การย้าย ค่าเฉลี่ย ข้อมูล จุด

ค่าเฉลี่ยเคลื่อนที่ตัวอย่างนี้สอนวิธีคำนวณค่าเฉลี่ยเคลื่อนที่ของชุดเวลาใน Excel ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อทำให้เกิดความผิดปกติ (ยอดเขาและหุบเขา) เพื่อรับรู้แนวโน้มได้ง่ายขึ้น 1. ขั้นแรกให้ดูที่ซีรี่ส์เวลาของเรา 2. ในแท็บข้อมูลคลิกการวิเคราะห์ข้อมูล หมายเหตุ: ไม่สามารถหาปุ่ม Data Analysis คลิกที่นี่เพื่อโหลด Add-in Analysis ToolPak 3. เลือก Moving Average และคลิก OK 4. คลิกที่กล่อง Input Range และเลือกช่วง B2: M2 5. คลิกที่ช่อง Interval และพิมพ์ 6. 6. คลิกที่ Output Range box และเลือก cell B3 8. วาดกราฟของค่าเหล่านี้ คำอธิบาย: เนื่องจากเราตั้งค่าช่วงเป็น 6 ค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยของ 5 จุดข้อมูลก่อนหน้าและจุดข้อมูลปัจจุบัน เป็นผลให้ยอดเขาและหุบเขาจะเรียบออก กราฟแสดงแนวโน้มที่เพิ่มขึ้น Excel ไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับจุดข้อมูล 5 จุดแรกได้เนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้เพียงพอ 9. ทำซ้ำขั้นตอนที่ 2 ถึง 8 สำหรับช่วงที่ 2 และช่วงที่ 4 ข้อสรุป: ช่วงที่ใหญ่กว่ายอดเนินและหุบเขาจะยิ่งเรียบขึ้น ระยะห่างที่สั้นกว่าค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่จะเท่ากับจุดข้อมูลที่เกิดขึ้นจริงฉันกำลังเล่นใน Python อีกครั้งและฉันพบหนังสือเล่มเล็ก ๆ ที่มีตัวอย่าง หนึ่งในตัวอย่างคือการวางแผนข้อมูลบางอย่าง ฉันมีไฟล์. txt ที่มีสองคอลัมน์และฉันมีข้อมูล ฉันวางแผนข้อมูลได้ดี แต่ในการออกกำลังกายกล่าวว่า: ปรับเปลี่ยนโปรแกรมของคุณต่อไปเพื่อคำนวณและพล็อตค่าเฉลี่ยของการทำงานของข้อมูลที่กำหนดโดย: ที่ r5 ในกรณีนี้ (และ yk เป็นคอลัมน์ที่สองในแฟ้มข้อมูล) . ให้โปรแกรมคำนวณทั้งข้อมูลต้นฉบับและค่าเฉลี่ยในกราฟเดียวกัน จนถึงฉันมีนี้: ดังนั้นฉันจะคำนวณผลรวมใน Mathematica ง่ายเนื่องจากการจัดการสัญลักษณ์ของ (Sumi เช่น) แต่วิธีการคำนวณผลรวมในหลามซึ่งจะมีทุกสิบคะแนนในข้อมูลและค่าเฉลี่ยนั้นและไม่ให้ จนถึงจุดสิ้นสุดของจุดที่ฉันมองไปที่หนังสือ แต่พบว่าไม่มีอะไรที่จะอธิบายนี้รหัส heltonbikers ทำเคล็ดลับ: D ขอบคุณมาก :) มีปัญหากับคำตอบที่ยอมรับ ฉันคิดว่าเราต้องใช้ที่ถูกต้องแทนเหมือนกันที่นี่ - กลับ numpy. convolve (ช่วงหน้าต่างเดียวกัน) เป็นตัวอย่างลอง MA ของชุดข้อมูลนี้ 1,5,7,2,6,7,8,2,2,7,8,3,7,3,7,3,15,6 - ผล ควรเป็น 4.2.5.4,6.0,5.0,5.0,5.2,5.4,4.4,5.4,5.6,5.6,4.6,7.0,6.8 แต่มีเหมือนกันทำให้เราได้ผลลัพธ์ที่ไม่ถูกต้องของ 2.6.3.0,4.2,5.4,6.0,5.0,5.0,5.2,5.4,4.4,5.4,5.6,5.6, 4.6.7.0,6.8,6.2.4.8 รหัส Rusty เพื่อทดลองใช้งานนี้ - ลองใช้แอมป์ที่ถูกต้องและดูว่าคณิตศาสตร์เหมาะสมหรือไม่ ตอบ 29 ต. ค. 14 ที่ 4:27 Haven พยายามลองนี้ แต่ฉันจะมองเข้าไปในนั้นมันเป็นช่วงเวลาที่ฉันได้เขียนโค้ดไว้ใน Python แล้ว ทำไมคุณถึงลองออกมาด้วยโค้ดสนิม (และตัวอย่างข้อมูลชุด (เป็นรายการง่ายๆ) ฉันโพสต์สำหรับบางคนขี้เกียจ (เช่นฉันได้เป็นครั้งแรก) - มาสก์ออกความจริงที่ว่าค่าเฉลี่ยเคลื่อนที่ไม่ถูกต้องอาจเป็นคุณควรพิจารณาแก้ไขคำตอบเดิมของคุณฉันพยายามมันเมื่อวานนี้และตรวจสอบสองบันทึกฉันหน้าจากมองไม่ดีในการรายงานถึงระดับ Cxo สิ่งที่คุณต้องทำคือการพยายาม ค่าเฉลี่ยเคลื่อนที่ของคุณครั้งเดียวกับ quotvalidquot และเวลาอื่น ๆ ที่มี quotsamequot - และเมื่อคุณมีความเชื่อมั่นให้ฉันรักบาง (aka-up-vote) ndash ekta 29 ต. ค. 14 ที่ 7: 16whuber ขอบคุณมากสำหรับการมองฉันมี 2,000 จุด จุดแรกของ MA น่าจะเป็นค่าเฉลี่ยของจุดเริ่มต้นที่ 30 จุดแรกความถูกต้องเป็นอันดับที่สองของผลลัพธ์ที่ถูกต้องโดยทั่วไปการคาดเดาที่ดีที่สุดโดยเฉพาะที่จุดยอดมากที่สุดคุณสามารถแนะนำวิธีง่ายๆได้หรือไม่ขอบคุณล่วงหน้า ndash user16679 Aug 20 13 at 20:26 ดิฉันพยายามเอาอะไรที่คนพเนจรเข้ามา เพื่อตอบ สมมติว่าคุณมีเวกเตอร์ขนาดใหญ่ mathbf x กับ n2000 รายการ ถ้าคุณคำนวณค่าเฉลี่ยเคลื่อนที่ที่มีหน้าต่างยาว ell30 คุณสามารถเขียนข้อมูลนี้เป็นเวคเตอร์เมทริกซ์คูณ mathbf y Amathbf x ของเวกเตอร์ mathbf x กับเมทริกซ์ Afrac ด้านซ้าย (เริ่มแอมป์ 1 amp 1 amp 0 amp amp 0 0 แอมป์ 1 แอมป์แอมป์ 1 amp 0 แอมป์ vdots amp amp ddots amp amp amp vdots 0 แอมป์ amp 1 amp amp 1 amp 0 amp amp 0 amp 1 amp amp amp 1 end ขวา) ซึ่งมี 30 ตัวที่ขยับ ผ่านไปเรื่อย ๆ จนแถว 30 คนเข้าสู่จุดสิ้นสุดของเมทริกซ์ ที่นี่ vector เวกเตอร์เฉลี่ยมีขนาด 1970 เมทริกซ์มีแถว 1970 และ 2000 ดังนั้นจึงไม่สามารถเปลี่ยนแปลงได้ ถ้าคุณไม่คุ้นเคยกับเมทริกซ์ให้คิดว่ามันเป็นสมการเชิงเส้น: คุณกำลังค้นหาตัวแปร x1 x ดังกล่าวว่าค่าเฉลี่ยมากกว่าผลตอบแทนแรกที่สาม y1 ค่าเฉลี่ยมากกว่าผลตอบแทนที่สองสามสิบ y2 และอื่น ๆ ปัญหาเกี่ยวกับสมการ (และเมทริกซ์) คือว่ามีสมบัติที่ไม่รู้จักมากกว่าสมการ ดังนั้นคุณจะไม่สามารถระบุตัวตนที่ไม่รู้จักของคุณได้อย่างเฉพาะเจาะจง x1 xn เหตุผลที่ใช้งานง่ายคือการที่คุณหลวมมิติในขณะที่เฉลี่ยเพราะสามมิติแรกของ mathbf x dont ได้รับองค์ประกอบที่สอดคล้องกันใน mathbf y เนื่องจากคุณไม่สามารถเปลี่ยนหน้าต่างเฉลี่ยด้านนอก mathbf x วิธีหนึ่งที่จะทำให้หรือเทียบเท่าสมการสมการแก้ปัญหาคือสมการที่จะเกิดขึ้นอีก 30 สมการ (หรืออีก 30 แถวสำหรับ A) ซึ่งจะให้ข้อมูลเพิ่มเติม (เป็นเส้นตรงกับแถวอื่น ๆ ทั้งหมดของ A) อีกวิธีหนึ่งอาจจะง่ายกว่าคือการใช้ Adagger pseudoinverse ของ A. สร้างเวกเตอร์ mathbf z Adaggermathbf y ซึ่งมีขนาดเดียวกับ mathbf x และมีคุณสมบัติที่ลดระยะห่างระหว่าง mathbf y และ Amathbf z (ดู วิกิพีเดีย) นี้ดูเหมือนจะทำงานได้ดีทีเดียว นี่คือตัวอย่างที่ฉันดึง 2000 ตัวอย่างจากการแจกแจง Gaussian เพิ่มห้าเฉลี่ยพวกเขาและสร้าง mathbf x ผ่านทาง pseudoinverse โปรแกรมตัวเลขจำนวนมากเสนอการผกผันแบบหลอก (เช่น Matlab, Numpy ใน Python ฯลฯ ) นี่จะเป็นรหัสหลามในการสร้างสัญญาณจากตัวอย่างของฉัน: หวังว่า helps. Add แนวโน้มหรือย้ายเส้นค่าเฉลี่ยไปเป็นแผนภูมินำไปใช้กับ: Excel 2016 Word 2016 PowerPoint 2016 Excel 2013 Word 2013 Outlook 2013 PowerPoint 2013 เพิ่มเติม น้อยกว่าเพื่อแสดงแนวโน้มข้อมูลหรือค่าเฉลี่ยเคลื่อนที่ในแผนภูมิที่คุณสร้างขึ้น คุณสามารถเพิ่มเส้นแนวโน้มได้ นอกจากนี้คุณยังสามารถขยายเส้นแนวโน้มเกินกว่าข้อมูลจริงของคุณเพื่อช่วยในการคาดการณ์ค่าในอนาคต ตัวอย่างเช่นเส้นแนวโน้มดังต่อไปนี้คาดการณ์ล่วงหน้า 2 ไตรมาสและแสดงให้เห็นชัดเจนว่ามีแนวโน้มสูงขึ้นซึ่งน่าจะเป็นไปได้สำหรับการขายในอนาคต คุณสามารถเพิ่มเส้นแนวโน้มลงในแผนภูมิ 2 มิติที่ไม่ได้ถูกจัดวางรวมทั้งพื้นที่แถบเส้นคอลัมน์สต็อกการกระจายและฟองอากาศ คุณไม่สามารถเพิ่มเส้นแนวโน้มลงในแผนภูมิแบบวง, 3 มิติ, เรดาร์, พาย, พื้นผิวหรือโดนัท เพิ่มเส้นแนวโน้มบนแผนภูมิของคุณคลิกชุดข้อมูลที่คุณต้องการเพิ่มเส้นแนวโน้มหรือค่าเฉลี่ยเคลื่อนที่ เส้นแนวโน้มจะเริ่มต้นที่จุดข้อมูลแรกของชุดข้อมูลที่คุณเลือก ทำเครื่องหมายที่ช่อง Trendline หากต้องการเลือกเส้นแนวโน้มประเภทอื่นให้คลิกลูกศรถัดจากเส้นแนวโน้ม แล้วคลิกเลขชี้กำลัง พยากรณ์เชิงเส้น หรือสองค่าเฉลี่ยเคลื่อนที่ระยะเวลา สำหรับเส้นแนวโน้มเพิ่มเติมคลิกตัวเลือกเพิ่มเติม หากคุณเลือก More Options คลิกตัวเลือกที่คุณต้องการในบานหน้าต่าง 'รูปแบบเส้นขอบ' ภายใต้ตัวเลือกของ Trendline ถ้าคุณเลือกพหุนาม ป้อนพลังงานสูงสุดสำหรับตัวแปรอิสระในกล่องคำสั่งซื้อ หากเลือก Moving Average ป้อนจำนวนงวดที่จะใช้ในการคำนวณค่าเฉลี่ยเคลื่อนที่ในช่องงวด คำแนะนำ: เส้นแนวโน้มมีความถูกต้องที่สุดเมื่อค่า R-squared (ตัวเลขตั้งแต่ 0 ถึง 1 แสดงให้เห็นว่าค่าประมาณสำหรับเส้นแนวโน้มใกล้เคียงกับข้อมูลที่แท้จริงของคุณมากแค่ไหน) อยู่ที่หรือใกล้เคียง 1. เมื่อคุณเพิ่มเส้นแนวโน้มลงในข้อมูลของคุณ , Excel จะคำนวณค่า R-squared โดยอัตโนมัติ คุณสามารถแสดงค่านี้ในแผนภูมิของคุณได้โดยการตรวจสอบค่า Display R-squared ในกล่องแผนภูมิ (แผงเส้นแนวโน้มรูปแบบตัวเลือก Trendline) คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับตัวเลือกเส้นแนวโน้มทั้งหมดในส่วนด้านล่าง เส้นแนวโน้มเชิงเส้นใช้เส้นแบบนี้เพื่อสร้างเส้นตรงที่ดีที่สุดสำหรับชุดข้อมูลเชิงเส้นอย่างง่าย ข้อมูลของคุณเป็นเส้นตรงถ้ารูปแบบในจุดข้อมูลมีลักษณะเป็นเส้น เส้นแนวโน้มจะแสดงให้เห็นว่ามีบางอย่างที่เพิ่มขึ้นหรือลดลงในอัตราที่คงที่ เส้นตรงใช้สมการนี้ในการคำนวณสมการกำลังสองอย่างน้อยที่สุดสำหรับเส้น: โดย m คือความลาดชันและ b คือการสกัดกั้น เส้นแสดงแนวโน้มต่อไปนี้แสดงให้เห็นว่ายอดขายตู้เย็นเพิ่มขึ้นอย่างต่อเนื่องตลอดระยะเวลา 8 ปี สังเกตว่าค่า R-squared (ตัวเลขตั้งแต่ 0 ถึง 1 แสดงให้เห็นว่าค่าประมาณสำหรับเส้นแนวโน้มใกล้เคียงกับข้อมูลจริงของคุณมากน้อยแค่ไหน) เป็น 0.9792 ซึ่งเป็นเส้นที่เหมาะสมกับข้อมูล เส้นโค้งที่พอดีกับเส้นโค้งที่ดีที่สุดเส้นแนวโน้มนี้จะเป็นประโยชน์เมื่ออัตราการเปลี่ยนแปลงข้อมูลเพิ่มขึ้นหรือลดลงอย่างรวดเร็วและลดระดับลง เส้นค่าลอการิทึมสามารถใช้ค่าลบและค่าบวกได้ เส้นรอบวงลอการิทึมใช้สมการนี้ในการคำนวณสมการสี่เหลี่ยมที่เล็กที่สุดผ่านจุด: c และ b เป็นค่าคงที่และ ln เป็นฟังก์ชันลอการิทึมธรรมชาติ เส้นค่าลอการิทึมต่อไปนี้แสดงการเติบโตของประชากรที่คาดการณ์ไว้ของสัตว์ในพื้นที่ว่างคงที่โดยที่ประชากรลดลงเป็นพื้นที่สำหรับสัตว์ลดลง โปรดทราบว่าค่า R-squared เท่ากับ 0.933 ซึ่งเป็นเส้นที่เหมาะสมกับข้อมูล เส้นแนวโน้มนี้มีประโยชน์เมื่อข้อมูลของคุณผันผวน ตัวอย่างเช่นเมื่อคุณวิเคราะห์ผลกำไรและขาดทุนจากชุดข้อมูลขนาดใหญ่ ลำดับของพหุนามสามารถกำหนดได้จากจำนวนความผันผวนของข้อมูลหรือจำนวนโค้ง (เนินเขาและหุบเขา) ปรากฏในเส้นโค้ง โดยปกติคำสั่ง Order 2 polynomial trendline มีเพียงเนินเขาหรือหุบเขาคำสั่ง Order 3 มีภูเขาหรือหุบเขาหนึ่งหรือสองแห่งและลำดับที่ 4 มีถึง 3 เนินหรือหุบเขา เส้นรอบวงหรือ curvilinear trendline ใช้สมการนี้ในการคำนวณสมการอย่างน้อยสี่เหลี่ยมผ่านจุด: ที่ b และเป็นค่าคงที่ พหุนามสองสายสั่งซื้อ (หนึ่งเนิน) แสดงความสัมพันธ์ระหว่างความเร็วในการขับขี่และการสิ้นเปลืองน้ำมันเชื้อเพลิง สังเกตว่าค่า R-squared เท่ากับ 0.979 ซึ่งใกล้เคียงกับ 1 ดังนั้นเส้นจะพอดีกับข้อมูล แสดงเส้นโค้งเส้นแนวโน้มนี้มีประโยชน์สำหรับชุดข้อมูลที่เปรียบเทียบการวัดที่เพิ่มขึ้นในอัตราเฉพาะ ตัวอย่างเช่นการเร่งความเร็วของรถแข่งในช่วงเวลา 1 วินาที คุณไม่สามารถสร้างเส้นแนวโน้มกำลังได้ถ้าข้อมูลของคุณมีค่าเป็นศูนย์หรือค่าลบ เส้นกำลังกำลังใช้สมการนี้เพื่อคำนวณสมการกำลังสองอย่างน้อยที่สุดผ่านจุด: c และ b เป็นค่าคงที่ หมายเหตุ: ตัวเลือกนี้จะใช้ไม่ได้เมื่อข้อมูลของคุณมีค่าเป็นลบหรือเป็นศูนย์ แผนภูมิวัดระยะทางต่อไปนี้แสดงระยะทางเป็นหน่วยเป็นวินาที เส้นแรงที่แสดงให้เห็นถึงการเพิ่มขึ้นอย่างรวดเร็ว โปรดทราบว่าค่า R-squared เท่ากับ 0.986 ซึ่งเป็นเส้นที่สมบูรณ์แบบเกือบทั้งหมดของข้อมูล แสดงเส้นโค้งเส้นแนวโน้มนี้มีประโยชน์เมื่อค่าข้อมูลเพิ่มขึ้นหรือลดลงอย่างต่อเนื่องตามอัตราที่เพิ่มขึ้น คุณไม่สามารถสร้างเส้นแสดงแนวโน้มเป็นตัวเลขได้หากข้อมูลของคุณมีค่าเป็นศูนย์หรือค่าลบ เสนเสนยอยใชสมการนี้เพื่อคํานวณสมการสแควรอยางนอยที่สุดโดยที่จุด c และ b เปนคาคงที่และ e เปนฐานของลอการิทึมตามธรรมชาติ เส้นแสดงเส้นโครงร่างต่อไปนี้แสดงถึงปริมาณคาร์บอน 14 ที่ลดลงในวัตถุเมื่ออายุมากขึ้น โปรดทราบว่าค่า R-squared เท่ากับ 0.990 ซึ่งหมายความว่าเส้นตรงกับข้อมูลเกือบสมบูรณ์ เส้นแนวโน้มการเคลื่อนที่เฉลี่ยแนวโน้มนี้จะแสดงถึงความผันผวนของข้อมูลเพื่อแสดงรูปแบบหรือแนวโน้มที่ชัดเจนขึ้น ค่าเฉลี่ยเคลื่อนที่จะใช้จำนวนจุดข้อมูลที่ระบุ (กำหนดโดยตัวเลือก Period) โดยให้ค่าเฉลี่ยโดยเฉลี่ยและใช้ค่าเฉลี่ยเป็นจุดในบรรทัด ตัวอย่างเช่นถ้ากำหนดระยะเวลาเป็น 2 ค่าเฉลี่ยของจุดข้อมูลสองจุดแรกจะใช้เป็นจุดแรกในเส้นแนวโน้มเฉลี่ยเคลื่อนไหว ค่าเฉลี่ยของจุดข้อมูลที่สองและสามใช้เป็นจุดที่สองในเส้นแนวโน้ม ฯลฯ เส้นแนวโน้มค่าเฉลี่ยเคลื่อนที่ใช้สมการนี้: จำนวนจุดในเส้นแนวโน้มเฉลี่ยเคลื่อนที่เท่ากับจำนวนจุดทั้งหมดในชุดลบด้วย หมายเลขที่คุณระบุสำหรับงวด ในแผนภูมิกระจายเส้นแนวโน้มจะขึ้นอยู่กับลำดับของค่า x ในแผนภูมิ สำหรับผลลัพธ์ที่ดีขึ้นให้จัดเรียงค่า x ก่อนที่จะเพิ่มค่าเฉลี่ยเคลื่อนที่ เส้นค่าเฉลี่ยเคลื่อนที่เฉลี่ยต่อไปนี้แสดงรูปแบบจำนวนบ้านที่ขายในช่วง 26 สัปดาห์