Keskitetty Liikkuvan Keskiarvon

Kun lasketaan juokseva liukuva keskiarvo, keskimääräinen keskimääräinen keskimääräinen ajanjakso on järkevä Edellisessä esimerkissä laskimme kolmen ensimmäistä ajanjaksoa keskimäärin ja asetimme sen jakson 3 viereen. Olisimme voineet sijoittaa keskiarvon keskelle ajanjakso on kolme jaksoa, toisin sanoen jakson 2 vieressä. Tämä toimii hyvin parittomilla aikajaksoilla, mutta ei niin hyvää parillisille ajoille. Joten mihin sijoittaisimme ensimmäisen liikkuvan keskiarvon, kun M 4 teknisesti Moving Average laski t 2,5, 3,5. Tämän ongelman välttämiseksi tasoitamme MA: t käyttäen M: ta. Siten tasoitetaan tasoitetut arvot Jos meillä on keskimäärin parillinen määrä termejä, täytyy tasata tasoitetut arvot Seuraavassa taulukossa esitetään tulokset käyttämällä M 4.Davidia, Yes, MapReduce on tarkoitus toimia suurella määrällä tietoja. Ja ajatus on, että yleensä kartan ja vähentää toimintoja ei pitäisi hoitaa, kuinka monta karttaajaa tai kuinka monta vähennysventtiiliä on olemassa, se on vain optimointia. Jos ajattelet tarkasti algoritmia, jonka lähetin, näet, että se ei ole väliä, mitä kartoittaja saa mitä osia tietoja. Jokainen tallennustiedosto on käytettävissä jokaiselle sen tarvitsemiin vähentämistoimiin. parhaiten ymmärrykseni liikkuva keskiarvo ei ole hienosti karttoja MapReducen paradigmaan, koska sen laskenta on olennaisesti liukuvaa ikkunaa lajitelluista tiedoista, kun taas MR käsittelee lajittelemattomien tietojen ei-intersektoituja alueita. Ratkaisu, jonka näen, on seuraavanlainen: a) Sovita mukautettu osiointi, jotta voit tehdä kahta eri osioa kahdessa käynnissä. Jokaisella aikavälillä vähennysventtiilisi saavat erilaiset datasarjat ja lasketaan liukuva keskiarvo, jos tarkoituksellisesti yritän havainnollistaa: Ensimmäisen aikavälin tiedot vähennysventtiilien osalta tulisi olla: R1: Q1, Q2, Q3, Q4 R2: Q5, Q6, Q7, Q8 . tässä voit cacluate liikkuvan keskiarvon joidenkin Qs. Seuraavana ajanjaksona vähennysventtiilisi pitäisi saada tietoja, kuten: R1: Q1. Q6 R2: Q6. Q10 R3: Q10..Q14 Ja sekoittele loput liikkuvista keskiarvoista. Sitten sinun täytyy kerätä tuloksia. Idea mukautetusta osioinnista, että sillä on kaksi toimintatapaa - joka kerta jakautuu samansuuruisiin alueisiin mutta jossain määrin siirtymällä. Pseudokoodissa se näyttää tältä. osio (keySHIFT) (MAXKEYnumOfPartitions), jossa SHIFT otetaan konfiguraatiosta. MAXKEY avaimen maksimiarvo. Oletan yksinkertaisuuden vuoksi, että ne alkavat nollalla. RecordReader, IMHO ei ole ratkaisu, koska se on rajattu tiettyyn jakautumiseen eikä se voi liukua rajojen yli. Toinen ratkaisu olisi toteuttaa halutun tulodatan mukautettu logiikka (se on osa InputFormattia). Sitä voidaan tehdä tekemällä 2 erilaista diasta, jotka ovat samanlaisia ​​kuin osiointi. vastasi 17.9. 12 klo 8:59.Tärkeät oikeudelliset tiedot sähköpostista, jonka lähetät. Käyttämällä tätä palvelua sovitaan syöttämällä oikea sähköpostiosoitteesi ja lähettämällä se vain tuntemiesi henkilöiden kanssa. Joissakin lainkohdissa lain rikkominen tunnistaa väärin sähköpostissa. Fidelity käyttää kaikkia antamasi tietoja yksinomaan sähköpostin lähettämiseen puolestasi. Lähettämäsi sähköpostiviestin aihealue on Fidelity: Sähköpostisi on lähetetty. Sijoitusrahastojen ja sijoitusrahastojen sijoittaminen - Fidelity-sijoitukset Linkin napsauttaminen avaa uuden ikkunan. Kaupankäynti liikkeessä liikkuvien keskiarvojen kanssa Anna tämä yksinkertainen mutta tehokas työkalu lukitaksesi runsaasti tietoa kaavioiden sisällä. Fidelity Active Trader Uutiset ndash 11212016 Tekninen analyysi Active Trader Pro Välitysvälineet Kaikki tekniset analyysityökalut käytettävissäsi Dow teoria. MACD. Suhteellinen voimaindeksi. Japanilaiset kynttilänjalat ja moremoving-keskiarvot ovat yksi yksinkertaisimmista ymmärtää ja käyttää strategiasi. Silti ne voivat olla yksi markkinoiden suuntauksista merkittävimpiä indikaattoreita, ja ne ovat erityisen hyödyllisiä nousevassa (tai alaspäin suuntautuvassa) markkinatilanteessa kuin pitkällä aikavälillä, jota olemme kokeneet vuodesta 2009 lähtien. Tässä on kyse siitä, miten voit liittää liikkuvia keskiarvoja kaupankäynnin mahdolliseen parantamiseen pätevyys. Mitkä ovat liikkuvia keskiarvoja Keskimääräinen on yksinkertaisesti joukko numeroita. Liikkuva keskiarvo on (aika) sarja tarkoittaa sitä liikkuvaa keskiarvoa, koska uusien hintojen tekemisen myötä vanhemmat tiedot hylätään ja uusimmat tiedot korvaavat sen. Varastojen tai muiden taloudellisten turvajärjestelyjen tavanomaiset liikkeet voivat joskus olla epävakaita, nousee ylös tai alas, mikä voi vaikeuttaa sen yleisen suunnan arvioimista. Keskimääräisten liikkeiden siirtämisen ensisijaisena tarkoituksena on sopeuttaa tietoja, joita olet tarkistanut, jotta saisit selkeämmän suuntauksen (ks. Alla oleva kaavio). Liukuva keskiarvo tasoittaa hintaa. Lähde: Active Trader Pro, 15.11.2016 alkaen. Sijoittajien yleisesti käyttämät liikkuvat keskiarvot vaihtelevat. Yksinkertainen liukuva keskiarvo (SMA). SMA lasketaan lisäämällä kaikki tiedot tietylle ajanjaksolle ja jakamalla summa päivien lukumäärän mukaan. Jos XYZ-kanta suljettiin 30, 31, 30, 29 ja 30 viimeisen viiden päivän aikana, 5 päivän yksinkertainen liukuva keskiarvo olisi 30. Eksponentiaalinen liukuva keskiarvo (EMA). Painettu liikkuva keskiarvo tunnetaan myös EMA: n painoarvona viimeisimmille tiedoille. Monet kauppiaat mieluummin käyttävät EMA: iden korostamaan viimeisintä kehitystä. Keskitetty liukuva keskiarvo. Tunnetaan myös kolmiomainen liikkuva keskiarvo, keskitetty liukuva keskiarvo ottaa hinta ja aika huomioon asettamalla eniten paino keskelle sarjaa. Tämä on vähiten yleisesti käytetty liikkuva keskiarvo. Keskimääräiset liikkeet voidaan toteuttaa kaikentyyppisissä hintataulukkoissa (eli viiva, palkki ja kynttilänjalka). Ne ovat myös tärkeä osa muita indikaattoreita kuten Bollingerin bändejä. Liukuvien keskiarvojen asettaminen Kun asetat kaavioita, lisäämällä liikkuvia keskiarvoja on erittäin helppoa. Vuonna Fidelitys Active Trader Pro. esimerkiksi yksinkertaisesti avaa kaavio ja valitse indikaattorit päävalikosta. Etsi tai liiku liikkuvaan keskiarvoon ja valitse se, jonka haluat lisätä kaavioon. Voit valita eri liikkuvien keskimääräisten indikaattoreiden, mukaan lukien yksinkertaisen tai eksponentiaalisen liukuvan keskiarvon. Voit myös valita liikkuvan keskiarvon ajan. Yleisesti käytetty asetus on soveltaa 50 päivän eksponentiaalinen liukuva keskiarvo ja 200 päivän eksponentiaalinen liukuva keskiarvo hintataulukkoon. Miten liikkuvat keskiarvot Käytettävät keskiarvot eri aikakehyksillä voivat tarjota erilaisia ​​tietoja. Pidennetty liukuva keskiarvo (esimerkiksi 200 päivän EMA) voi toimia arvokkaana tasoituslaitteena, kun yrität arvioida pitkän aikavälin trendejä. Lyhyempi liukuva keskiarvo, kuten 50 päivän liukuva keskiarvo, seuraa tarkemmin hintatoimintaa ja siksi sitä käytetään usein lyhyen aikavälin mallien arvioimiseen. Jokainen liikkuva keskiarvo voi toimia tuki - ja vastusindikaattorina, ja sitä käytetään usein lyhyen aikavälin hintatavoitteena tai avaintekijänä. Kuinka tarkasti liikkuvat keskiarvot tuottavat kaupankäyntisignaaleja Monet liikkeenharjoittajat tunnustavat liukuvat keskiarvot mahdollisesti merkittäviksi tuki - ja vastushintatasoiksi. Jos hinta on liukuvan keskiarvon yläpuolella, se voi olla vahva tukitaso, jos varastot eivät laske. Hinta saattaa olla vaikeampaa, kun hinta alittaa liikkuvan keskihinnan. Vaihtoehtoisesti, jos hinta on liukuvan keskiarvon alapuolella, se voi toimia voimakkaana vastustustasona, jos varastotilanne kasvaa, hinta saattaa kamppailla nousta liukuvan keskiarvon yläpuolelle. Kultainen risti ja kuolemanranta Kahdella liukuvalla keskiarvolla voidaan myös käyttää yhdessä voimakkaan crossover-kaupankäynnin signaalin tuottamiseen. Crossover-menetelmällä tarkoitetaan ostoa tai myyntiä, kun lyhyempi liikkuva keskiarvo ylittää pitemmän liukuvan keskiarvon. Osta-signaali syntyy, kun nopea liikkuva keskiarvo ylittää hitaasti liikkuvan keskiarvon. Esimerkiksi kultainen risti syntyy, kun liikkuva keskiarvo, kuten 50 päivän EMA, ylittää 200 päivän liukuvan keskiarvon. Tämä signaali voidaan tuottaa yksittäisvarastossa tai laajalla markkina-indeksillä, kuten SP 500. Edellä olevan SP 500: n kaavion mukaan viimeisin risteytys oli kultainen risti huhtikuussa 2016 (ks. Edellä oleva kaavio). SP 500 on saavuttanut noin seitsemän, sitten marraskuun puolivälistä lähtien. Vaihtoehtoisesti myyntisignaali syntyy, kun nopea liikkuva keskiarvo ylittää hitaan liikkuvan keskiarvon. Tämä kuolemanranta syntyisi, jos esimerkiksi 50 päivän liukuva keskiarvo ylitti 200 päivän liukuva keskiarvon. Viimeinen kuolinkirtaus tapahtui alkuvuodesta 2016. Seuraava mahdollinen crossover-signaali, koska viimeinen oli kultainen risti, on kuolemanranta. Keskimääräisten liikkeiden siirtäminen toiminnassa ja muutamat lopulliset vinkit Yleisesti ottaen muistuttavat, että liikkuvat keskiarvot ovat tyypillisimmin hyödyllisiä, kun niitä käytetään nousunopeuksien tai laskusuhdanteiden aikana ja ovat yleensä vähiten hyödyllisiä, kun niitä käytetään sivuttain. Yleensä varastot ovat olleet portaita muistuttavina useimmissa yli seitsemän vuoden bull ralliin, joten teoria viittaa siihen, että liukuvat keskiarvot voivat olla erityisen tehokkaita työkaluja nykyisessä markkinaympäristössä. Kun tarkastellaan uudelleen SP 500 - kaaviota (yllä), näet, että pitkän aikavälin trendi on noussut. Myös hinta on lyhytaikaisen liukuvan keskiarvon ja pitkän aikavälin liukuvan keskiarvon yläpuolella. Jos hinta laski nykyisestä tasosta, molemmat liikkuvat keskiarvot nähdään merkittävänä tukitasona. Kuten kaaviosta käy ilmi, on mahdollista, että hinta pysyy pidemmäksi (tai alle) liikkuvaksi keskiarvoksi pitkään aikaan. Tietenkään et halua kauppaa yksinomaan liikkuvien keskiarvojen aiheuttamien signaalien perusteella. Niitä voidaan kuitenkin käyttää yhdessä muiden teknisten ja perustietopisteiden kanssa, jotka auttavat sinua muodostamaan näkymänne. Lisätietoja Tekninen analyysi keskittyy markkinoiden toimintaan erityisesti, määrä ja hinta. Tekninen analyysi on vain yksi tapa analysoida kantoja. Kun harkitset varastoja, joita haluat ostaa tai myydä, käytä lähestymistapaa, jonka kanssa olet mukavin. Kuten kaikkien investointiesi, sinun on tehtävä oma päättäväisyys siitä, investoidaanko tiettyyn tietoturvaan tai arvopapereihin sinulle sopivasti, mikä perustuu sijoitustavoitteisiin, riskinsietokykyyn ja taloudelliseen tilanteeseen. Aiempi tuotto ei takaa tulevia tuloksia. Osakemarkkinat ovat epävakaat ja voivat heikentyä merkittävästi negatiivisen liikkeeseenlaskijan, poliittisen, sääntelyn, markkinoiden tai talouden kehityksen vuoksi. Yksilöt toimittavat vapaaehtoisesti äänet ja heijastavat omaa mielipidettään artikkeleista avuliaisuutta. Hyödyllisyysprosenttiarvo näkyy, kun riittävä määrä ääniä on jätetty. Fidelity Brokerage Services LLC, jäsen NYSE, SIPC. 900 Salem Street, Smithfield, RI 02917 Tärkeitä oikeudellisia tietoja sähköpostin lähettämisestä. Käyttämällä tätä palvelua, annat sinun syöttää oikean sähköpostiosoitteen ja lähettää sen vain tuntemiesi henkilöiden luo. Joissakin lainkohdissa on loukattu laillista tunnistaa itsesi sähköpostitse. Kaikki antamasi tiedot käyttävät Fidelityä pelkästään sähköpostiviestien lähettämiseen puolestasi. Lähettämäsi sähköpostiviestin otsikkorivi on Fidelity: Sähköpostisi on lähetetty. Keskiarvojen siirtäminen Keskiarvojen siirtäminen tavanomaiset dataset, keskiarvo on usein ensimmäinen ja yksi hyödyllisimmistä yhteenvetotietojen laskemisesta. Kun tiedot ovat aikasarjan muodossa, sarja-keskiarvo on hyödyllinen toimenpide, mutta se ei heijasta tietojen dynaamista luonnetta. Keskimääräiset arvot, jotka on laskettu oikaistuneiden jaksojen aikana, joko nykyistä ajanjaksoa edeltävänä ajankohtana tai keskellä nykyistä ajanjaksoa, ovat usein hyödyllisiä. Koska tällaiset keskiarvot vaihtelevat tai liikkuvat, koska nykyinen kausi siirtyy ajasta t 2, t 3. jne., Ne tunnetaan liikkuvina keskiarvona (Mas). Yksinkertainen liukuva keskiarvo on (tyypillisesti) k: n aikaisempien arvojen painottamaton keskiarvo. Eksponentiaalisesti painotettu liukuva keskiarvo on oleellisesti sama kuin yksinkertainen liukuva keskiarvo, mutta keskimääräinen painotus niiden läheisyyteen nykyhetkeen verrattuna. Koska ei ole yhtä, vaan koko joukko liikkuvia keskiarvoja millekään tietylle sarjalle, Mas-sarjaa voidaan piirtää graafeilla, analysoida sarjana ja käyttää mallinnuksessa ja ennusteessa. Malleja voidaan rakentaa käyttäen liikkuvia keskiarvoja, ja niitä kutsutaan MA-malleiksi. Jos tällaisia ​​malleja yhdistetään autoregressiivisiin (AR) malleihin, syntyvät komposiittimallit tunnetaan ARMA - tai ARIMA-malleiksi (I on integroitu). Yksinkertaiset liikkuvat keskiarvot Koska aikasarjaa voidaan pitää arvoryhmänä, voidaan arvojen keskiarvo laskentaa t 1,2,3,4, n. Jos oletamme, että n on melko suuri ja valitaan kokonaisluku k, joka on paljon pienempi kuin n. voimme laskea joukon lohkojen keskiarvoja tai yksinkertaisia ​​liikkuvia keskiarvoja (järjestyksessä k): Jokainen mitta edustaa datajoukon keskiarvoa k-havaintojen väliin. Huomaa, että ensimmäinen mahdollinen järjestyskäsky k gt0 on tk: lle. Yleisemmin voimme pudottaa ylimääräisen indeksin yllä oleviin ilmentymiin ja kirjoittaa: Tämä osoittaa, että arvioitu keskiarvo ajankohtana t on havaitun arvon yksinkertainen keskiarvo ajankohtana t ja edeltävät k-1-vaiheet. Jos painoja käytetään, jotka vähentävät havaintomäärän kauempana olevia osuuksia, liikkuvan keskiarvon sanotaan olevan eksponentiaalisesti tasoitettu. Keskimääriä siirretään usein ennusteiden muodossa, jolloin sarjan arvioitu arvo hetkellä t 1, S t1. pidetään MA: ksi ajanjaksoon t ja siihen asti. esim. nykypäivän arvion mukaan keskiarvo ennalta kirjattujen arvojen keskiarvoon päivälle asti (päivittäiset tiedot mukaan lukien). Yksinkertaisia ​​liukuvia keskiarvoja voidaan nähdä tasoitusmuodoksi. Seuraavassa esimerkissä ilmankysymysten joukkoa, joka on esitetty tämän aiheen johdannossa, on lisätty 7 päivän liukuva keskiarvo (MA) linja, joka on esitetty tässä punaisella. Kuten voidaan nähdä, MA-linja tasoittaa datan huiput ja kourut ja voi olla erittäin hyödyllistä tunnistaa suuntaukset. Tavallinen laskentataulukko tarkoittaa, että ensimmäisillä k-1-pisteillä ei ole MA-arvoa, mutta tämän jälkeen laskelmat ulottuvat sarjan lopulliseen datapisteeseen. PM10 päivittäiset keskiarvot, Greenwichin lähde: London Air Quality Network, londonair. org. uk Yksi syy yksinkertaisten liikkuvien keskiarvojen laskemiseen kuvatulla tavalla on se, että se mahdollistaa arvojen laskemisen kaikkien aikavälien osalta ajasta tk aina tähän asti. kun uutta mittausta saadaan ajasta t 1, aika ajosta t 1 voidaan lisätä jo laskettuun joukkoon. Tämä tarjoaa yksinkertaisen menettelyn dynaamisille aineistoille. Tällä lähestymistavalla on kuitenkin joitakin ongelmia. On järkevää väittää, että keskimääräinen arvo viimeisten kolmen jakson aikana pitäisi sanoa ajankohtana t -1 eikä aika t. ja MA: lle parillisten jaksoiden aikana, ehkä se pitäisi sijaita keskipisteenä kahden aikajakson välillä. Ratkaisu tähän kysymykseen on käyttää keskitettyjä MA-laskelmia, joissa MA on ajankohtana t symmetrisen arvoryhmän keskiarvona t: n ympärillä. Huolimatta sen ilmeisistä ansioista, tätä lähestymistapaa ei yleensä käytetä, koska se edellyttää, että tiedot ovat saatavilla tuleville tapahtumille, mikä ei ehkä ole. Jos analyysi on kokonaan olemassa olevasta sarjasta, keskitetyn Mas-mallin käyttö voi olla edullista. Yksinkertaisia ​​liikkuvia keskiarvoja voidaan pitää tasoitusmuodoksi, poistaa joitain aikasarjojen suurtaajuuskomponentteja ja korostaa (mutta ei poistaa) trendejä samalla tavoin kuin digitaalisen suodatuksen yleinen käsitys. Itse asiassa liukuvat keskiarvot ovat lineaarisen suodattimen muoto. On mahdollista soveltaa liikkuvaa keskimääräistä laskentaa jo tasoitettuun sarjaan, ts. Tasoittaa tai suodattaa jo tasoitettua sarjaa. Esimerkiksi järjestyksessä 2 liikkuvan keskiarvon perusteella voimme pitää sitä laskettaessa painojen mukaan, joten MA: ssa x 2: llä 0,5 x 1 0,5 x 2: llä. Samalla MA: lla x 3: lla 0,5 x 2 x 0,5 x 3. Jos me (0,5 x 2 0,5 x 2) 0,5 (0,5 x 2 0,5 x 3) 0,25 x 1 0,5 x 2 0,25 x 3 eli 2-vaiheinen suodatus prosessi (tai konvoluutio) on tuottanut vaihtelevan painotetun symmetrisen liukuvan keskiarvon painoilla. Useat konvoluutiot voivat tuottaa melko monimutkaisia ​​painotettuja liukuvia keskiarvoja, joista osa on todettu erityisen käyttötarkoitukseen erikoistuneilla aloilla, kuten henkivakuutuslaskelmissa. Siirrettäviä keskiarvoja voidaan käyttää jaksoittaisten vaikutusten poistamiseen, jos lasketaan jaksollisuu - den pituudella tunnetuksi. Esimerkiksi kuukausittaiset tiedot kausivaihteluista voidaan usein poistaa (jos tämä on tavoite) soveltamalla symmetristä 12 kuukauden liukuvaa keskiarvoa kaikkien kuukausien painotettuina yhtä suureksi, paitsi ensimmäiset ja viimeiset, jotka painotetaan 12: lla. Tämä johtuu siitä, että olla 13 kuukautta symmetrisessä mallissa (nykyinen aika, t. - 6 kuukautta). Kokonaismäärä jaetaan 12: llä. Samanlaiset menettelyt voidaan toteuttaa mille tahansa hyvin määritellylle jaksolle. Eksponentiaalisesti painotetut liikkuvat keskiarvot (EWMA) Yksinkertaisella liikkuva keskiarvo: kaikki havainnot ovat yhtä painotettuja. Jos kutsuttiin nämä yhtä suuret painot, alpha t. kukin k-paino olisi 1 k. joten painojen summa olisi 1 ja kaava olisi: Olemme jo nähneet, että tämän prosessin useat sovellukset johtavat painoihin vaihtelevasti. Eksponentiaalisesti painotetuilla liikkuvilla keskiarvoilla harkitaan parempaan ajankohtaan jääneiden havaintojen keskimääräistä vaikutusta, mikä korostaa viimeaikaisia ​​(paikallisia) tapahtumia. Pohjimmiltaan lisätään tasoitusparametri, 0lt alpha lt1 ja kaava tarkistetaan: Tämän kaavan symmetrinen versio olisi muotoa: Jos symmetrisessä mallissa olevat painot valitaan binomialgian ehtojen termeiksi, (1212) 2q. ne summaavat 1: een, ja kun q tulee suureksi, se vastaa likimääräistä jakautumista. Tämä on ytimen painotuksen muoto, jossa binomina toimii ytimen funktiota. Edellisessä kappaleessa kuvattu kaksiportainen konvoluutio on juuri tämä järjestely, jossa q 1, jolloin painot saadaan. Eksponentiaalisessa tasoituksessa on käytettävä joukko painoja, jotka ovat summaina 1 ja jotka pienentävät kokoa geometrisesti. Käytetyt painot ovat tyypillisesti muotoa: Näiden painojen summa on 1, joten laajentaminen 1 sarjaksi. Voimme kirjoittaa ja laajentaa lausekkeen suluissa binomi-kaavalla (1- x) p. jossa x (1-) ja p-1, joka antaa: Tämä muodostaa lomakkeen painotetun liukuvan keskiarvon: Tämä summaus voidaan kirjoittaa uudelleenkorjaussuhteeksi: mikä yksinkertaistaa laskennan suuresti ja välttää ongelman, pitäisi olla ehdottomasti ääretön painoarvojen summana 1: een (pienille alfa-arvoille), tämä ei yleensä ole tapaus. Eri kirjoittajien käyttämä notaatio vaihtelee. Jotkut käyttävät kirjainta S osoittaen, että kaava on olennaisesti tasoitettu muuttuja ja kirjoittaa: kun taas ohjausteorian kirjallisuus käyttää usein Z: tä pikemmin kuin S: n eksponentiaalisesti painotettuja tai tasoitettuja arvoja (katso esimerkiksi Lucas ja Saccucci, 1990, LUC1 , ja NIST: n verkkosivuilla lisätietoja ja toiminut esimerkit). Edellä mainitut kaavat perustuvat Robertsin teoksesta (1959, ROB1), mutta Hunter (1986, HUN1) käyttää muotoilua, joka voi olla sopivampi käytettäväksi joissakin valvontatoimenpiteissä. Alfa 1: n keskiarvo on yksinkertaisesti sen mitattu arvo (tai edellisen tietoerän arvo). 0,5: llä arvio on nykyisen ja edellisen mittauksen yksinkertainen liukuva keskiarvo. Ennustemalleissa arvo S t. käytetään usein ennuste - tai ennustearvona seuraavalle ajanjaksolle, ts. x-arvona ajassa t 1. Näin ollen: Tämä osoittaa, että ennustearvona ajankohtana t 1 on edellisen eksponentiaalisesti painotetun liukuvan keskiarvon sekä komponentti, joka edustaa painotettua ennustevirhettä, epsilon. ajankohtana t. Olettaen, että aikasarja on annettu ja tarvitaan ennuste, tarvitaan alfa-arvo. Tämä voidaan arvioida olemassa olevista tiedoista arvioimalla neliösummien ennustevirheiden summa saadaan vaihtelevilla alfa-arvoilla kullekin t 2,3: lle. asetetaan ensimmäinen estimaatti ensimmäiseksi havaituksi datan arvoksi x 1. Ohjaussovelluksissa alfa-arvo on tärkeä, sillä sitä käytetään ylä - ja alarajan raja-arvojen määrittämisessä ja vaikuttaa odotettuun keskimääräiseen ajon pituuteen (ARL) ennen kuin nämä valvontarajat rikkoutuvat (olettaen, että aikasarja edustaa joukkoa satunnaisia, identtisesti jakamia riippumattomia muuttujia, joilla on yhteinen varianssi). Näissä olosuhteissa kontrollitilaston varianssi on (Lucas ja Saccucci, 1990): Ohjausrajat asetetaan tavallisesti tällaisen asymptoottisen variansyyden kiinteiksi kerrannaisiksi, esim. - 3-kertainen keskihajonta. Jos esim. Alfaa 0,25 ja valvottavaa dataa oletetaan olevan normaali jakautuma, N (0,1), kun kontrollissa ohjausrajat ovat - 1,134 ja prosessi saavuttaa yhden tai toisen rajan 500 vaiheessa keskimäärin. Lucas ja Saccucci (1990 LUC1) tuottavat ARL-arvot monille alfa-arvoille ja erilaisissa olettamuksissa käyttäen Markovin ketjumenetelmiä. Ne tulostavat tulokset, mukaan lukien ARL: ien antaminen, kun kontrolliprosessin keskiarvo on siirretty jonkin standardipoikkeaman moninkertaisesti. Esimerkiksi 0,5-siirtymällä alfa 0,25: lla ARL on alle 50 aikaportaat. Yllä kuvatut lähestymistavat tunnetaan yhtenä eksponentiaalisena tasoituksena. koska menetelmiä sovelletaan kerran aikasarjaan ja sitten analysoidaan tai ohjataan prosesseja tuloksena olevalla tasoitetulla aineistolla. Jos datasarja sisältää suuntauksen ja tai kausittaiset komponentit, voidaan käyttää kahden tai kolmen vaiheen eksponentiaalisia tasoituksia näiden vaikutusten poistamiseksi (eksplisiittisesti mallinnus) (katso tarkemmin alla oleva ennakointi ja NIST-esimerkki). CHA1 Chatfield C (1975) Times-sarjan analyysi: teoria ja käytäntö. Chapman ja Hall, London HUN1 Hunter J S (1986) Eksponentiaalisesti painotettu liukuva keskiarvo. J, Quality Technology, 18, 203 - 210 LUC1 Lucas J M, Saccucci M S (1990) Painotetut liikkuvat keskimääräiset säätöjärjestelmät: Ominaisuudet ja parannukset. Technometrics, 32 (1), 1-12 ROB1 Roberts S W (1959) Ohjaussyötteet, jotka perustuvat geometrisiin liikkeisiin. Technometrics, 1, 239 - 250