เฉลี่ยเคลื่อนที่ ทังสเตน

Wolfram ภาษาการเขียนโปรแกรมภาษาการเขียนโปรแกรมความรู้พื้นฐาน โครงสร้างพื้นฐาน Wolfram Cloud Central สำหรับบริการเสริมผลิตภัณฑ์ Wolframs cloud Wolfram วิทยาศาสตร์เทคโนโลยี - ทำให้วิทยาศาสตร์ของจักรวาลคำนวณ รูปแบบเอกสารที่สามารถแปลงเป็นข้อมูลได้ เครื่องยนต์ Wolfram Engine Engine ที่ใช้ภาษา Wolfram Wolfram Natural Language การทำความเข้าใจเกี่ยวกับความรู้พื้นฐานทางภาษาที่ใช้กันอย่างแพร่หลาย กรอบข้อมูลข้อมูล Wolfram กรอบความหมายสำหรับข้อมูลในโลกแห่งความจริง ระบบนำร่อง Wolfram Universal ใช้งานได้ทันทีผ่านระบบคลาวด์เดสก์ท็อปมือถือและอื่น ๆ Wolfram Knowledgebase ความรู้ที่สามารถคำนวณได้ curated WolframAlpha กลุ่มกระดานข้อความบทคัดย่อฉันพยายามเรียบ histogram 3D โดยใช้ค่าเฉลี่ยเคลื่อนที่ใน mathematica ฉันรู้ว่ามีฟังก์ชันที่เรียกว่า smoothhistogram3D ซึ่งใกล้เคียงกับสิ่งที่ฉันต้องการ แต่ดูเหมือนว่าจะมีเพียงตัวเลือกในการใช้ฟังก์ชันการแจกแจงเพื่อให้เส้นโค้งเรียบ ฉันสามารถสร้างฟังก์ชันสำหรับการปรับโฉมฮิสโตแกรม 2D โดยปรับเปลี่ยนคำตอบ stackoverflow นี้เพื่อรวม interpolationOrder และคุณลักษณะเฉลี่ยเคลื่อนที่ ฉันพยายามที่จะขยายไปสู่มิติที่ 3 โดยใช้รหัสด้านล่าง แต่ไม่ได้ประสบความสำเร็จ อย่างไรก็ตามฟังก์ชัน 3D จะแสดงภาพนี้โดยใช้ชุดข้อมูลของฉัน: imgurMJeBbwW ฉันลองใช้วิธีการที่คล้ายคลึงกับนี้ก่อนยกเว้นมีตัวเลือกในการทำให้เรียบโดยใช้ค่าเฉลี่ยเคลื่อนที่: อย่างไรก็ตามจะแสดงผลภาพเช่นนี้ฉันต้องการชุดข้อมูล ที่ใกล้เคียงกับการแสดงผลของ smoothhistogram3D แต่มีตัวเลือกในการปรับให้เรียบโดยมีค่าเฉลี่ยเคลื่อนที่ มีคำแนะนำใดมีวิธีง่ายๆ Im ไม่ทราบขออภัยฉันรู้รหัสโดยเฉพาะชิ้นที่สองเป็นแทบอ่าน. Im ใหม่เพื่อ mathematica และเป็นเพียงการพยายามที่จะได้รับมันในการทำงาน นี่เป็นครั้งแรกที่ฉันโพสต์ข้อมูลใน stack overflow ดังนั้นโปรดให้เหตุผลใด ๆ ที่มีการจัดรูปแบบหรือข้อผิดพลาดประวัติความเป็นมาและความเป็นมาก่อนเริ่มใช้ค่าเฉลี่ยเคลื่อนที่นักวิเคราะห์ทางเทคนิคกำลังใช้ค่าเฉลี่ยเคลื่อนที่อยู่ในช่วงหลายทศวรรษ พวกเขาแพร่หลายมากในงานของเราซึ่งส่วนใหญ่ไม่ทราบว่าพวกเขามาจากไหน Statisticians จัดหมวดหมู่ Moving Averages เป็นส่วนหนึ่งของเครื่องมือสำหรับครอบครัวสำหรับการวิเคราะห์ข้อมูลแบบ ldquoTime ผลการวิเคราะห์ความแปรปรวนค่าความแปรปรวนค่าความแปรปรวนค่าความแปรปรวนค่าความแปรปรวนค่าความแปรปรวนค่าความแปรปรวนค่าความเป็นไปได้สูงสุดค่าเฉลี่ยการเคลื่อนที่การคำนวณค่าความแปรปรวนค่าความแปรปรวน คุณสามารถอ่านเพิ่มเติมเกี่ยวกับแต่ละข้อและคำจำกัดความเหล่านี้ได้ที่ Wolfram การพัฒนา lverquomoving averagerdquo ย้อนหลังไปถึงปี 1901 แม้ว่าจะใช้ชื่อนี้ในภายหลัง จากนักประวัติศาสตร์คณิตศาสตร์ Jeff Miller: การย้ายโดยเฉลี่ย เทคนิคนี้สำหรับการทำให้จุดข้อมูลที่ราบรื่นถูกใช้มานานหลายทศวรรษก่อนหน้านี้หรือใช้คำทั่วไปใด ๆ ในปีค. ศ. 1909 GU Yule (วารสารของ Royal Society สถิติ 72, 721-730) ได้อธิบายถึงการที่ ldquoinstantaneous averagesrdquo RH Hooker คำนวณในปีค. ศ. 1901 เมื่อ ldquomoving-averages. rdquo Yule ไม่ได้ใช้คำในตำราเรียนของเขา แต่มันเข้าสู่การไหลเวียนผ่าน WI Kingrsquos องค์ประกอบของวิธีการทางสถิติ (1912) ldquoMoving averagerdquo หมายถึงประเภทของกระบวนการ stochastic คือตัวย่อของ H. Woldrsquos ldquoprocess ของการย้าย averagerdquo (การศึกษาในการวิเคราะห์เครื่องเขียนแบบเวลา (1938)) Wold อธิบายวิธีการกรณีพิเศษของกระบวนการได้รับการศึกษาในปี ค. ศ. 1920 โดยเทศกาลคริสต์มาส (ในการเชื่อมต่อกับคุณสมบัติของวิธีการที่แตกต่างกันความแตกต่างวิธีการ) และ Slutsky John Aldrich จาก StatSoft อิงค์มีคำอธิบายของ Exponential Smoothing นี้ ซึ่งเป็นหนึ่งในหลายเทคนิคสำหรับการถ่วงน้ำหนักข้อมูลที่ผ่านมาแตกต่างกัน: การทำให้เรียบโดยใช้ ldquoExponential ได้รับความนิยมอย่างมากเนื่องจากเป็นวิธีการคาดการณ์สำหรับข้อมูลชุดข้อมูลที่หลากหลาย ในอดีตวิธีการได้รับการพัฒนาโดยอิสระโดย Robert Goodell Brown และ Charles Holt บราวน์ทำงานให้กับกองทัพเรือสหรัฐฯในช่วงสงครามโลกครั้งที่สองซึ่งเขามอบหมายให้ออกแบบระบบติดตามข้อมูลการควบคุมเพลิงเพื่อคำนวณตำแหน่งของเรือดำน้ำ ต่อมาเขาใช้เทคนิคนี้เพื่อคาดการณ์ความต้องการอะไหล่ (ปัญหาการควบคุมสินค้าคงคลัง) เขาอธิบายแนวคิดเหล่านั้นในหนังสือการควบคุมสินค้าคงคลังของเขาในปีพ. ศ. 2502 การวิจัยของ Holtrsquos ได้รับการสนับสนุนจาก Office of Naval Research โดยอิสระเขาได้พัฒนาแบบจำลองการทำให้เรียบเรียบขึ้นสำหรับกระบวนการที่คงที่กระบวนการที่มีแนวโน้มเชิงเส้นและข้อมูลตามฤดูกาลข้อมูล Holtrsquos กระดาษฤดูกาลและแนวโน้มโดยการคำนวณแบบถ่วงน้ำหนักแบบถ่วงน้ำหนัก Averagesrdquo ได้รับการตีพิมพ์ในปีพ. ศ. 2500 ใน O. N.R. บันทึกข้อตกลงการวิจัย 52 สถาบันเทคโนโลยีคาร์เนกี้ ไม่มีออนไลน์ไม่มีค่าใช้จ่าย แต่อาจเข้าถึงได้โดยผู้ที่สามารถเข้าถึงแหล่งข้อมูลทางวิชาการได้ ความรู้ของเรา P. N. (Pete) Haurlan เป็นคนแรกที่ใช้การเพิ่มประสิทธิภาพแบบเสวนาเพื่อติดตามราคาหุ้น Haurlan เป็นนักวิทยาศาสตร์จรวดจริงที่ทำงานให้กับ JPL ในช่วงต้นทศวรรษ 1960 และทำให้เขาสามารถเข้าถึงคอมพิวเตอร์ได้ เขาไม่ได้เรียกพวกเขาว่าเป็นค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ย (EMA) rdquo หรือค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักแบบถ่วงน้ำหนักตามหลักเกณฑ์ทางคณิตศาสตร์ (EWMA) rdquo แต่เขาเรียกพวกเขาว่า ldquoTrend Valuesrdquo และเรียกพวกเขาด้วยค่าคงที่ที่ราบเรียบของพวกเขา ดังนั้นสิ่งที่วันนี้เรียกกันทั่วไปว่า EMA 19 วันเขาเรียกว่า ldquo10 Trendrdquo เนื่องจากคำศัพท์ของเขาเป็นต้นฉบับสำหรับการใช้งานดังกล่าวในการติดตามราคาหุ้นนั่นคือเหตุผลที่เรายังคงใช้คำศัพท์ดังกล่าวในการทำงานของเราต่อไป Haurlan เคยใช้ EMA ในการออกแบบระบบติดตามสำหรับจรวดซึ่งอาจเป็นเช่นต้องดักจับวัตถุเคลื่อนที่เช่นดาวเทียมดาวเคราะห์ ฯลฯ หากเส้นทางไปยังเป้าหมายถูกปิดการป้อนข้อมูลบางประเภทจะต้องถูกนำมาใช้ ไปยังกลไกการขับขี่ แต่พวกเขาไม่ต้องการหักล้างหรือหักล้างการป้อนข้อมูลนั้นและอาจกลายเป็นไม่เสถียรหรือไม่สามารถพลิกกลับได้ ดังนั้นการจัดเรียงข้อมูลที่ถูกต้องของข้อมูลจึงเป็นประโยชน์ Haurlan เรียกว่า ldquoProportional Controlrdquo ซึ่งหมายความว่ากลไกของพวงมาลัยจะไม่พยายามปรับความผิดพลาดในการติดตามทั้งหมดในครั้งเดียว EMA ง่ายกว่าที่จะทำเป็นวงจรอะนาล็อกในตอนต้นมากกว่าตัวกรองชนิดอื่น ๆ เนื่องจากต้องใช้ข้อมูลตัวแปรเพียง 2 ชิ้นคือค่าอินพุตปัจจุบัน (เช่นราคาตำแหน่งมุม ฯลฯ ) และค่า EMA ก่อนหน้า ค่าคงที่การปรับให้ราบเรียบอาจเป็นไปได้ยากที่จะต่อเข้ากับวงจรดังนั้น ldquomemoryrdquo จะต้องติดตามทั้งสองตัวแปรเท่านั้น ในทางกลับกันค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายจะต้องมีการติดตามค่าทั้งหมดภายในระยะเวลาการมองย้อนกลับ ดังนั้น 50-SMA จะหมายถึงการติดตามข้อมูล 50 จุดแล้วเฉลี่ยพวกเขา มีความสามารถในการประมวลผลมากขึ้น ดูเพิ่มเติมเกี่ยวกับ EMAs เทียบกับค่าเฉลี่ยเคลื่อนที่แบบธรรมดา (SMA) ที่ Exponential Versus Simple Haurlan ก่อตั้งจดหมายข่าวระดับการค้าในช่วงทศวรรษที่ 1960 โดย JPL ให้ผลงานที่ร่ำรวยมากขึ้น จดหมายข่าวของเขาเป็นผู้สนับสนุนรายการ Charting The Market ใน KWHY-TV ในลอสแอนเจลิสซึ่งเป็นรายการโทรทัศน์ TA ครั้งแรกที่จัดทำโดย Gene Morgan ผลงานของ Haurlan และ Morgan เป็นส่วนสำคัญในการสร้างแรงบันดาลใจเบื้องหลังการพัฒนา McClellan Oscillator และ Summation Index ซึ่งเกี่ยวข้องกับการทำให้ข้อมูล Advance-Decline ราบเรียบขึ้นเรื่อย ๆ คุณสามารถอ่านหนังสือเล่มเล็ก 1968 ที่เรียกว่า Measuring Trend Values ​​ซึ่งเผยแพร่โดย Haurlan เริ่มต้นที่หน้า 8 ของ MTA Award Handout ซึ่งเราได้จัดเตรียมไว้สำหรับผู้เข้าร่วมประชุมในการประชุม MTA ประจำปี 2547 ที่เชอร์แมนและมาเรียนได้รับรางวัล MTArsquos Lifetime Achievement Award Haurlan ไม่ได้ระบุถึงต้นกำเนิดของเทคนิคทางคณิตศาสตร์ แต่ทราบว่าได้มีการนำมาใช้ในด้านวิศวกรรมการบินและอวกาศเป็นเวลาหลายปีแล้วภาษาการเขียนโปรแกรมภาษาการปฏิวัติภาษา Wolfram โครงสร้างพื้นฐาน Wolfram Cloud Central สำหรับบริการเสริมผลิตภัณฑ์ Wolframs cloud Wolfram วิทยาศาสตร์เทคโนโลยี - ทำให้วิทยาศาสตร์ของจักรวาลคำนวณ รูปแบบเอกสารที่สามารถแปลงเป็นข้อมูลได้ เครื่องยนต์ Wolfram Engine Engine ที่ใช้ภาษา Wolfram Wolfram Natural Language การทำความเข้าใจเกี่ยวกับความรู้พื้นฐานทางภาษาที่ใช้กันอย่างแพร่หลาย กรอบข้อมูลข้อมูล Wolfram กรอบความหมายสำหรับข้อมูลในโลกแห่งความจริง ระบบนำร่อง Wolfram Universal ใช้งานได้ทันทีผ่านระบบคลาวด์เดสก์ท็อปมือถือและอื่น ๆ Wolfram Knowledgebase ความรู้ที่สามารถคำนวณได้ curated WolframAlpha กลุ่มข้อความของกลุ่มบทคัดย่อ