Unregelmäßig Gleitender Durchschnitt

Ich versuche zu graben einige Metriken, die aussehen, wie zuverlässig Clients eine Verbindung zu einem Service. Die Rohdaten sind in Form von Client A, kam online offline zum Zeitpunkt X Die Verbindung ist sehr unzuverlässig, und ich möchte eine Art von gleitenden Durchschnitt Um zu zeigen, ob die Verbindung sich verbessert oder nicht im Laufe der Zeit Clients sind nicht immer verbunden, also einfach nur offline gehen bedeutet nicht, dass es ein Fehler ist. Bisher habe ich dann Daten genommen und einige Annahmen angewendet, um es zu vereinfachen, ich nehme an, wenn a Client wieder verbindet innerhalb einer Minute der Trennung dann das ist ein Fehler Diese I ve modelliert als eine einfache impluses, dh Client A hatte Fehler in der Zeit X. Der Teil, den ich kämpfen mit ist, wie man diese Handlung in einen gleitenden Durchschnitt, den ich mit spielen R, um die Zahlen zu knacken. Ich glaube, ich sollte in der Lage sein, dies mit einem Tiefpass-Filter zu tun, oder verwenden Sie das Zoo-Paket und Rollmean Allerdings weiß ich nicht, wie man die Fälle behandeln, in denen der Client einfach nicht online sein möchte. Exponentielle Verschiebungsdurchschnitte für unregelmäßige Zeitreihen. In der Zeitreihenanalyse gibt es oft einen Bedarf an Glättungsfunktionen, die schnell auf Änderungen des Signals reagieren. In der typischen Anwendung können Sie ein Eingangssignal in Echtzeit verarbeiten und diese Dinge berechnen Wie die jüngsten Mittelwert, oder erhalten Sie eine sofortige Steigung für sie Aber reale Welt Signale sind oft laut Ein paar laute Samples wird den aktuellen Wert des Signals oder seine Steigung variieren. Moving Averages. Die einfachste Glättung Funktion ist ein Fenster Gleitender Durchschnitt Wenn die Proben kommen, nehmen Sie einen Durchschnitt der letzten N-Werte an. Dies wird die Spikes glätten, aber eine Verzögerung oder Latenz verleihen. Ihr Durchschnitt wird immer durch die Breite Ihres gleitenden Durchschnitts verzögert. Das obige Beispiel ist relativ teuer zu berechnen Für jede Probe müssen Sie über die gesamte Größe des Fensters iterieren Aber es gibt billigere Wege halten die Summe aller Proben im Fenster in einem Puffer, und passen Sie die Summe als neue Proben kommen in. Eine andere Art von gleitenden Durchschnitt ist die Gewichteter gleitender Durchschnitt, der für jede Position im Stichprobenfenster gewichtet wird Vor der Mittelung multipliziert man jede Probe mit dem Gewicht dieser Fensterposition Technisch wird dies als Faltung bezeichnet. Eine typische Gewichtungsfunktion wendet eine Glockenkurve auf das Probenfenster an. Dies gibt ein Signal, das ist Mehr abgestimmt auf die Mitte des Fensters und immer noch etwas tolerant von lärmenden Proben In der Finanzanalyse verwenden Sie oft eine Gewichtungsfunktion, die die letzten Samples mehr schätzt, um einen gleitenden Durchschnitt zu geben, der die jüngsten Beispiele genauer verfolgt. Ältere Proben werden progressiv weniger Gewicht gegeben Etwas verringert die Effekte der Latenz, während immer noch vernünftig gute Glättung. Mit einem gewichteten Durchschnitt, müssen Sie immer über die gesamte Fenstergröße für jede Probe zu iterieren, es sei denn, Sie können die zulässigen Gewichte auf bestimmte Funktionen beschränken. Die exponentielle Moving Average. Another Typ Von durchschnittlich ist der exponentielle gleitenden Durchschnitt oder EMA Dies wird oft verwendet, wo Latenz ist kritisch, wie in Echtzeit Finanzanalyse In diesem Durchschnitt sinken die Gewichte exponentiell Jede Probe wird einige Prozent kleiner als die nächste letzte Probe mit dieser Einschränkung bewertet Sie können den gleitenden Durchschnitt sehr effizient berechnen. Wo Alpha eine Konstante ist, die beschreibt, wie sich die Fenstergewichte im Laufe der Zeit verringern Wenn zum Beispiel jede Probe bei 80 des Wertes der vorherigen Probe gewichtet werden soll, würden Sie alpha 0 2 einstellen Alpha wird um so länger Ihr gleitender Durchschnitt ist zB wird es glatter, aber weniger reaktiv auf neue Samples. Die Gewichte für eine EMA mit Alpha 0 20.Sie können sehen, für jede neue Probe müssen Sie nur mit dem Wert der Vorheriger Durchschnitt So Berechnung ist sehr sehr schnell. In der Theorie alle vorherigen Proben tragen zum aktuellen Durchschnitt, aber ihr Beitrag wird exponentiell kleiner im Laufe der Zeit. Dies ist eine sehr mächtige Technik, und wahrscheinlich das Beste, wenn Sie wollen, um einen gleitenden Durchschnitt, der reagiert zu bekommen Schnell zu neuen Proben, hat gute Glättungseigenschaften und ist schnell zu berechnen. Der Code ist trivial. EMA für unregelmäßige Zeitreihe. Die Standard-EMA ist in Ordnung, wenn das Signal in regelmäßigen Zeitintervallen abgetastet wird Aber was ist, wenn Ihre Proben in unregelmäßigen Abständen kommen. Stellen Sie sich ein kontinuierliches Signal vor, das in unregelmäßigen Abständen abgetastet wird. Dies ist die übliche Situation in der Finanzanalyse. In der Theorie gibt es eine kontinuierliche Funktion für den Wert eines Finanzinstruments, aber Sie können dieses Signal nur dann ausprobieren, wenn jemand tatsächlich einen Handel ausführt. So ist Ihr Datenstrom Besteht aus einem Wert, plus die Zeit, in der es beobachtet wurde. Ein Weg, um damit umzugehen ist, um das unregelmäßige Signal auf ein reguläres Signal umzuwandeln, durch Interpolation zwischen Beobachtungen und Resampling Aber dies verliert Daten, und es führt wieder Latenz. Es ist möglich, eine EMA für eine unregelmäßige Zeitreihe direkt zu berechnen. In dieser Funktion übergeben Sie das aktuelle Sample aus Ihrem Signal und das vorherige Sample und die Zeitdauer, die zwischen den beiden verstrichen ist, und dem vorherigen Wert, der von diesem zurückgegeben wird Funktion. So, wie gut funktioniert diese Arbeit Um zu zeigen, ich habe eine Sinuswelle, dann sampled es in unregelmäßigen Intervallen, und führte etwa 20 Rauschen Das ist das Signal variiert zufällig - 20 aus dem ursprünglichen wahren Sinus Signal. Wie gut macht die unregelmäßige Exponentieller gleitender Durchschnitt erholt das Signal. Die rote Linie ist die ursprüngliche Sinuswelle, die in unregelmäßigen Abständen abgetastet wird. Die blaue Linie ist das Signal mit dem Rauschen hinzugefügt Die blaue Linie ist das einzige Signal, das die EMA sieht Die grüne Linie ist die geglättete EMA Sie können es sehen Erholt sich das Signal ziemlich gut Ein wenig wackelig, aber was können Sie von solch einem lauten Quellsignal erwarten. Es ist um 15 nach rechts verschoben, weil die EMA etwas Latenz einführt. Je glatter Sie es wollen, desto mehr Latenz werden Sie sehen Von diesem können Sie z. B. eine sofortige Steigung für ein lautes unregelmäßiges Signal berechnen. Was können Sie mit diesem Hmm. How zu berechnen Moving Averages in Excel. Excel Data Analysis für Dummies, 2nd Edition. Die Datenanalyse-Befehl bietet ein Werkzeug für die Berechnung Bewegte und exponentiell geglättete Durchschnitte in Excel Angenommen, aus Gründen der Illustration, dass Sie tägliche Temperaturinformationen gesammelt haben Sie möchten den dreitägigen gleitenden Durchschnitt den Durchschnitt der letzten drei Tage als Teil einer einfachen Wettervorhersage berechnen, um gleitende Durchschnitte zu berechnen In diesem Datensatz nehmen Sie folgende Schritte vor: Um einen gleitenden Durchschnitt zu berechnen, klicken Sie zuerst auf die Registerkarte Datenregisterkarte. Wenn Excel das Dialogfeld Datenanalyse anzeigt, wählen Sie aus der Liste die Option Gleitende Mittelpunkt aus und klicken dann auf OK. Excel wird angezeigt Das verschiebende durchschnittliche Dialogfeld. Identifizieren Sie die Daten, die Sie verwenden möchten, um den gleitenden Durchschnitt zu berechnen. Klicken Sie im Textfeld "Eingabebereich" im Dialogfeld "Bewegender Durchschnitt". Geben Sie dann den Eingabebereich an, indem Sie entweder eine Arbeitsblattbereichsadresse eingeben oder mit der Taste " Maus, um den Arbeitsblattbereich auszuwählen. Ihr Bereichsreferenz sollte absolute Zellenadressen verwenden Eine absolute Zellenadresse steht vor dem Spaltenbuchstaben und der Zeilennummer mit Zeichen wie in A 1 A 10.Wenn die erste Zelle in Ihrem Eingabebereich eine Textbeschriftung enthält, die identifiziert werden soll Oder beschreiben Sie Ihre Daten, wählen Sie die Etiketten in der ersten Zeile Kontrolle-Kästchen. In der Intervall-Textfeld, sagen Sie Excel, wie viele Werte in die gleitende durchschnittliche Berechnung enthalten. Sie können einen gleitenden Durchschnitt mit einer beliebigen Anzahl von Werten zu berechnen Standardmäßig verwendet Excel die Die letzten drei Werte, um den gleitenden Durchschnitt zu berechnen Um anzugeben, dass eine andere Anzahl von Werten verwendet wird, um den gleitenden Durchschnitt zu berechnen, geben Sie diesen Wert in das Intervall-Textfeld ein. Geben Sie Excel an, wo die gleitenden Durchschnittsdaten platziert werden sollen. Verwenden Sie das Feld Ausgabebereich Um den Arbeitsbereichsbereich zu identifizieren, in den Sie die gleitenden Durchschnittsdaten platzieren möchten. Im Beispiel des Arbeitsblattes wurden die gleitenden Durchschnittsdaten in den Arbeitsblattbereich B2 B10 platziert. Optional Geben Sie an, ob Sie ein Diagramm wünschen. Wenn Sie ein Diagramm wünschen, das die gleitenden durchschnittlichen Informationen zeichnet, markieren Sie das Kontrollkästchen Diagrammausgabe. Optional Geben Sie an, ob Standardfehlerinformationen berechnet werden sollen. Wenn Sie Standardfehler für die Daten berechnen möchten, markieren Sie das Kontrollkästchen Standardfehler Excel setzt Standardfehlerwerte neben den gleitenden Mittelwerten. Die Standardfehlerinformation geht in C2 C10.Nachdem Sie fertig sind Geben Sie an, welche gleitenden durchschnittlichen Informationen Sie berechnen möchten und wo Sie es platzieren möchten, klicken Sie auf OK. Excel berechnet gleitende durchschnittliche Informationen. Hinweis Wenn Excel nicht genug Informationen hat, um einen gleitenden Durchschnitt für einen Standardfehler zu berechnen, legt er die Fehlermeldung in die Zelle Sie können mehrere Zellen sehen, die diese Fehlermeldung als Wert anzeigen.