بى - حساب بسيط الحركة من المتوسط

موفينغ أفيراج كالكولاتور نظرا لقائمة من البيانات المتسلسلة، يمكنك بناء المتوسط ​​المتحرك n-بوينت (أو المتوسط ​​المتداول) من خلال إيجاد متوسط ​​كل مجموعة من النقاط n المتتالية. على سبيل المثال، إذا كان لديك مجموعة البيانات المطلوبة 10، 11، 11، 15، 13، 14، 12، 10، 11، المتوسط ​​المتحرك 4 نقاط هو 11.75، 12.5، 13.25، 13.5، 12.25، 11.75 يتم استخدام المتوسطات المتحركة لتسلسل البيانات المتسلسلة التي تجعل قمم حادة والانخفاضات أقل وضوحا لأن كل نقطة البيانات الخام يتم إعطاء فقط وزن كسري في المتوسط ​​المتحرك. كلما زادت قيمة n. وأكثر سلاسة الرسم البياني للمتوسط ​​المتحرك مقارنة مع الرسم البياني للبيانات الأصلية. وغالبا ما ينظر محللو الأسهم إلى المتوسطات المتحركة لبيانات أسعار الأسهم للتنبؤ بالاتجاهات ورؤية الأنماط بشكل أكثر وضوحا. يمكنك استخدام الآلة الحاسبة أدناه للعثور على متوسط ​​متحرك لمجموعة البيانات. عدد المصطلحات بمتوسط ​​متحرك بسيط n - Point إذا كان عدد المصطلحات في المجموعة الأصلية d وعدد المصطلحات المستخدمة في كل متوسط ​​هو n. فإن عدد المصطلحات في تسلسل المتوسط ​​المتحرك سيكون على سبيل المثال، إذا كان لديك تسلسل مكون من 90 سعر سهم واحتسب متوسط ​​المتداول المتحرك لمدة 14 يوما، سيكون متوسط ​​متوالية الدوران 90 - 14 1 77 نقطة. هذه الآلة الحاسبة يحسب المتوسطات المتحركة حيث يتم ترجيح جميع المصطلحات بالتساوي. يمكنك أيضا إنشاء المتوسطات المتحركة المرجحة التي تعطى بعض المصطلحات وزنا أكبر من غيرها. على سبيل المثال، إعطاء المزيد من الوزن للبيانات الحديثة، أو إنشاء متوسط ​​مرجح مركزي حيث يتم احتساب المصطلحات الوسطى أكثر. انظر مقاييس المتوسط ​​المتحرك المرجح وآلة حاسبة لمزيد من المعلومات. جنبا إلى جنب مع المتوسطات الحسابية المتحركة، ينظر بعض المحللين أيضا إلى المتوسط ​​المتحرك للبيانات المطلوبة لأن الوسيط غير متأثر بالمتغيرات الغريبة. إذا كنت تريد التحقق مما إذا كان هناك على سبيل المثال سلاسل فقط في مصفوفة، يمكنك استخدام مزيج من أرياسوم و أرايماب هكذا: فونكتيون أونليسترينغسيناراي (أر) ريتورن أرايسوم (أرايماب (إسترينغ. أر)) كونت (أر) ar1 أري (واحد، اثنان، ثلاثة) ar2 أري (فو بار. أري ()) ar3 أري (فو. أري ( )، شريط) ar4 مجموعة (أري) ()، فو. بار) فاردومب (أونليسترينغسيناراي (ar1)، أونليسترينغسيناراي (ar2)، أونليسترينغسيناراي (ar3)، أونليسترينغيناراي (ar4)) غ سوف تعطيك النتيجة التالية: بول (صحيح) بول (كاذبة) بول (كاذبة) بول (كاذبة) عندما كان لي مشكلة مماثلة، انتهى بي الأمر باستخدام جداول درجة الحرارة لمجموعة متنوعة من الأسباب، لكنه جعل هذا أسهل كثيرا ما فعلت تبدو مشابهة جدا لما تقوم به، كما بقدر ما يذهب المخطط. جعل المخطط شيء مثل هوية الهوية، بدء، نهاية، قيمة. عند تحديد، قم بتحديد متوسط ​​فرعي لل 20 السابق استنادا إلى معرف الهوية. لا تفعل ذلك إلا إذا وجدت نفسك تستخدم جداول درجة الحرارة لأسباب أخرى على الرغم من ذلك (لقد ضربت الصفوف نفسها مرارا وتكرارا لمقاييس مختلفة، لذلك كان من المفيد الحصول على مجموعة البيانات الصغيرة). في تجربتي، ميسكل اعتبارا من 5.5.x تميل إلى عدم استخدام الفهارس على اختيار التابعة، سواء الاستعلام الفرعي أو الانضمام. وهذا يمكن أن يكون له تأثير كبير جدا على الأداء حيث تتغير معايير اختيار التابعة على كل صف. المتوسط ​​المتحرك هو مثال لطلب بحث يقع ضمن هذه الفئة. قد يزيد وقت التنفيذ مع مربع الصفوف. لتجنب ذلك، اختار محرك قاعدة البيانات التي يمكن أن تؤدي فحوصات مفهرسة على اختيار تعتمد. أجد بوستجرس يعمل بشكل فعال لهذه المشكلة. أجاب على جول 2 14 في 8:01 يور أنسور 2017 ستاك إكسهانج، إنك