so lank as wat jy weet die golf vorm doesn39t verandering aanwysings meer as elke paar monsters, die werklike voorbeeld interval shouldn39t saak, en moet in staat wees om te wissel. Die EMO vergelyking lyk vir my presies te bereken asof die golfvorm lineêr verander van die laaste monster waarde tot die huidige een. â € Curt Sampson 21 Junie 09 by 14:26 Ek don39t dink dit is heeltemal waar nie. Nyquist39s stelling vereis vereis ten minste 2 voorbeelde per tydperk in staat wees om die sein uniek identifiseer. As jy don39t dit te doen, kry jy aliasing. Dit sou dieselfde wees as voorbeeld as FS1 vir 'n tyd, dan fs2, dan terug na FS1 wees, en jy aliasing in die data wanneer jy monster met fs2 as fs2 is onder die Nyquist limiet. Ek moet ook erken dat ek nie verstaan ​​wat jy bedoel met quotwaveform veranderinge lineêr van verlede monster huidige onequot. Kan jy asseblief verduidelik Cheers, Steve. â € Free Space 21 Junie 09 by 14:36 ​​Dit is soortgelyk aan 'n oop probleem op my todo lys. Ek het 'n skema uitgewerk tot 'n mate, maar het nie 'n wiskundige werk om hierdie voorstel nog terug. Dateer opsomming amp: wil graag die smoothing faktor (alfa) onafhanklik van die vergoeding faktor (wat ek verwys as beta hier) te hou. Jasons uitstekende antwoord hier reeds aanvaar werk baie goed vir my. As jy ook die tyd sedert die laaste monster geneem is (in afgeronde veelvoude van jou konstante monsterneming tyd - so 7,8 ms sedert verlede monster sal wees 8 eenhede) kan meet, kan dit gebruik word om die glad verskeie kere toe te pas. Pas die formule 8 keer in hierdie geval. Jy het effektief gemaak glad bevooroordeeld meer in die rigting van die huidige waarde. Om 'n beter glad te kry, moet ons die alfa aanpas, terwyl die toepassing van die formule 8 keer in die vorige geval. Wat sal hierdie smoothing benadering mis Dit het reeds gemis 7 monsters in die voorbeeld hierbo Dit is benader in stap 1 met 'n plat heraansoek van die huidige waarde 'n bykomende 7 keer as ons 'n benadering faktor beta wat aangewend sal word saam met alfa definieer (soos alphabeta in plaas van net alfa), sal ons die veronderstelling dat die 7 gemis monsters is glad verandering tussen die vorige en huidige monster waardes. antwoord 21 Junie 09 by 13:35 Ek het dink oor hierdie, maar 'n bietjie van mucking oor die wiskunde het my tot die punt waar ek glo dat, eerder as om die toepassing van die formule agt keer met die monster waarde, kan ek 'n berekening te doen van 'n nuwe alfa wat my sal toelaat om die formule een keer aansoek doen, en gee my dieselfde resultaat. Verder sou dit outomaties te gaan met die probleem van monsters verreken uit presiese voorbeeld keer. â € Curt Sampson 21 Junie 09 by 13:47 Die enkele aansoek in orde is. Wat ek is nie seker oor nog is hoe goed is die aanpassing van die 7 ontbrekende waardes. As die voortdurende beweging oor die 8 millisekondes maak die waarde beweging 'n baie, kan die benaderings nogal uit die werklikheid. Maar, dan as jy monsterneming by 1ms (hoogste resolusie uitgesluit die vertraagde monsters) het jy reeds die beweging uitgepluis binne 1ms is nie relevant. Is hierdie redenasie werk vir jou (ek is nog steeds probeer om myself te oortuig). â € nik 21 Junie 09 by 14:08 Reg. Dit is die faktor beta van my beskrywing. 'N beta faktor sal bereken word op grond van die verskil interval en die huidige en vorige monsters. Die nuwe Alpha sal wees (alphabeta), maar dit sal slegs gebruik word vir daardie monster. Terwyl jy blyk te wees 39moving39 die alfa in die formule, ek is geneig om die rigting van konstante alfa (glad faktor) en 'n onafhanklik bereken beta (a tuning faktor) wat vergoed vir monsters nou net gemis. â € nik 21 Junie 09 by 15: 23 Die voorbeeld kode op die blad Full Kode illustreer hoe om die bewegende gemiddelde van 'n veranderlike te bereken deur 'n hele datastel, oor die afgelope N waarnemings in 'n datastel, of oor die afgelope N waarnemings binne 'n BY-groep. Hierdie voorbeeld lêers en kode voorbeelde word verskaf deur SAS Institute Inc. soos sonder waarborge van enige aard, uitdruklik of geïmpliseer, insluitend maar nie beperk tot die geïmpliseerde waarborge van verhandelbaarheid en geskiktheid vir 'n spesifieke doel. Ontvangers erken en aanvaar dat SAS Institute nie aanspreeklik sal wees vir enige skadevergoeding hoegenaamd voortspruitend uit hul gebruik van hierdie materiaal. Daarbenewens sal SAS Institute geen ondersteuning vir die materiaal wat hierin vervat is voorsien. Hierdie voorbeeld lêers en kode voorbeelde word verskaf deur SAS Institute Inc. soos sonder waarborge van enige aard, uitdruklik of geïmpliseer, insluitend maar nie beperk tot die geïmpliseerde waarborge van verhandelbaarheid en geskiktheid vir 'n spesifieke doel. Ontvangers erken en aanvaar dat SAS Institute nie aanspreeklik sal wees vir enige skadevergoeding hoegenaamd voortspruitend uit hul gebruik van hierdie materiaal. Daarbenewens sal SAS Institute geen ondersteuning vir die materiaal wat hierin vervat is voorsien. Bereken die bewegende gemiddelde van 'n veranderlike deur 'n hele datastel, oor die afgelope N waarnemings in 'n datastel, of oor die afgelope N waarnemings binne 'n munisipale group. Were 'n uitdaging probeer om die 20 (handelsdae) sit Eksponensiële bewegende Gemiddeld (EMA) in ons data model in PowerPivot. Hier is die EMO formule en voorbeeld spreadsheet: stockcharts / skool / dokuidchartschool: technicalindicators: movingaverages Geplak die formule hier vir gerief: SMA (eenvoudige bewegende gemiddelde): 10 tydperk som / 10 Vermenigvuldiger: 2 / (Tydperk 43 1)) EMO: x vermenigvuldiger 43 EMO (vorige dag). Monster sigblad stockcharts / skool / data / media / chartschool / technicalindicatorsandoverlays / movingaverages / CS-movavg. xls In ons model van die feit tafel het hierdie kolomme: Simbool Datum Oop Hoog Laag Close Deel En in die kalender tafel weve geïdentifiseer die handelsdae (CalendarTradingDayNumber ) as 1, sodat ons kan hulle tel terug. Ons wil die EMO berekende veld in 'n spilpunt tafel soos hierdie Filter konteks: 'n datum gekies op CalendarFullDate Ry konteks: FactTableSymbol Waardes: FactTableClose FactTableEMA 20D gtgt Missing Tot dusver het ons hierdie berekende velde: Ema Vermenigvuldiger 2 / (Tydperk 43 1) Gemiddeld 20D sluit indien (som van CLOSEBLANK (), leë (), (BEREKEN (gemiddeld (FactTableCLOSE), FILTER (ALL (Kalender), CalendarTradingDayNumberltMAX (CalendarTradingDayNumber) ampamp CalendarTradingDayNumbergtMAX (CalendarTradingDayNumber) - periode)))) Maar dit lyk asof die EMO formule bevat 'n self verwysing van vorige waardes, en dit begin ook van 'n SMA (Gemiddeld 20D Maak) waarde. Hoe kan ons dit doen Dankie by voorbaat. Ek hoogs waardeer jou ondersteuning. Saterdag, 19 Julie, 2014 09:42 PMExponential bewegende gemiddelde sonder Vir Loop happydude ltanonymoussehotmailgt geskryf in boodskap lthe1oepfs61fred. mathworksgt. GT dankie vir hierdie. Lyk baie naby maar tog kan heel anders as die tradisionele EMO wees soos in finansies. GT GT van 'n beperkte aantal simulasies dit lyk heel anders as die EMO vir sowat 60 datapunte of so te bly. GT GT enige idees hoekom dit kan gebeur GT GT NB - die tradisionele EMO gebruik van 'n SMA as 'n aanvanklike waarde omdat die EMO formule oproepe vir 'n aanvanklike EMO waarde. hoe die filter funksie te kry om hierdie Die antwoord is dat filter nie kry rondom dit. Vir die eerste 30 punte sal die filter af gaan die voorpunt van die todaysClose vektor. Diegene waardes verby die rand is ingestel op 0. Dit sal ten minste die eerste 30 punte van jou EMO verdraai. Jy kan die effek te sien deur 'n konstante naby prys. todaysClose kinders (100,1) 100 daysBack 30 alfa 2 / (daysBack 1) bereken glad faktor alfa-koëffisiënt repmat (1-Alpha 1, daysBack). (1: daysBack) nota 1-alfa EMO filter (koëffisiënt, som (koëffisiënt ), todaysClose) plot (todaysClose) hou op plot (EMO, r) Jy kan boekie die voorpunt van die skikking deur replicerende die eerste waarde uit daysBack waardes en dan stroop dit af. Dit kan help. So: todaysClose cumsum (randn (100,1)) daysBack 30 pad repmat (todaysClose (1), daysBack, 1) todaysClose padtodaysClose alfa 2 / (daysBack 1) bereken glad faktor alfa-koëffisiënt repmat (1-Alpha 1, daysBack) . (1: daysBack) nota 1-alfa EMO filter (koëffisiënt, som (koëffisiënt), todaysClose) EMO EMO (31: einde) verwyder die pad plot (todaysClose (31: einde)) hou op plot (EMO, r) te danke siek te gee dit 'n skoot :) Onderwerp: Eksponensiële bewegende gemiddelde sonder Vir Loop Van: Bwana happydude ltanonymoussehotmailgt in boodskap lthe3krmglm1fred. mathworksgt geskryf. GT danksy siek gee dit 'n skoot :) Onderwerp: Eksponensiële bewegende gemiddelde sonder Vir Loop Van: David Bwana ltbwana. mukubwagmailgt in boodskap lti1fpb3noh1fred. mathworksgt geskryf. GT happydude ltanonymoussehotmailgt geskryf in boodskap lthe3krmglm1fred. mathworksgt. GT GT danksy siek gee dit 'n skoot :) GT GT al gebou in: www. mathworks / toegang / hulptoonbank / hulp / toolbox / finansies / tsmovavg Wie weet waarom die filter funksie hierbo beskryf gee 'n ander produksie met dié van die gebou in movavg funksie Op 15 Maart, 04:50, David ltdavidtr. gmailgt geskryf: GT Bwana ltbwana. muku. gmailgt geskryf in boodskap lti1fpb3no. fred. mathworksgt. GT GT happydude ltanonymou. hotmailgt geskryf in boodskap lthe3krmgl. fred. mathworksgt. GT GT GT danksy siek gee dit 'n skoot :) GT GT GT al gebou in: www. mathworks / toegang / hulptoonbank / hulp / toolbox / finansies / tsmovav. GT GT Wie weet waarom die filter funksie hierbo beskryf gee 'n ander produksie met dié van die gebou in movavg funksie My raaiskoot is dat sy as gevolg youve verfrommeld. Maar jy havent getoon vir ons jou kode, so hoe kan ons weet Hallo, moet die tweede parameter van die filter funksie wees (1 / alfa-1) in plaas van som (koëffisiënt) Miskien as jy die rekursiewe formule van die EMA uit te brei, sal jy vind die term. P. s. (1 / alfa-1) is die waarde wat die som van koëffisiënt konvergeer. Hoekom gebruik 'n approxim waarde in plaas van die reg een of mis ek iets Matthew Whitaker ltmattlwhitakerREMOVEgmailgt geskryf in boodskap lthdv98tdcd1fred. mathworksgt. GT probeer om hierdie kode: GT todaysClose cumsum (randn (100,1)) GT daysBack 30 GT alfa 2 / (daysBack 1) bereken glad faktor alfa GT koëffisiënt repmat (1-Alpha 1, daysBack). (1: daysBack) noot 1-alfa GT EMO filter (koëffisiënt, som (koëffisiënt), todaysClose) GT plot (todaysClose) GT houvas op GT plot (EMO, r) gt gt hoop dit help GT Matt W GT GT GT GT GT happydude ltanonymoussehotmailgt geskryf in boodskap lthdv3c35um1fred. mathworksgt. GT GT Hallo, ek probeer om die rol van 30 dae EMO vir 'n tydreeks te vind sonder die gebruik van 'n for-lus (Ek het 'n baie data). GT GT GT GT As 'n voorbeeld / toets dit is iets soos wat ek wil (hieronder), maar Im vind dat my eindresultaat is nie regtig naby aan hoe dit moet lyk. Toe ek sit dit saam in Excel of met 'n for-lus dit kom uit korrek, maar ek is in die donker as ek dit gebruik filter korrek hieronder. GT GT GT GT Kan iemand help GT GT GT GT todaysClose cumsum (randn (100,1)) gt gt daysBack 30 GT GT alfa 2 / (daysBack 1) bereken glad faktor alfa GT GT GT GT berei 'n koëffisiënt vir die filter funksie GT GT-koëffisiënt repmat (Alpha 1, daysBack) (1: daysBack). GT GT koëffisiënt koëffisiënt / som (koëffisiënt) gt gt gt gt EMO filter (koëffisiënt, 1, todaysClose) gt gt gt gt gt gt PS Dit was een van die poste wat ek opkyk groups. google/group/comp. soft-sys. matlab/tree/browsefrm/thread/7b5c0b3146432dd9/58e9d04b885a576arnum11done/group/comp. soft-sys. matlab/browsefrm/thread/7b5c0b3146432dd9/48bdf7f81cd8f1973Ftvc3D126doca1c5b8de7a7c428a GT GT GT GT dit is ook waar ek die bogenoemde filter kode GT GT groups. google/group/comp. soft-sys. matlab/browsethread/thread/1d8d10d5b835550dtvc2qexponentialmovingaveragefilter happydude geskryf in boodskap lthdv3c35um1fred. mathworksgt. GT Hallo, ek probeer om die rol van 30 dae EMO vir 'n tydreeks te vind sonder die gebruik van 'n for-lus (Ek het 'n baie data). GT GT As 'n voorbeeld / toets dit is iets soos wat ek wil (hieronder), maar Im vind dat my eindresultaat is nie regtig naby aan hoe dit moet lyk. Toe ek sit dit saam in Excel of met 'n for-lus dit kom uit korrek, maar ek is in die donker as ek dit gebruik filter korrek hieronder. GT GT Kan iemand help GT GT todaysClose cumsum (randn (100,1)) GT daysBack 30 GT alfa 2 / (daysBack 1) bereken glad faktor alfa GT GT berei 'n koëffisiënt vir die filter funksie GT koëffisiënt repmat (Alpha 1, daysBack ) (1:. daysBack) GT koëffisiënt koëffisiënt / som (koëffisiënt) gt gt EMO filter (koëffisiënt, 1, todaysClose) gt gt gt PS Dit was een van die poste wat ek opkyk groups. google/group/comp. soft-sys. matlab/tree/browsefrm/thread/7b5c0b3146432dd9/58e9d04b885a576arnum11done/group/comp. soft-sys. matlab/browsefrm/thread/7b5c0b3146432dd9/48bdf7f81cd8f1973Ftvc3D126doca1c5b8de7a7c428a GT GT is dit ook waar ek die bogenoemde filter kode GT groups. google/group/comp. soft-sys. matlab/browsethread/thread/1d8d10d5b835550dtvc2qexponentialmovingaveragefilter Let daarop dat die koëffisiënte vir die afgelope data is nie reg nie. Die formule is: Prys (t) alphaPrice (t-1) alfa (1-alfa) Prys (t-2) alfa (1-alfa) 2. Prys (t-daysBack) (1-alfa) daysBack coefficient1 repmat ((1-k), 1, N) (1: N)..repmat (K, 1, N) 1 Wat is 'n horlosie lys Jy kan dink jou horlosie lys drade wat jy geboekmerk. Jy kan etikette, skrywers, drade te voeg, en selfs resultate aan jou lys te soek. Op hierdie manier kan jy maklik die spoor van onderwerpe wat jy belangstel in. Om jou lys te sien hou, kliek op die quotMy Newsreaderquot skakel. Om items na jou horlosie lys voeg, kliek op die quotadd om listquot skakel aan die onderkant van 'n bladsy te sien. Hoe kan ek 'n item by te voeg aan my horlosie lys Soek Om soekkriteria voeg tot jou lys, soek vir die presiese term in die soekkassie. Klik op die quotAdd hierdie soektog na my horlosie listquot skakel op die resultate bladsy. Jy kan ook 'n tag toe te voeg tot jou lys deur te soek vir die tag met die richtlijn quottag: tagnamequot waar merkernaam is die naam van die etiket wat jy wil om te kyk. Skrywer 'n skrywer by jou horlosie lys, gaan na die skrywers profiel bladsy en klik op die quotAdd hierdie skrywer om my horlosie listquot skakel aan die bokant van die bladsy. Jy kan ook 'n skrywer by jou horlosie lys deur te gaan na 'n draad wat die skrywer het gepos word aan en kliek op die quotAdd hierdie skrywer om my horlosie listquot skakel. Jy sal in kennis gestel word wanneer die skrywer maak 'n pos. Draad 'n draad om jou horlosie lys te voeg, gaan na die draad bladsy en klik op die quotAdd hierdie draad om my horlosie listquot skakel aan die bokant van die bladsy. Oor Nuusgroepe, News Readers en MATLAB Sentraal Wat is nuusgroepe Die groepe is 'n wêreldwye forum wat oop is vir almal is. Nuusgroepe word gebruik om 'n groot verskeidenheid onderwerpe bespreek, maak aankondigings, en handel lêers. Besprekings is gestruktureerde, of gegroepeer in 'n manier wat jou toelaat om 'n gepos boodskap en al sy antwoorde in chronologiese volgorde te lees. Dit maak dit maklik om die draad van die gesprek te volg, en om whatrsquos reeds gesê sien voordat jy jou eie antwoord te plaas of 'n nuwe plaas. Nuusgroep inhoud versprei deur bedieners gehuisves word deur verskeie organisasies op die internet. Boodskappe uitgeruil en bestuur met behulp van oop-standaard protokolle. Geen enkele entiteit ldquoownsrdquo die nuusgroepe. Daar is duisende nuusgroepe, wat elk 'n enkele onderwerp of area van belang. Die MATLAB Sentraal nuusleser poste en uitstallings boodskappe in die comp. soft-sys. matlab nuusgroep. Hoe kan ek lees of pos aan die nuusgroepe Jy kan die geïntegreerde nuusleser by die MATLAB Sentraal webwerf gebruik om te lees en post boodskappe in hierdie nuusgroep. MATLAB Sentrale word aangebied deur MathWorks. Boodskappe gepos deur die MATLAB Sentraal nuusleser gesien word deur almal gebruik van die groepe, ongeag hoe hulle toegang tot die groepe. Daar is verskeie voordele aan die gebruik van MATLAB Sentraal. Een rekening Jou MATLAB Sentraal rekening is gekoppel aan jou MathWorks Rekening vir 'n maklike toegang. Gebruik die e-posadres van jou keuse Die MATLAB Sentrale News Reader kan jy 'n alternatiewe e-pos adres as jou boodskap adres definieer, te vermy warboel in jou primêre posbus en die vermindering van spam. Spam beheer Meeste nuusgroep spam gefiltreer deur die MATLAB Sentrale News Reader. Tagging Boodskappe kan gemerk met 'n toepaslike etiket deur 'n aangemelde gebruiker. Tags kan gebruik word as sleutel word om spesifieke lêers van belang vind, of as 'n manier om jou geboekmerk plasings kategoriseer. Jy kan kies om ander toelaat om jou Tags te sien, en jy kan othersrsquo tags sowel as dié van die gemeenskap in sy geheel sien of te soek. Tagging bied 'n manier om beide die groot tendense en die kleiner, meer onduidelik idees en programme te sien. Watch lyste opstel van horlosie lyste kan jy in kennis gestel word van updates gemaak om plasings gekies deur die skrywer, draad, of enige search veranderlike. Jou horlosie lys kennisgewings kan gestuur word per e-pos (daagliks verteer of onmiddellike), vertoon in My nuusleser, of gestuur via RSS feed. Ander maniere om toegang te verkry tot die nuusgroepe Gebruik 'n nuusleser deur jou skool, werkgewer, of die internet diensverskaffer Pay vir nuusgroep toegang van 'n kommersiële verskaffer Gebruik Google Groepe Mathforum. org bied 'n nuusleser met toegang tot die comp. soft sys. matlab nuusgroep Doen jou eie bediener. Vir tipiese instruksies, sien: www. slyck / ngpage2 Kies 'n land