تركزت الحركة المتوسط في و ص

المتوسطات المتحركة المتوسطات المتحركة مع مجموعات البيانات التقليدية القيمة المتوسطة غالبا ما تكون الأولى، وإحدى الإحصاءات الموجزة الأكثر فائدة لحساب. وعندما تكون البيانات في شكل سلسلة زمنية، فإن متوسط ​​السلسلة مقياس مفيد، ولكنه لا يعكس الطبيعة الدينامية للبيانات. وغالبا ما تكون القيم المتوسطة المحسوبة على فترات قصيرة، إما قبل الفترة الحالية أو تركزت على الفترة الحالية، أكثر فائدة. لأن هذه القيم المتوسطة سوف تختلف، أو تتحرك، كما تتحرك الفترة الحالية من الوقت ر 2، ر 3. الخ أنها تعرف باسم المتوسطات المتحركة (ماس). المتوسط ​​المتحرك البسيط هو (عادة) المتوسط ​​غير المرجح للقيم السابقة k. المتوسط ​​المتحرك المرجح ألساسا هو نفس المتوسط ​​المتحرك البسيط، ولكن مع المساهمات في المتوسط ​​المرجح بقربها من الوقت الحالي. لأنه لا يوجد واحد، ولكن سلسلة كاملة من المتوسطات المتحركة لأي سلسلة معينة، ومجموعة من ماس يمكن أن تكون نفسها رسمت على الرسوم البيانية، وتحليلها على شكل سلسلة، وتستخدم في النمذجة والتنبؤ. ويمكن بناء مجموعة من النماذج باستخدام المتوسطات المتحركة، وتعرف هذه النماذج بنماذج ما. إذا تم الجمع بين هذه النماذج ونماذج الانحدار الذاتي (أر)، فإن النماذج المركبة الناتجة تعرف باسم نماذج أرما أو أريما (I هي متكاملة). المتوسطات المتحركة البسيطة منذ يمكن اعتبار سلسلة زمنية كمجموعة من القيم، t 1،2،3،4، n يمكن حساب متوسط ​​هذه القيم. إذا افترضنا أن n كبير جدا، ونحن نختار عدد صحيح k الذي هو أصغر بكثير من n. يمكننا حساب مجموعة من متوسطات الفدرات أو متوسطات متحركة بسيطة (للترتيب k): يمثل كل قياس متوسط ​​قيم البيانات على مدى فاصل من ملاحظات k. لاحظ أن أول ما ممكن من النظام gt0 k هو أن ل t ك. وبوجه أعم يمكننا إسقاط الجزء الإضافي الإضافي في التعبيرات أعلاه والكتابة: وهذا يشير إلى أن المتوسط ​​المقدر في الوقت t هو المتوسط ​​البسيط للقيمة الملحوظة في الوقت t والخطوات السابقة k -1 الزمنية. إذا تم تطبيق الأوزان التي تقلل من مساهمة الملاحظات التي هي أبعد من ذلك في الوقت المناسب، ويقال أن المتوسط ​​المتحرك تمهيد أضعافا مضاعفة. وغالبا ما تستخدم المتوسطات المتحركة كشكل من أشكال التنبؤ، حيث القيمة المقدرة لسلسلة في الوقت t 1، S t1. يؤخذ على أنه ما للفترة حتى تصل إلى الوقت t. مثلا يستند تقدير اليوم إلى متوسط ​​القيم المسجلة سابقا حتى يوم الأمس (بالنسبة للبيانات اليومية). ويمكن اعتبار المتوسطات المتحركة البسيطة شكلا من أشكال التمهيد. في المثال الموضح أدناه، تم تعزيز مجموعة بيانات تلوث الهواء المبينة في مقدمة هذا الموضوع بمتوسط ​​متحرك لمدة 7 أيام (ما)، موضح هنا باللون الأحمر. كما يمكن أن يرى، خط ما ينعم القمم وأحواض في البيانات ويمكن أن تكون مفيدة جدا في تحديد الاتجاهات. وتعني الصيغة القياسية للحساب الآجل أن نقاط البيانات K -1 الأولى ليس لها قيمة ما، ولكن بعد ذلك تمتد الحسابات إلى نقطة البيانات النهائية في السلسلة. PM10 القيم المتوسطة اليومية، غرينتش المصدر: شبكة لندن لجودة الهواء، londonair. org. uk سبب واحد لحساب المتوسطات المتحركة البسيطة بالطريقة الموصوفة هو أنه يمكن القيم التي سيتم حسابها لجميع الفواصل الزمنية من الزمن تك حتى الوقت الحاضر، و كما يتم الحصول على قياس جديد للوقت ر 1، و ما للوقت ر 1 يمكن أن تضاف إلى مجموعة تحسب بالفعل. وهذا يوفر إجراء بسيطا لمجموعات البيانات الديناميكية. ومع ذلك، هناك بعض القضايا مع هذا النهج. ومن المعقول القول بأن القيمة المتوسطة خلال الفترات الثلاث الأخيرة، على سبيل المثال، ينبغي أن تكون موجودا في الوقت t -1، وليس الوقت t. ولمادة ما على عدد من الفترات ربما ربما ينبغي أن يكون موجودا في منتصف نقطة بين فترتين زمنيتين. حل لهذه المسألة هو استخدام الحسابات ما محورها، حيث ما في الوقت t هو متوسط ​​مجموعة متماثلة من القيم حول ر. وعلى الرغم من مزاياه الواضحة، فإن هذا النهج لا يستخدم عموما لأنه يتطلب توافر البيانات للأحداث المقبلة، وهو ما قد لا يكون كذلك. في الحالات التي يكون فيها التحليل بالكامل لسلسلة حالية، قد يكون استخدام ماس المركزة أفضل. ويمكن اعتبار المتوسطات المتحركة البسيطة شكلا من أشكال التمهيد، وإزالة بعض المكونات عالية التردد من سلسلة زمنية وتسليط الضوء على الاتجاهات (ولكن ليس إزالتها) بطريقة مماثلة للمفهوم العام للتصفية الرقمية. في الواقع، المتوسطات المتحركة هي شكل من أشكال المرشحات الخطية. فمن الممكن تطبيق حساب متوسط ​​متحرك لسلسلة تم تمهيدها بالفعل، أي تمهيد أو تصفية سلسلة سلسة بالفعل. على سبيل المثال، مع متوسط ​​متحرك من النظام 2، يمكننا أن نعتبر أنه يحسب باستخدام الأوزان، وبالتالي فإن ما في x 2 0.5 × 1 0.5 × 2. وبالمثل، فإن ما في x 3 0.5 × 2 0.5 × 3. إذا نحن (0.5 × 0.5 0.5 × 0.5) 0.5 (0.5 × 2 0.5 × 3) 0.25 × 1 0.5 × 2 0.25 × 3 أي الترشيح ذي المرحلتين (أو التفاف) قد أنتج متوسط ​​متحرك متماثل مرجح، مع أوزان. يمكن أن تنتج العديد من المحولات التحويلية متوسطات متحركه معززة جدا، وبعضها تم العثور على استخدام معين في المجالات المتخصصة، كما هو الحال في حسابات التأمين على الحياة. يمكن استخدام المتوسطات المتحركة لإزالة التأثيرات الدورية إذا تم حسابها مع طول التواتر كما هو معروف. على سبيل المثال، مع التغيرات الشهرية في البيانات الموسمية يمكن في كثير من الأحيان إزالتها (إذا كان هذا هو الهدف) من خلال تطبيق متماثل المتوسط ​​المتحرك لمدة 12 شهرا مع جميع الشهور المرجحة بالتساوي، باستثناء الأولى والأخيرة التي يتم وزنها بنسبة 12. هذا لأن هناك سوف يكون 13 شهرا في النموذج المتماثل (الوقت الحالي، ر - 6 أشهر). وينقسم المجموع إلى 12. ويمكن اعتماد إجراءات مماثلة لأي دورية محددة جيدا. المتوسطات المتحركة المرجح أضعافا مضاعفة (إوما) مع صيغة المتوسط ​​المتحرك البسيط: جميع المشاهدات متساوية بالتساوي. إذا اتصلنا هذه الأوزان متساوية، ألفا ر. فإن كل وزن من الأوزان k يساوي 1 ك. وبالتالي فإن مجموع الأوزان سيكون 1، والصيغة ستكون: لقد رأينا بالفعل أن تطبيقات متعددة من هذه العملية يؤدي إلى الأوزان متباينة. مع المتوسطات المتحركة المرجح أضعافا مضاعفة الإسهام في القيمة المتوسطة من الملاحظات التي هي أكثر إزالتها في الوقت يتم تخفيض مداولات، مما يؤكد على الأحداث الأخيرة (المحلية). في الأساس يتم عرض معلمة التمهيد 0 ألف طن lt1، وتنقح الصيغة إلى: ستكون الصيغة المتماثلة لهذه الصيغة بالشكل التالي: إذا تم اختيار الأوزان في النموذج المتماثل كعبارات لشروط التوسع ذي الحدين، (1212) 2q. فإنها سوف تلخص 1، وكما ف يصبح كبيرا، وتقريب توزيع عادي. هذا هو شكل من أشكال الترجيح النواة، مع الحدين تعمل بوصفها وظيفة النواة. التلازم المرحلة الثانية وصفها في القسم الفرعي السابق هو على وجه التحديد هذا الترتيب، مع س 1، مما أسفر عن الأوزان. في التجانس الأسي فمن الضروري استخدام مجموعة من الأوزان التي مجموع إلى 1 والتي تقلل في حجم هندسيا. وعادة ما تكون الأوزان المستخدمة من النموذج: لإظهار أن هذه الأوزان توازي 1، فكر في توسيع 1 كمجموعة. يمكننا كتابة وتوسيع التعبير بين قوسين باستخدام الصيغة ذات الحدين (1- x) ص. حيث x (1) و p -1، مما يعطي: ثم يوفر نموذجا من المتوسط ​​المتحرك المرجح للنموذج: يمكن كتابة هذا الملخص كعلاقة تكرار: مما يبسط الحساب بشكل كبير، ويتجنب مشكلة أن نظام الترجيح يجب أن يكون بدقة لانهائية للأوزان لتلخص 1 (لقيم صغيرة من ألفا، وهذا هو عادة ليست هي القضية). تختلف الرموز المستخدمة من قبل مؤلفين مختلفين. يستخدم البعض الحرف S للإشارة إلى أن الصيغة هي في الأساس متغير أملس، وكتب: في حين أن أدبيات نظرية التحكم غالبا ما تستخدم Z بدلا من S للقيم المرجحة أو الممهدة أضعافا مضاعفة (انظر، على سبيل المثال، لوكاس و ساكوتشي، 1990، LUC1 ، وموقع نيست لمزيد من التفاصيل وأمثلة العمل). الصيغ المذكورة أعلاه مستمدة من عمل روبرتس (1959، ROB1)، ولكن هنتر (1986، HUN1) يستخدم تعبيرا عن النموذج: الذي قد يكون أكثر ملاءمة للاستخدام في بعض إجراءات التحكم. مع ألفا 1 متوسط ​​التقدير هو ببساطة قيمته المقاسة (أو قيمة عنصر البيانات السابق). مع 0.5 التقدير هو المتوسط ​​المتحرك البسيط للقياسات الحالية والسابقة. في نماذج التنبؤ القيمة، S t. وكثيرا ما يستخدم كقيمة تقديرية أو توقعية للفترة الزمنية القادمة، أي كالتقدير ل x في الوقت t 1. وهكذا لدينا: وهذا يدل على أن القيمة المتوقعة في الوقت t 1 هي مزيج من المتوسط ​​المتحرك المرجح أضعافا سابقا بالإضافة إلى مكون يمثل خطأ التنبؤ المرجح، إبسيلون. في الوقت t. على افتراض أن سلسلة زمنية تعطى وتوقعات مطلوب، قيمة ألفا هو مطلوب. ويمكن تقدير ذلك من البيانات الموجودة عن طريق تقييم مجموع أخطاء التنبؤ التربيعية التي يتم الحصول عليها مع قيم متفاوتة ألفا لكل t 2،3. (1) في تطبيقات التحكم، تكون قيمة ألفا مهمة في ذلك يستخدم في تحديد حدود التحكم العليا والسفلى، ويؤثر على متوسط ​​طول التشغيل (أرل) المتوقع قبل أن يتم كسر حدود السيطرة هذه (على افتراض أن السلاسل الزمنية تمثل مجموعة من المتغيرات المستقلة العشوائية الموزعة بشكل مماثل مع التباين المشترك). وفي ظل هذه الظروف يكون التباين في إحصائية التحكم: (لوكاس و ساكوتشي، 1990): وعادة ما تحدد حدود المراقبة كمضاعفات ثابتة لهذا التباين المتناظر، على سبيل المثال. - 3 مرات الانحراف المعياري. إذا افترض 0.25، على سبيل المثال، ويفترض أن البيانات التي يجري رصدها يكون توزيع عادي، N (0،1)، عندما تكون في السيطرة، ستكون حدود السيطرة - 1.134 وسوف تصل العملية إلى حد واحد أو حد آخر في 500 خطوة في المتوسط. لوكاس و ساكوتشي (1990 LUC1) تستمد أرلز لمجموعة واسعة من قيم ألفا وتحت مختلف الافتراضات باستخدام إجراءات ماركوف شين. وهي تقوم بتبويب النتائج، بما في ذلك توفير أرلس عندما يكون متوسط ​​عملية التحكم قد تم نقله من قبل بعض مضاعفات الانحراف المعياري. على سبيل المثال، مع التحول 0.5 مع ألفا 0.25 و أرل أقل من 50 خطوة الوقت. ومن المعروف أن النهج المذكورة أعلاه تمهيد الأسي واحد. حيث يتم تطبيق الإجراءات مرة واحدة على السلاسل الزمنية ومن ثم يتم إجراء عمليات التحليل أو التحكم على مجموعة البيانات التي تم تمريرها. إذا كانت مجموعة البيانات تشتمل على مكونات موسمية ومؤثرة، يمكن تطبيق التمهيد الأسي على مرحلتين أو ثلاث مراحل كوسيلة لإزالة (هذه النماذج بشكل صريح) (انظر كذلك القسم الخاص بالتنبؤ أدناه، ومثال نيست العامل). CHA1 شاتفيلد C (1975) تحليل سلسلة تايمز: النظرية والتطبيق. تشابمان أند هول، لندن HUN1 هنتر J S (1986) المتوسط ​​المتحرك المرجح أضعافا مضاعفة. J من كواليتي تيشنولوغي، 18، 203-210 LUC1 لوكاس J M، ساكوتشي M S (1990) المتوسط ​​المتحرك لأسفل متحكم في مخططات التحكم: الخصائص والتحسينات. تيشنوميتريكس، 32 (1)، 1-12 ROB1 روبرتس S W (1959) اختبارات التحكم في الرسم البياني استنادا إلى المتوسطات المتحركة الهندسية. تيشنوميتريكس، 1، 239-2505.2 تمهيد سلسلة الوقت يتم عادة تجانس لمساعدتنا على رؤية أفضل أنماط والاتجاهات على سبيل المثال، في سلسلة زمنية. عموما على نحو سلس خارج خشونة غير منتظمة لرؤية إشارة أكثر وضوحا. بالنسبة للبيانات الموسمية، قد نتجنب الموسمية حتى نتمكن من تحديد هذا الاتجاه. التجانس لا يوفر لنا نموذج، ولكن يمكن أن يكون خطوة أولى جيدة في وصف مختلف مكونات هذه السلسلة. يستخدم مصطلح المصطلح أحيانا لوصف إجراء التجانس. على سبيل المثال، إذا تم حساب القيمة الملساء لوقت معين على أنها مزيج خطي من الملاحظات للأوقات المحيطة، يمكن القول بأننا طبقنا مرشحا خطييا على البيانات (وليس نفس القول بأن النتيجة هي خط مستقيم، من خلال الطريقة). الاستخدام التقليدي للمتوسط ​​المتحرك المدى هو أنه في كل نقطة من الوقت نحدد (المرجح المرجح) متوسطات القيم الملحوظة التي تحيط بوقت معين. على سبيل المثال، في الوقت t. فإن المتوسط ​​المتحرك المركب للطول 3 مع أوزان متساوية سيكون متوسط ​​القيم في بعض الأحيان t -1. t. و t1. ولأخذ الموسمية من سلسلة، حتى نتمكن من رؤية الاتجاه بشكل أفضل، سنستخدم متوسطا متحركا بطول موسمي. وهكذا في سلسلة سلسة، تم متوسط ​​كل قيمة ممهدة في جميع الفصول. ويمكن القيام بذلك من خلال النظر في متوسط ​​متحرك من جانب واحد حيث يمكنك متوسط ​​جميع القيم للسنوات السابقة بقيمة البيانات أو المتوسط ​​المتحرك المتمركز الذي تستخدم القيم قبل وبعد الوقت الحالي. بالنسبة للبيانات ربع السنوية، على سبيل المثال، يمكن أن نحدد قيمة سلسة للوقت t (x t x t-1 x t-2 x t-3) 4، متوسط ​​هذا الوقت والأرباع الثلاثة السابقة. في R كود هذا سيكون مرشح من جانب واحد. يخلق المتوسط ​​المتحرك المركز قليلا من الصعوبة عندما يكون لدينا عدد من الفترات الزمنية في الفترة الموسمية (كما نفعل عادة). لتسهيل الموسمية بعيدا في البيانات الفصلية. من أجل تحديد الاتجاه، والاتفاقية المعتادة هي استخدام المتوسط ​​المتحرك ممهدة في الوقت ر هو لتسهيل الموسمية بعيدا في البيانات الشهرية. من أجل تحديد الاتجاه، والاتفاقية المعتادة هي استخدام المتوسط ​​المتحرك تمهيد في الوقت t هو وهذا هو، ونحن تطبيق الوزن 124 إلى القيم في بعض الأحيان t6 و t6 والوزن 112 لجميع القيم في جميع الأوقات بين t5 و t5. في الأمر R فيلتر، حدد مرشح من جانبين جيدا عندما نريد استخدام القيم التي تأتي قبل وبعد الوقت الذي تم تمهيد. تجدر الإشارة إلى أنه في الصفحة 71 من كتابنا، فإن المؤلفين يطبقون أوزانا متساوية عبر المتوسط ​​المتحرك الموسمية المركز. هذا حسنا أيضا. على سبيل المثال، يمكن تمهيد سلاسة ربع سنوية في الوقت t هو فراك x فراك x فراك شت فراك x فراك x الشهري أكثر سلاسة قد تطبق وزن 113 إلى جميع القيم من مرات t-6 إلى t6. يستفيد الرمز الذي يستخدمه المؤلفون في الصفحة 72 من أمر المكرر الذي يكرر قيمة عدد معين من المرات. لا يستخدمون عامل تصفية عامل التصفية ضمن أمر التصفية. مثال 1 إنتاج البيرة بشكل ربع سنوي في أستراليا في الدرسين الأول والدرس 4، نظرنا في سلسلة من إنتاج البيرة ربع السنوي في أستراليا. يخلق رمز R التالية سلسلة سلسة التي تمكننا من رؤية نمط الاتجاه، والمؤامرات هذا النمط الاتجاه على نفس الرسم البياني مثل سلسلة زمنية. الأمر الثاني يخلق ويخزن سلسلة ممهدة في الكائن يسمى تريندباترن. لاحظ أنه ضمن أمر التصفية، فإن المعامل المسمى بالفلتر يعطي معاملات لتلطيف وجوانبنا 2 يسبب ناعمة مركزا ليتم حسابها. (بايربرود)، مرشح c (18، 14، 14، 14، 18)، side2) مؤامرة (بيربرود، نوع b، الرئيسية تتحرك متوسط ​​الاتجاه السنوي) خطوط (تريندباترن) هيريس النتيجة: نحن قد طرح نمط الاتجاه من قيم البيانات للحصول على نظرة أفضل في الموسمية. هيريس كيفية القيام بذلك: الموسمية بيربرود - تريندباترن مؤامرة (الموسمية، نوع ب، الرئيسية نمط موسمي لإنتاج البيرة) والنتيجة يليها: إمكانية أخرى لتسلسل سلسلة لرؤية الاتجاه هو مرشح من جانب واحد مرشح filterpattern2 (بيربرود، فلتر ج (14، 14، 14، 14)، سيديس 1) مع هذا، فإن قيمة ممهدة هو متوسط ​​العام الماضي. المثال 2. البطالة الشهرية في الولايات المتحدة في الواجبات المنزلية للأسبوع 4 نظرت إلى سلسلة شهرية من البطالة في الولايات المتحدة لعام 1948-1978. هيريس تمهيد القيام به للنظر في هذا الاتجاه. (تريندونيمبلوي، ستارت c (1948،1)، فريق 12) مؤامرة (ترندونيمبلوي، مينترند في الولايات المتحدة البطالة، 1948-1978، زلاب يار) يتم رسم الاتجاه السلس فقط. يحدد الأمر الثاني خصائص وقت التقويم للسلسلة. وهذا يجعل المؤامرة لديها محور أكثر وضوحا. وتأتي هذه المؤامرة. لسلسلة غير الموسمية، كنت أرينت ملزمة لتسهيل على مدى أي فترة معينة. للتجانس يجب تجربة مع المتوسطات المتحركة من نطاقات مختلفة. ويمكن أن تكون تلك الفترات الزمنية قصيرة نسبيا. والهدف من ذلك هو ضرب قبالة حواف خشنة لمعرفة ما الاتجاه أو نمط قد يكون هناك. طرق التمهيد الأخرى (القسم 2.4) يصف القسم 2.4 العديد من البدائل المتطورة والمفيدة لتمهيد المتوسط ​​المتحرك. قد تبدو التفاصيل مبهمة، ولكن هذا بخير لأننا لا نريد الحصول على تعثرت في الكثير من التفاصيل لتلك الأساليب. من الطرق البديلة الموصوفة في القسم 2.4، قد يكون لويس (الانحدار المرجح محليا) الأكثر استخداما. مثال 2 تابع المخطط التالي هو تمهيد خط الاتجاه لسلسلة البطالة في الولايات المتحدة، وجدت باستخدام لويس أكثر سلاسة حيث ساهم مبلغ كبير (23) في كل تقدير سلس. لاحظ أن هذا تمهيد السلسلة بشكل أكثر قوة من المتوسط ​​المتحرك. وكانت الأوامر المستخدمة هي البطالة (بدء التشغيل، بدء c (1948،1)، freq12) مؤامرة (لويس (ونيمبلوي، f 23)، الرئيسية لويس تمهيد لاتجاه الولايات المتحدة البطالة) واحد الأسي تمهيد معادلة التنبؤ الأساسية للتجانس الأسي واحد في كثير من الأحيان (1-ألفا) نص نتوقع أن تكون قيمة x في الوقت t1 مجموعة مرجحة من القيمة الملاحظة في الوقت t والقيمة المتوقعة في الوقت t. على الرغم من أن الطريقة تسمى طريقة التجانس، وهي تستخدم أساسا للتنبؤ على المدى القصير. وتسمى قيمة ثابت التمهيد. لأي سبب من الأسباب، 0.2 هو الخيار الافتراضي الشعبي من البرامج. وهذا يضع وزنا من 0.2 على الملاحظة الأخيرة ووزن 1 0.2 .8 على أحدث التوقعات. مع قيمة صغيرة نسبيا، فإن تمهيد تكون أكثر شمولا نسبيا. مع قيمة كبيرة نسبيا، والتجانس هو أقل نسبيا واسعة كما سيتم وضع المزيد من الوزن على القيمة الملحوظة. هذا هو بسيط من خطوة واحدة إلى الأمام طريقة التنبؤ الذي للوهلة الأولى يبدو لا يتطلب نموذجا للبيانات. في الواقع، هذا الأسلوب هو ما يعادل استخدام أريما (0،1،1) نموذج مع عدم وجود ثابت. الإجراء الأمثل هو لتناسب نموذج أريما (0،1،1) إلى مجموعة البيانات المرصودة واستخدام النتائج لتحديد قيمة. هذا هو الأمثل بمعنى خلق أفضل للبيانات التي لوحظت بالفعل. على الرغم من أن الهدف هو تمهيد والتنبؤ خطوة واحدة إلى الأمام، فإن التكافؤ إلى أريما (0،1،1) نموذج لا تثير نقطة جيدة. لا ينبغي لنا تطبيق عمياء تمهيد الأسي لأن العملية الكامنة قد لا تكون على غرار جيدا من قبل أريما (0،1،1). أريما (0،1،1) ومعادل التماسك الأسي يعتبر أريما (0،1،1) بمتوسط ​​0 للفروق الأولى، شت - x t-1: يبدأ قبعة أمب شت theta1 وت أمب أمب شت theta1 (شت - t t) أمبير أمبير (1 theta1) شت - theta1hat تميل. إذا تركنا (1 1) وهكذا - (1) 1، نرى التكافؤ في المعادلة (1) أعلاه. لماذا يتم استدعاء الأسلوب تمهيد أسي ينتج عن ما يلي: بدء تشغيل أمب أمب ألفا شت (1 ألفا) ألفا x (ألفا) قبعة أمبير أمبير ألفا شت ألفا (1-ألفا) س (1-ألفا) 2hat نهاية متابعة في هذه الطريقة عن طريق استبدال تباعا للقيمة المتوقعة على الجانب الأيمن من المعادلة. وهذا يؤدي إلى: ألف ألفا شت ألفا (1-ألفا) x ألفا (1-ألفا) 2 × النقاط ألفا (1-ألفا) جك النقاط ألفا (1-ألفا) x1 تشير المعادلة 2 إلى أن القيمة المتوقعة هي المتوسط ​​المرجح من جميع القيم السابقة من هذه السلسلة، مع الأوزان المتغيرة بشكل كبير ونحن نعود إلى الوراء في هذه السلسلة. الأمثل الأسي تجانس في R في الأساس، ونحن فقط تناسب أريما (0،1،1) للبيانات وتحديد معامل. يمكننا فحص تناسب السلس من خلال مقارنة القيم المتوقعة إلى السلسلة الفعلية. تميل الأسي يميل إلى أن تستخدم أكثر كأداة التنبؤ من أكثر سلاسة، لذلك كانوا يبحثون لمعرفة ما إذا كان لدينا مناسبا. المثال 3. ن 100 رصد شهري لوغاريتم مؤشر أسعار النفط في الولايات المتحدة. سلسلة البيانات هي: أن أريما (0،1،1) تناسب في R أعطى ما (1) معامل 0.3877. وهكذا (1 1) 1.3877 و 1- -0.3877. معادلة التنبؤ الأسي للتنبؤ هي قبعة 1.3877xt - 0.3877hat t في الوقت 100، القيمة الملاحظة للسلسلة هي x 100 0.86601. القيمة المتوقعة لسلسلة في ذلك الوقت هو وبالتالي التوقعات للوقت 101 هو قبعة 1.3877x - 0.3877hat 1.3877 (0.86601) -0.3877 (0.856789) 0.8696 وفيما يلي مدى سلاسة يناسب سلسلة. انها مناسبة جيدة. ثاتس علامة جيدة للتنبؤ، والغرض الرئيسي لهذا أكثر سلاسة. هنا هي الأوامر المستخدمة لتوليد الإخراج لهذا المثال: أويليندكس مسح (oildata. dat) مؤامرة (أويليندكس، نوع ب، الرئيسية سجل النفط مؤشر السلسلة) إكسسموثفيت أريما (أويليندكس، ترتيب c (0،1،1)) إكسسموثفيت لمعرفة نتائج أريما تتنبأ أويليندكس - توقعت إكسسموثفيترزيدوالس القيم مؤامرة (أويليندكس، تيب، الأسي الرئيسي تمهيد سجل مؤشر النفط) خطوط (تنبؤات) 1.3877oilindex100-0.3877predicteds100 توقعات للوقت 101 ضعف الأسي تمهيد ضعف الأسي تمهيد يمكن أن تستخدم عندما ثيريس الاتجاه (إما المدى الطويل أو المدى القصير)، ولكن ليس موسميا. وبشكل أساسي، تخلق هذه الطريقة توقعات من خلال الجمع بين التقديرات الملموسة أضعافا للاتجاه (ميل الخط المستقيم) والمستوى (أساسا، اعتراض خط مستقيم). يتم استخدام اثنين من الأوزان المختلفة، أو تمهيد المعلمات، لتحديث هذين المكونين في كل مرة. مستوى ممسود هو أكثر أو أقل يعادل تعادل الأسي بسيط من قيم البيانات والاتجاه السلس هو أكثر أو أقل يعادل تمهيد الأسي بسيط من الاختلافات الأولى. هذا الإجراء هو ما يعادل تركيب أريما (0،2،2) نموذج، مع عدم وجود ثابت يمكن القيام بها مع أريما (0،2،2) مناسبا. (1-B) 2 شت (1theta1B theta2B2) بالوزن. نافيغاتيون 6.2 المتوسطات المتحركة ما 40 إليكساليس، أوردر 5 41 في العمود الثاني من هذا الجدول، يظهر متوسط ​​متحرك للنظام 5، مما يوفر تقديرا لدورة الاتجاه. والقيمة الأولى في هذا العمود هي متوسط ​​الملاحظات الخمس الأولى (1989-1993)، والقيمة الثانية في العمود 5-ما هي متوسط ​​القيم 1990-1994 وهكذا. كل قيمة في العمود 5-ما هي متوسط ​​الملاحظات في فترة الخمس سنوات التي تركز على السنة المقابلة. لا توجد قيم للسنتين الأوليين أو العامين الماضيين لأننا لا نملك ملاحظتين على أي من الجانبين. في الصيغة أعلاه، العمود 5-ما يحتوي على قيم قبعة مع k2. لمعرفة ما يبدو عليه تقدير دورة الاتجاه، فإننا نرسمه مع البيانات الأصلية في الشكل 6.7. مؤامرة 40 إليكساليس، الرئيسية سسيدكوتال الكهرباء السكنية، يلب كوغوكوت. زلاب كوتيركوت 41 لينس 40 ما 40 إليساليس، 5 41. كول كوتريدكوت 41 لاحظ كيف أن الاتجاه (باللون الأحمر) هو أكثر سلاسة من البيانات الأصلية ويلتقط الحركة الرئيسية للسلسلة الزمنية دون كل التقلبات الطفيفة. ولا تسمح طريقة المتوسط ​​المتحرك بتقديرات T حيث تكون t قريبة من نهايات السلسلة، وبالتالي لا يمتد الخط الأحمر إلى حواف الرسم البياني على أي من الجانبين. في وقت لاحق سوف نستخدم أساليب أكثر تطورا لتقدير دورة الاتجاه التي تسمح التقديرات بالقرب من النهاية. ويحدد ترتيب المتوسط ​​المتحرك مدى نعومة تقدير دورة الاتجاه. بشكل عام، يعني النظام الأكبر منحنى أكثر سلاسة. يوضح الرسم البياني التالي تأثير تغيير ترتيب المتوسط ​​المتحرك لبيانات مبيعات الكهرباء السكنية. المتوسطات المتحركة البسيطة مثل هذه هي عادة من ترتيب فردي (على سبيل المثال 3، 5، 7، وما إلى ذلك) وهذا هو حتى أنها متماثلة: في المتوسط ​​المتحرك للنظام m2k1، هناك k الملاحظات السابقة، k الملاحظات في وقت لاحق والمراقبة الوسطى التي يتم حساب متوسطها. ولكن إذا كان m حتى، فإنه لن يكون متماثلا. المتوسطات المتحركة للمتوسطات المتحركة من الممكن تطبيق متوسط ​​متحرك على المتوسط ​​المتحرك. أحد أسباب القيام بذلك هو جعل المتوسط ​​المتحرك متساويا في الترتيب. على سبيل المثال، قد نأخذ متوسطا متحركا من الترتيب 4، ثم نطبق متوسط ​​متحرك آخر للطلب 2 على النتائج. وفي الجدول 6-2، تم ذلك في السنوات القليلة الأولى من بيانات إنتاج البيرة الفصلية الاسترالية. ber2 lt - ويندو 40 أوسبير، ستارت 1992 41 ma4 lt - ما 40 beer2، أوردر 4. سينتر فالس 41 ma2x4 lt - ما 40 beer2، أوردر 4. سينتر ترو 41 الترميز 2times4-ما في العمود الأخير يعني 4-ما تليها 2-ما. يتم الحصول على القيم في العمود الأخير من خلال اتخاذ متوسط ​​متحرك من الترتيب 2 من القيم في العمود السابق. على سبيل المثال، القيمتين الأوليين في العمود 4-ما هي 451.2 (443410420532) 4 و 448.8 (410420532433) 4. القيمة الأولى في العمود 2times4-ما هي متوسط ​​هذين: 450.0 (451.2448.8) 2. عندما يتبع 2-ما المتوسط ​​المتحرك حتى النظام (مثل 4)، ويسمى متوسط ​​متحرك تركز على النظام 4. وذلك لأن النتائج هي الآن متماثل. لنرى أن هذا هو الحال، يمكننا كتابة 2times4-ما على النحو التالي: بدء قبعة أمبير فراك بيغفراك (y y y y) فراك (y y y y) كبير أمبير فراك y frac14y frac14y frac14y frac18y. نهاية هو الآن المتوسط ​​المرجح للرصدات، ولكنه متماثل. ومن الممكن أيضا توليفات أخرى من المتوسطات المتحركة. على سبيل المثال يتم استخدام 3times3-ما غالبا، ويتكون من متوسط ​​متحرك من النظام 3 متبوعا بمتوسط ​​متحرك آخر من النظام 3. بشكل عام، يجب أن يتبع النظام حتى ما من قبل ما حتى أمر ما لجعلها متماثلة. وبالمثل، ينبغي أن يتبع أمر ما الفردية من قبل ما الفردية ترتيب فردي. تقدير دورة الاتجاه مع البيانات الموسمية الاستخدام الأكثر شيوعا للمتوسطات المتحركة المتمركزة هو في تقدير دورة الاتجاه من البيانات الموسمية. النظر في 2times4-ما: قبعة فراك y frac14y frac14y frac14y frac18y. عند تطبيقه على بيانات ربع سنوية، يعطى كل ربع سنة نفس الوزن حيث تطبق الفترة األولى واألخيرة على نفس الربع في السنوات المتعاقبة. وبناء على ذلك، سيتم حساب متوسط ​​التغير الموسمية، كما أن القيم الناتجة عن هذه القيم لن تكون متبقية أو معدومة. ويمكن الحصول على تأثير مماثل باستخدام 2times 8-ما أو 2times 12-ما. وبوجه عام، فإن m 2 ما يعادل متوسط ​​متحرك مرجح لترتيب m1 مع أخذ جميع الملاحظات 1m الوزن باستثناء المصطلحين الأول والأخير الذي يأخذ الأوزان 1 (2M). حتى إذا كانت الفترة الموسمية حتى و من أجل م، استخدم 2times م-ما لتقدير دورة الاتجاه. إذا كانت الفترة الموسمية غريبة وترتيب m، استخدم m-ما لتقدير دورة الاتجاه. على وجه الخصوص، يمكن استخدام 2 مرات 12-ما لتقدير دورة الاتجاه من البيانات الشهرية و 7-ما يمكن استخدامها لتقدير دورة الاتجاه من البيانات اليومية. ومن شأن الخيارات الأخرى لترتيب درجة الماجستير أن تؤدي عادة إلى تلوث تقديرات دورة الاتجاه بالموسمية في البيانات. مثال 6.2 تصنيع المعدات الكهربائية يبين الشكل 6.9 2 مرات 12-ما المطبقة على مؤشر أوامر المعدات الكهربائية. لاحظ أن الخط السلس لا يظهر موسمية وهو تقريبا نفس دورة الاتجاه هو مبين في الشكل 6.2 والتي تم تقديرها باستخدام طريقة أكثر تعقيدا بكثير من المتوسطات المتحركة. وأي خيار آخر لترتيب المتوسط ​​المتحرك (باستثناء 24 و 36 وما إلى ذلك) قد يؤدي إلى خط سلس يظهر بعض التقلبات الموسمية. مؤامرة 40 إليسيكيب، يلاب كوت أوامر جديدة إندكسكوت. كول كوغرايكوت، الرئيسية تصنيع المعدات الكهربائية (منطقة اليورو) كوت 41 خطوط 40 أماه 40 إليسيكيب، النظام 12 41. كول كوريدكوت 41 المتوسطات المتحركة المرجح مجموعات من المتوسطات المتحركة تؤدي إلى المتوسطات المتحركة المرجح. على سبيل المثال، 2x4-ما ناقش أعلاه يعادل 5-ما المرجحة مع الأوزان التي قدمها فراك، فراك، فراك، فراك، فراك. وبصفة عامة، يمكن كتابة m-M المرجح كقيمة t k k a y y حيث k (m-1) 2 وتعطى الأوزان بواسطة النقاط والنقاط أك. من المهم أن الأوزان مجموع المبلغ إلى واحد وأنها متماثلة بحيث آج a. و M-ما بسيط هو حالة خاصة حيث جميع الأوزان تساوي 1M. والميزة الرئيسية للمتوسطات المتحركة المرجحة هي أنها تعطي تقديرا أكثر سلاسة لدورة الاتجاه. بدلا من الملاحظات دخول وترك الحساب بالوزن الكامل، يتم زيادة وزنها ببطء ثم انخفض ببطء مما أدى إلى منحنى أكثر سلاسة. وتستخدم على نطاق واسع بعض مجموعات محددة من الأوزان. وترد بعض هذه في الجدول 6.3.عرض النافذة المتحركة يجب أن يكون عدد صحيح بين 1 و n خيارا لاختيار خوارزميات مختلفة C - نسخة مكتوبة في C. ويمكن التعامل مع عدد غير محدود مثل نانز و إنف (مثل متوسط (x، n. rm ترو)). يعمل أسرع ل إندروليمان. سريع - الثانية، حتى أسرع، C الإصدار. هذه الخوارزمية لا تعمل مع أرقام غير محدودة. كما أنه يعمل أسرع ل إندرول غير المتوسط. R - رمز أبطأ بكثير مكتوبة في R. مفيدة لتصحيح الأخطاء ووثائق. بالضبط - كما في C. إلا أنه يتم تنفيذ جميع الإضافات باستخدام خوارزمية تعقب وتصحيح إضافة أخطاء مستديرة من سلسلة الأحرف تشير إلى كيفية التعامل مع القيم في بداية ونهاية البيانات. ولا تتأثر إلا القيمتان الأولى والأخيرة من k2 في كلا الطرفين، حيث k2 هو عرض النطاق الترددي نصف k2 k 2. مين - يطبق الدالة الأساسية على أجزاء أصغر وأصغر من المصفوفة. يساوي: (i: 1: k2) أوتي مين (x1: (ik2)). يتم تنفيذ هذا الخيار في C إذا ألغك. وإلا يتم في R. تقليم - تقليم طول المخرجات طول المخرجات يساوي الطول (س) -2k2 (من أصل (k21) :( n-k2)). يحاكي هذا الخيار الناتج من تطبيق (تضمين (س، ك)، 1، يعني) وغيرها من المهام ذات الصلة. - ملء النهايات بأرقام من متجه x (أوت 1: k2 x1: k2) ثابت - ملئ النهايات بالقيمة الأولى والأخيرة المحسوبة في مصفوفة الإخراج (أوت 1: k2 outk21) نا - ملئ النهايات مع نا (out1: k2 نا ) فوك - نفس يعني ولكن إمبليمنتد في R. هذا الخيار يمكن أن يكون بطيئا جدا، ويتم تضمينها في الغالب لاختبار مماثلة ل إندرول في وظيفة رونمد الذي يحتوي على الخيارات التالية: لدكو ج (وسيط، والحفاظ على، ثابت) رديقو. حدد ما إذا كانت النتيجة (افتراضي)، محاذاة لليسار أو محاذاة لليمين. إذا إندرول يعني ثم ضبط محاذاة إلى اليسار أو اليمين سوف تعود مرة أخرى على أبطأ تنفيذ يعادل إندرويل فونك. وبغض النظر عن قيم النهاية، تكون نتيجة رونميان y (x، k) هي نفسها مثل لدكو ل (j (1k2) :( n-k2)) يمين (x (j-k2) :( jk2)) رديقو. وكان الحافز الرئيسي لكتابة هذه المجموعة من الوظائف بطء نسبي في غالبية وظائف النافذة المتحركة المتاحة في R وحزمها. باستثناء رونمد. تشغيل وظيفة الوسيط المتوسطة، جميع الوظائف المدرجة في انظر أيضا القسم أبطأ من لدكو غير فعالة جدا تطبيق (تضمين (س، ك)، 1، فان) رديقو النهج. السرعة النسبية لوظيفة رونمي هي O (n). الدالة إندرول تطبق إحدى الطرق الخمس (انظر الوسيطة إندرول) لمعالجة نقاط نهاية صفيف الإدخال x. في الإصدار الحالي من التعليمات البرمجية يتم حساب الخيار إندرولميان الافتراضي داخل رمز C. ويتم ذلك لتحسين السرعة في حالة النوافذ المتحركة الكبيرة. في حالة رونميان (ألجكساكت) وظيفة يتم استخدام خوارزمية خاصة (انظر قسم المراجع) للتأكد من أن أخطاء جولة لا تتراكم. ونتيجة لذلك رونمي هو أكثر دقة من مرشح (س، مندوب (1k، k)) و رونميان (ألغك) وظائف. لعرض متجه رقمي أو مصفوفة من نفس الحجم x. فقط في حالة إندرولتريم سوف تكون ناقلات الإخراج أقصر وسوف المصفوفات الانتاج لديها صفوف أقل. وظيفة رونميان (. ألجكساكت) يقوم على التعليمات البرمجية التي كتبها فاديم أوغرانوفيتش، والتي تقوم على رمز بايثون (انظر المرجع الأخير)، وأشار غابور غروثنديك. المراجع حول تصحيح الخطأ المستدير المستخدم في رونميان. شيوشوك، جوناثان التكيف الدقة العائمة نقطة الحساب وسريعة قوية هندسية المساند. www.2.cs. cmu. eduafscsprojectquakepublicpapersrobust-arithmetic. ps مزيد من المعلومات حول تصحيح الأخطاء المستديرة يمكن العثور عليها على العنوان التالي: aspn. activestateASPNCookbookPythonRecipe393090 روابط ذات صلة ب: موفينغ مين - مين. kernapply. منقي. تتحلل. المحكمة الخاصة بلبنان. رولمان من مكتبة حديقة الحيوان، وأجزاء من مكتبة السحر، وظائف نافذة تتحرك أخرى من هذه الحزمة: رونمين. runmax. runquantile. رونماد و رونمد رونمد تشغيل النوافذ العامة وظائف: تطبيق (تضمين (س، ك)، 1، فان) (أسرع)، تشغيل من حزمة غتولس (بطيئة للغاية لهذا الغرض)، يمكن أن مجموعات فرعية من مكتبة سحرية تشغيل تشغيل نافذة على البيانات مع أي أبعاد. حزمة كاتولس الإصدار 1.12 الفهرس