Akkuraat berekening hardloop variansie Die mees direkte manier van berekening steekproefvariansie of standaardafwyking kan ernstige numeriese probleme het. Wiskundig kan steekproefvariansie soos volg bereken word. Die mees voor die hand liggende manier om variansie bereken dan sou wees om twee somme het: een aan die som van die x 8216s versamel en 'n ander om die somme van die blokkies van die x 8216s ophoop. As die x 8216s is groot en die verskille tussen hulle klein, direkte evaluering van die vergelyking hierbo sou vereis berekening 'n klein aantal as die verskil van twee groot getalle, 'n rooi vlag vir numeriese rekenaar. Die verlies van presisie kan so erg dat die uitdrukking hierbo evalueer om 'n negatiewe getal selfs al afwyking is altyd positief wees. Sien Vergelyk drie metodes van berekening standaardafwyking vir voorbeelde van hoe sleg die bogenoemde formule kan wees. Daar is 'n manier om variansie wat meer akkuraat en is gewaarborg om altyd positiewe resultate gee bereken. Verder is die metode bere 'n lopende stryd. Dit wil sê, die metode bere die variansie as die x 8216s kom een op 'n slag. Die data het nie nodig om gered te word vir 'n tweede slaag. Dit beter manier van berekening van variansie gaan terug na 'n 1962 papier deur B. P. Welford en word aangebied in Donald Knuth8217s Kuns van rekenaarprogrammering. Vol 2, bladsy 232, 3de uitgawe. Alhoewel hierdie oplossing is bekend vir dekades, nie genoeg mense weet. Die meeste mense is waarskynlik onbewus daarvan dat die berekening van steekproefvariansie moeilik kan wees tot die eerste keer dat hulle bereken 'n standaardafwyking en kry 'n uitsondering vir die neem van die vierkantswortel van 'n negatiewe getal. Dit is nie duidelik dat die metode korrek is selfs in presiese rekenkundige. It8217s nog minder voor die hand liggend dat die metode het uitstekende numeriese eienskappe, maar is dit nie. Die algoritme is soos volg. Vir daaropvolgende x 8216s, gebruik die herhaling formules Die C-klas RunningStat hieronder gebruik hierdie metode om die gemiddelde, steekproefvariansie, en standaardafwyking van 'n stroom van data te bereken. Hierdie kode monster wys hoe om die klas te gebruik. Soos nuwe waardes kom, sê uit 'n simulasie, hulle kom die RunningStat klas via die Push metode. Om te kyk na die gemiddelde, variansie, of standaardafwyking te eniger tyd, bel die ooreenstemmende metodes. Die bron-kode vir die RunningStat klas volg: Hier is 'n paar verwysings op die berekening van steekproefvariansie. Chan, Tony F. Golub, Gene H. LeVeque, Randall J. (1983). Algoritmes vir Rekenaarkunde die steekproefvariansie: Ontleding en aanbevelings. Die Amerikaanse Statistikus 37, 242-247. Ling, Robert F. (1974). Vergelyking van verskeie Algoritmes vir Rekenaarkunde Voorbeeld gemiddeldes en variansies. Tydskrif van die Amerikaanse Statistiese Vereniging, Vol. 69, No. 348, 859-866. Opdateer . Sien hierdie bladsy vir 'n verlenging van die kode wat rekenaar skeefheid en kurtose ondersteun sowel. Ook die nuwe kode ondersteun kombinasie RunningStat voorwerpe via die en operators. Moving standaardafwyking Moving standaardafwyking is 'n statistiese meting van markonbestendigheid. Dit maak geen voorspellings van die mark rigting, maar dit kan dien as 'n bevestiging van aanwyser. Jy gee die aantal periodes te gebruik, en die studie bere die standaardafwyking van pryse uit die bewegende gemiddelde van die pryse. Dit is afgelei van die berekening van 'n N tydperk Eenvoudige bewegende gemiddelde van die data-item. Dit vat dan die blokkies van die verskil tussen die data-item en sy bewegende gemiddelde oor elk van die voorafgaande N tydperke. Ten slotte is dit verdeel hierdie som deur N en bereken die vierkantswortel van hierdie resultaat. Eiendomme Tydperk: Die aantal bars in 'n grafiek. As die grafiek vertoon daaglikse data, dan tydperk dui dae in weeklikse kaarte, sal die tydperk vir weke staan, en so aan. Die program maak gebruik van 'n standaard van 20. Aspek: Die simbool veld waarop die studie sal bereken word. Veld is ingestel op die standaard, wat, wanneer jy 'n grafiek vir 'n spesifieke simbool, is dieselfde as Close. Interpretasie standaardafwyking waardes styg aansienlik wanneer die ontleed kontrak van aanwyser verandering in waarde dramaties. Wanneer markte is stabiel, lae standaardafwyking lesings is normaal. Lae standaardafwyking lesings tipies geneig voordat beduidende opwaartse prysveranderinge te kom. Ontleders algemeen dit eens dat 'n hoë wisselvalligheid is deel van die groot tops, terwyl lae wisselvalligheid vergesel groot bottoms. Inhoud Bron: Futuresource Ander Tegniese Analise Studies Primêre Sidebar verhef jou Trading Laaste tweets is kommoditeitspryse op pad terug na die somer laagtepunte Kry die volle scoop in die jongste DTNewsletter: t. co/JExCRkJ0JD tyd gelede 14 uur per Buffer Vind hierdie weke AG termynmark vooruitsigte in Senior Broker Tom Dosdalls nuusbrief Tegniese Ag kennis: t. co/IEoZXLIkcT tyd gelede 17 ure per Buffer Neem jou kennis van goud na die volgende vlak laai ons volledige Gold Futures Kit tot 4 gratis gidse t. co/9ae0E1Dr6c tyd gelede 21 ontvang uur per Buffer Kopiereg xA9 2016 xB7 Daniels Trading. Alle regte voorbehou. Hierdie materiaal word oorgedra as 'n uitnodiging vir die aangaan van 'n afgeleide transaksie. Hierdie materiaal is opgestel deur 'n Daniels Trading makelaar wat bied marknavorsing kommentaar en handel aanbevelings as deel van sy of haar uitnodiging vir rekeninge en uitnodiging vir ambagte egter Daniels Trading nie in stand te hou 'n navorsingsafdeling soos omskryf in CFTC Reël 1.71. Daniels Trading, sy prinsipale, makelaars en werknemers mag handel dryf in afgeleide instrumente vir hul eie rekeninge of vir die rekeninge van ander. As gevolg van verskeie faktore (soos toleransie vir risiko, vereistes marge, handel doelwitte, kort termyn vs. langtermyn strategieë, tegniese vs. fundamentele analise van die mark, en ander faktore) sodanige handel kan lei tot die aanvang of likwidasie van posisies wat verskil van is of in stryd met die menings en aanbevelings daarin vervat. Vorige prestasie is nie noodwendig 'n aanduiding van toekomstige prestasie nie. Die risiko van verlies in die handel termynkontrakte of kommoditeit opsies kan aansienlik wees, en daarom beleggers moet verstaan die risiko's wat betrokke is in die neem van aged posisies en moet verantwoordelikheid vir die risiko's wat verband hou met sodanige beleggings en hul resultate te aanvaar. U moet goed oorweeg of sodanige handel is geskik vir jou in die lig van jou omstandighede en finansiële hulpbronne. Jy moet die risiko bekendmaking webblad verkry word by www. DanielsTrading aan die onderkant van die tuisblad lees. Daniels Trading is nie verbind met of geaffilieerde nie eens 'n handel stelsel, nuusbrief of ander soortgelyke diens. Daniels Trading waarborg nie of verifieer enige prestasie eise wat deur sulke stelsels of service. Moving gemiddelde - standaardafwyking Ek het 'n paar tydreeksdata (1x70000 vektor) dat ek wil graag 'n 12 uur (720 punte) bewegende gemiddelde op te voer. Ek het gevind dat 'n vectorized algoritme vir die berekening van die bewegende gemiddelde: Z 0 cumsum (datain) dataavg (Z (numpoints1: nlength1) - Z (1: nlength-numpoints1)) / numpoints waar datain is die tydreeksdata, numpoints is die aantal punte na normaal sluit, en nlength is die lengte van die data vektor. Maar my hoofdoel is om die standaard afwyking van elke 12-uur gemiddelde, maw 69280 70000 bereken - 720 standaardafwyking berekeninge. Sedert die bogenoemde algoritme vir die gemiddelde gebruik kumulatiewe somme, die individuele waardes is nie beskikbaar vir die standaardafwyking daarin te bereken. Ek het probeer om twee oplossings wat beide betrek herhaling: 1) gryp 'n gedeelte van die data om gemiddeld te bereken standaardafwyking skuif oor 'n punt en herhaal 2) Skep 'n skikking 720x70000 waar elke ry is die eenvoudig die vorige ry na links een punt bereken die standaardafwyking van elke kolom die tweede metode lyk die mees belowende as die grootste deel van die verwerking van die tyd was in die skep van die groot verskeidenheid wat ek gedoen het met 'n lus. Is daar iemand enige voorstelle met betrekking tot doeltreffende die skep van hierdie skikking of enige ander heeltemal anders voorstelle in die oplossing van hierdie probleem Dankie almal Ed on Wed, 11 September 2002 16:22:36 -0600, Ed Ross het geskryf: GT GT GT Die tweede metode lyk die meeste belowende as die grootste deel van die GT verwerking tyd was in die skep van die groot verskeidenheid wat ek gedoen het met 'n vir GT lus. Is daar iemand enige voorstelle met betrekking tot doeltreffende die skep van GT hierdie reeks GT GT GT Of enige ander heeltemal anders voorstelle in die oplossing van hierdie probleem GT Jy kan probeer om met behulp filter om die bewegende gemiddelde bereken. Dit lyk na 'n gunsteling in hierdie nuusgroep wees. Hier is 'n post beskryf hoe: GT GT Dankie almal GT Ed Ek wou net om te beklemtoon dat sy die standaardafwyking, nie die gemiddelde self, wat Im probleme met. Die kode wat ek hierbo gepos word bereken dat die werklike gemiddelde baie goed. Op Woensdag, 11 September 2002 17:06:55 -0600, Ed Ross het geskryf: GT Ek wou net om te beklemtoon dat sy die standaardafwyking, nie die GT gemiddelde self, wat Im probleme met. Die kode wat ek gepos bo GT word bereken dat die werklike gemiddelde baie goed. GT GT GT Cheers, GT Ed Ja, ek besef dat. Jy het gevra of daar ander maniere om die oplossing van die probleem was nie, so ek op voorwaarde dat jy met een. Miskien is dit sal help in die berekening van die standaardafwyking. Miskien nie. In artikel lteeb20d3.1WebX. raydaftYaTPgt, Ed Ross ltedrosscayahoo. cagt geskryf: GT Ek wou net om te beklemtoon dat sy die standaardafwyking, nie die GT gemiddelde self, wat Im probleme met. Die kode wat ek gepos GT bo bereken die werklike gemiddelde baie goed. Gebruik die ander formule vir standaardafwyking. S2 (som (x2) - nxbar2) / (N-1) Die punt is jy kan dieselfde benadering gebruik jy tans gebruik om die bewegende gemiddelde bereken, maar dit kan toepas om die kwadrate van die elemente, en dan trek uit die xbar termyn . Dit is net twee aansoeke van filter, een keer om die reeks self, en dan na die reeks vierkant. Nog 'n truuk. Sedert die standaardafwyking is onaangeraak deur 'n konstante verreken, trek af die algehele gemiddelde van die reeks eerste. Dit sal computational fout te verminder. Miskien Im nie hier dat dit baie duidelik. Kom ons probeer 'n voorbeeld. 100 punte in 'n reeks, met 'n venster van breedte 10. (Nota: Ek het kennis getoets hierdie kode, maar dit moet naby wees. Ive nie eens kyk of ek die formule vir die afwyking bo korrek is.) 'N paar random data M100 x rand (1, m) N10 n bewegende gemiddelde, deur herhaling xbarzeros (1, m-N1) I0: (MK) vir J1: n xbarxbarx (ij) / n einde filter doen die MA makliker al: xbar filter (kinders (1 , n) / n, 1, x) xbar (1: (N-1)) beweeg SD behulp filter x2 filter (kinders (1, N), 1, x.2) V (x2-nxbar.2) / ( N-1) SDsqrt (V) SD (1: (N-1) HTH, John DErrico Ed Ross ltedrosscayahoo. cagt geskryf in die nuus: eeb20d3.-1WebX. raydaftYaTP: GT Hi almal GT GT GT Ek het 'n paar tydreeksdata ( . 1x70000 vektor) wat ek wil GT hardloop 'n 12 uur (720 punte) bewegende gemiddelde op Ek het 'n vectorized GT algoritme vir die berekening van die bewegende gemiddelde: GT GT GT Z 0 cumsum (datain) GT dataavg (Z (numpoints1: nlength1 ) - Z (1: nlength-numpoints1)) / GT numpoints GT GT GT waar datain is die tydreeksdata, numpoints is die aantal GT punte om gemiddelde sluit, en nlength is die lengte van die data GT vektor. GT GT GT egter my hoofdoel is om die standaard afwyking van elke GT 12-uur gemiddelde, maw 69280 70000 bereken - 720 standaardafwyking GT berekeninge. Sedert die bogenoemde algoritme vir die gemiddelde gebruik GT kumulatiewe somme, die individuele waardes is nie beskikbaar om te bereken GT die standaardafwyking daarbinne. GT GT GT Ek het probeer twee oplossings wat beide betrek herhaling: GT GT GT 1) gryp 'n gedeelte van die data om 'n gemiddelde bereken standaard GT afwyking skuif oor 'n punt en herhaal GT GT GT 2) Skep 'n skikking 720x70000 waar elke ry is die eenvoudig die GT vorige ry na links een punt te bereken die standaard GT afwyking van elke kolom GT GT GT die tweede metode lyk die mees belowende as die grootste deel van die GT verwerking tyd was in die skep van die groot verskeidenheid wat ek gedoen het met 'n GT vir lus. Is daar iemand enige voorstelle met betrekking tot doeltreffende GT skep van hierdie reeks GT GT GT Of enige ander heeltemal anders voorstelle in die oplossing van hierdie probleem GT GT GT Dankie almal GT Ed GT Heres n paar eerder ondeursigtig kode om 'n bewegende variansie (die vierkant wat jy wil te bereken. dit maak gebruik van konvolusie, so dit is losstaande met geen lusse. Please dont slaag op sonder die skrywer lynfunksie ymovingvar (X, N) ymovingvar (X, N) Bereken N-punt bewegende variansie van Vector X raai dat N vreemde wees (geen foutopsporing). Nota: eerste en laaste n / 2 punte sal onbetroubaar wees uitset sal 'n kolomvektor wees Skrywers:. Scott Seidman (scott. seidmanrochester. edu) 1/23/99 XX (:) XSQRX. X convsigones (1, N) y (conv (convsig, XSQR) - (conv (convsig, X) 0,2) / N) / (N-1) - Scott Reverse eerste gebied van adres te antwoord GT Ek wou net om te beklemtoon dat sy die standaard afwyking, nie die GT gemiddelde self, wat Im probleme met. die kode het ek gepos bo GT word bereken dat die werklike gemiddelde baie goed. Ek het nie toegang tot jou oorspronklike post, maar ek neem aan jy wil weet hoe om te kry 'n bewegende standaardafwyking . As dit so is, kan jy iets soos die volgende (ongetoets) kode gebruik: Dit maak gebruik van die formule E (x-U) 2) EX2 - EX2. Hoop dat gehelp, Wat is 'n horlosie lys Kan jy dink aan jou lys as 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 Jou CountryDocumentation tsmovavg uitset tsmovavg (tsobj, s, lag) gee terug Die eenvoudige bewegende gemiddeld vir finansiële tydreekse voorwerp, tsobj. lag dui die aantal vorige datapunte gebruik met die huidige data punt by die berekening van die bewegende gemiddelde. uitset tsmovavg (vektor, s, lag, dowwe) gee terug Die eenvoudige bewegende gemiddelde vir 'n vektor. lag dui die aantal vorige datapunte gebruik met die huidige data punt by die berekening van die bewegende gemiddelde. uitset tsmovavg (tsobj, e, timeperiod) gee terug Die eksponensiële geweegde bewegende gemiddelde vir finansiële tydreekse voorwerp, tsobj. Die eksponensiële bewegende gemiddelde is 'n geweegde bewegende gemiddelde, waar timeperiod spesifiseer die tydperk. Eksponensiële bewegende gemiddeldes te verminder die lag deur die toepassing van meer gewig aan onlangse pryse. Byvoorbeeld, 'n 10-tydperk eksponensiële bewegende gemiddelde gewigte die mees onlangse prys deur 18.18. Eksponensiële Persentasie 2 / (TIMEPER 1) of 2 / (WINDOWSIZE 1). uitset tsmovavg (vektor, e, timeperiod, dowwe) gee terug Die eksponensiële geweegde bewegende gemiddelde vir 'n vektor. Die eksponensiële bewegende gemiddelde is 'n geweegde bewegende gemiddelde, waar timeperiod spesifiseer die tydperk. Eksponensiële bewegende gemiddeldes te verminder die lag deur die toepassing van meer gewig aan onlangse pryse. Byvoorbeeld, 'n 10-tydperk eksponensiële bewegende gemiddelde gewigte die mees onlangse prys deur 18.18. (2 / (timeperiod 1)). uitset tsmovavg (tsobj, t, numperiod) gee terug Die driehoekige bewegende gemiddelde vir finansiële tydreekse voorwerp, tsobj. Die driehoekige bewegende gemiddelde dubbel glad die data. tsmovavg word bereken dat die eerste eenvoudige bewegende gemiddelde met venster breedte van oordek (numperiod 1) / 2. Dan bereken dit 'n tweede eenvoudige bewegende gemiddelde op die eerste bewegende gemiddelde met dieselfde venster grootte. uitset tsmovavg (vektor, t, numperiod, dowwe) gee terug Die driehoekige bewegende gemiddelde vir 'n vektor. Die driehoekige bewegende gemiddelde dubbel glad die data. tsmovavg word bereken dat die eerste eenvoudige bewegende gemiddelde met venster breedte van oordek (numperiod 1) / 2. Dan bereken dit 'n tweede eenvoudige bewegende gemiddelde op die eerste bewegende gemiddelde met dieselfde venster grootte. uitset tsmovavg (tsobj, w, gewigte) gee terug Die geweegde bewegende gemiddelde vir die finansiële tydreekse voorwerp, tsobj. deur die verskaffing van gewigte vir elke element in die bewegende venster. Die lengte van die gewig vektor bepaal die grootte van die venster. As groter gewig faktore word gebruik vir meer onlangse pryse en kleiner faktore vir vorige pryse, die neiging is meer ontvanklik vir onlangse wysigings. uitset tsmovavg (vektor, w, gewigte, dowwe) gee terug Die geweegde bewegende gemiddelde vir die vektor deur die verskaffing van gewigte vir elke element in die bewegende venster. Die lengte van die gewig vektor bepaal die grootte van die venster. As groter gewig faktore word gebruik vir meer onlangse pryse en kleiner faktore vir vorige pryse, die neiging is meer ontvanklik vir onlangse wysigings. uitset tsmovavg (tsobj, m, numperiod) gee terug Die gemodifiseerde bewegende gemiddelde vir die finansiële tydreekse voorwerp, tsobj. Die aangepaste bewegende gemiddelde is soortgelyk aan die eenvoudige bewegende gemiddelde. Oorweeg die argument numperiod die lag van die eenvoudige bewegende gemiddelde wees. Die eerste gewysigde bewegende gemiddelde bereken word soos 'n eenvoudige bewegende gemiddelde. Daaropvolgende waardes word bereken deur die toevoeging van die nuwe prys en trek die laaste gemiddelde van die gevolglike bedrag. uitset tsmovavg (vektor, m, numperiod, dowwe) gee terug Die gemodifiseerde bewegende gemiddelde vir die vektor. Die aangepaste bewegende gemiddelde is soortgelyk aan die eenvoudige bewegende gemiddelde. Oorweeg die argument numperiod die lag van die eenvoudige bewegende gemiddelde wees. Die eerste gewysigde bewegende gemiddelde bereken word soos 'n eenvoudige bewegende gemiddelde. Daaropvolgende waardes word bereken deur die toevoeging van die nuwe prys en trek die laaste gemiddelde van die gevolglike bedrag. dowwe 8212 dimensie te bedryf saam positiewe heelgetal met waarde 1 of 2 Dimension te bedryf saam, wat as 'n positiewe heelgetal met 'n waarde van 1 of 2. dowwe is 'n opsionele insette argument, en as dit nie gebruik word as 'n inset, die verstek waarde 2 word aanvaar. Die standaard van dowwe 2 dui op 'n ry-georiënteerde matriks, waar elke ry is 'n veranderlike en elke kolom is 'n waarneming. As dowwe 1. die insette is veronderstel om 'n kolomvektor of-kolom-georiënteerde matriks, waar elke kolom is 'n veranderlike en elke ry 'n waarneming wees. e 8212 aanwyser vir eksponensiële bewegende gemiddelde karakter vektor Eksponensiële bewegende gemiddelde is 'n geweegde bewegende gemiddelde, waar timeperiod is die tydperk van die eksponensiële bewegende gemiddelde. Eksponensiële bewegende gemiddeldes te verminder die lag deur die toepassing van meer gewig aan onlangse pryse. Byvoorbeeld, 'n tydperk van 10 eksponensiële bewegende gemiddelde gewigte die mees onlangse prys deur 18.18. Eksponensiële Persentasie 2 / (TIMEPER 1) of 2 / (WINDOWSIZE 1) timeperiod 8212 Lengte van tyd positiewe getal Kies Jou CountryAccurately berekening hardloop variansie Die mees direkte manier van berekening steekproefvariansie of standaardafwyking kan ernstige numeriese probleme het. Wiskundig kan steekproefvariansie soos volg bereken word. Die mees voor die hand liggende manier om variansie bereken dan sou wees om twee somme het: een aan die som van die x 8216s versamel en 'n ander om die somme van die blokkies van die x 8216s ophoop. As die x 8216s is groot en die verskille tussen hulle klein, direkte evaluering van die vergelyking hierbo sou vereis berekening 'n klein aantal as die verskil van twee groot getalle, 'n rooi vlag vir numeriese rekenaar. Die verlies van presisie kan so erg dat die uitdrukking hierbo evalueer om 'n negatiewe getal selfs al afwyking is altyd positief wees. Sien Vergelyk drie metodes van berekening standaardafwyking vir voorbeelde van hoe sleg die bogenoemde formule kan wees. Daar is 'n manier om variansie wat meer akkuraat en is gewaarborg om altyd positiewe resultate gee bereken. Verder is die metode bere 'n lopende stryd. Dit wil sê, die metode bere die variansie as die x 8216s kom een op 'n slag. Die data het nie nodig om gered te word vir 'n tweede slaag. Dit beter manier van berekening van variansie gaan terug na 'n 1962 papier deur B. P. Welford en word aangebied in Donald Knuth8217s Kuns van rekenaarprogrammering. Vol 2, bladsy 232, 3de uitgawe. Alhoewel hierdie oplossing is bekend vir dekades, nie genoeg mense weet. Die meeste mense is waarskynlik onbewus daarvan dat die berekening van steekproefvariansie moeilik kan wees tot die eerste keer dat hulle bereken 'n standaardafwyking en kry 'n uitsondering vir die neem van die vierkantswortel van 'n negatiewe getal. Dit is nie duidelik dat die metode korrek is selfs in presiese rekenkundige. It8217s nog minder voor die hand liggend dat die metode het uitstekende numeriese eienskappe, maar is dit nie. Die algoritme is soos volg. Vir daaropvolgende x 8216s, gebruik die herhaling formules Die C-klas RunningStat hieronder gebruik hierdie metode om die gemiddelde, steekproefvariansie, en standaardafwyking van 'n stroom van data te bereken. Hierdie kode monster wys hoe om die klas te gebruik. Soos nuwe waardes kom, sê uit 'n simulasie, hulle kom die RunningStat klas via die Push metode. Om te kyk na die gemiddelde, variansie, of standaardafwyking te eniger tyd, bel die ooreenstemmende metodes. Die bron-kode vir die RunningStat klas volg: Hier is 'n paar verwysings op die berekening van steekproefvariansie. Chan, Tony F. Golub, Gene H. LeVeque, Randall J. (1983). Algoritmes vir Rekenaarkunde die steekproefvariansie: Ontleding en aanbevelings. Die Amerikaanse Statistikus 37, 242-247. Ling, Robert F. (1974). Vergelyking van verskeie Algoritmes vir Rekenaarkunde Voorbeeld gemiddeldes en variansies. Tydskrif van die Amerikaanse Statistiese Vereniging, Vol. 69, No. 348, 859-866. Opdateer . Sien hierdie bladsy vir 'n verlenging van die kode wat rekenaar skeefheid en kurtose ondersteun sowel. Ook die nuwe kode ondersteun kombinasie RunningStat voorwerpe via die en operateurs.
No comments:
Post a Comment