चलती - औसत मानक त्रुटि

नीचे आप प्रत्येक पॉइंट मूविंग औसत, अप बैंड, डाउन बैंड के लिए बोलिंगर बैंड की गणना करने के लिए मेरी सी पद्धति को देख सकते हैं। जैसा कि आप देख सकते हैं कि इस पद्धति का इस्तेमाल दो हिस्सों के लिए चलती औसत का उपयोग करके चलती मानक विचलन की गणना करता है। यह एक अतिरिक्त लूप आखिरी n अवधियों में चलती औसत की गणना करने के लिए यह लूप की शुरुआत में कुल बिंदु के लिए नया बिंदु मान जोड़कर और लूप के अंत में आई-एन पॉइंट वैल्यू को निकालने से यह मैं निकाल सकता हूं। मेरा प्रश्न अब मूल रूप से है मैं शेष अन्तर लूप को उसी तरह से निकाल देता हूं जिस तरह से मैं चलती औसत के साथ काम कर रहा हूं। 31 जनवरी को 21, 45 पर मुखर। उत्तर है हाँ, आप कर सकते हैं I-80 के दशक के मध्य में मैं ऐसा एल्गोरिदम विकसित कर पाया, जो संभवतः फोरट्रान में मूल नहीं था। एक प्रक्रिया निगरानी और नियंत्रण अनुप्रयोग दुर्भाग्य से, जो 25 साल पहले था और मुझे सटीक सूत्र नहीं याद है, लेकिन तकनीक औसत चलने के लिए एक का विस्तार था, केवल रैखिक वालों के बजाय दूसरी ऑर्डर की गणना के साथ। आपके कोड में कुछ, मुझे लगता है कि मैं यह बता सकता हूं कि मैंने इसे कैसे वापस किया है, ध्यान दें कि कैसे आपके आंतरिक लूप स्क्वॉयर का एक योग बना रही है। उसी तरह कि आपके औपचारिक रूप से मूल रूप से मूल्य का योग होना चाहिए, केवल दो मतभेद 1 के स्थान पर अपनी शक्ति 2 क्रम है और यह कि आप प्रत्येक वर्ग के औसत से घटाते हैं इससे पहले कि आप वर्ग बनाते हैं अब यह अविभाज्य लग सकता है, लेकिन वास्तव में वे अलग हो सकते हैं.अब पहला शब्द सिर्फ एक वर्ग का वर्ग है, जिसे आप संभालते हैं उसी तरह कि आप औसत के लिए मूल्यों का योग करते हैं अंतिम शब्द कश्मीर 2 एन केवल अवधि का औसत वर्ग बार है, जब से आप किसी भी अवधि से परिणाम को विभाजित करते हैं, तो आप सिर्फ नए औसत स्क्वायर जोड़ सकते हैं बिना अतिरिक्त लूप। अंत में, दूसरे चरण में एसयूएम -2 विक, चूंकि SUM vi total kn के बाद आप इसे इस में बदल सकते हैं। या सिर्फ 2 कश्मीर 2 n जो 2 बार औसत स्क्वायर है, एक बार जब अवधि फिर से विभाजित हो जाती है तो अंतिम संयुक्त सूत्र है इस की वैधता की जांच करना सुनिश्चित करें, क्योंकि मैं इसे अपने सिर के शीर्ष से निकाल रहा हूं। और अपने कोड को शामिल करना इस तरह कुछ दिखना चाहिए। इसके लिए धन्यवाद, मैं इसे सीएलआर आई के लिए सी में क्रियान्वयन के आधार के रूप में प्रयोग किया। पता चला है कि, व्यवहार में, आप इस तरह अपडेट कर सकते हैं कि नयावार्वर एक बहुत ही कम नकारात्मक संख्या है, और sqrt विफल रहता है, अगर मैंने इस मामले के लिए शून्य के मूल्य को सीमित करने के लिए शुरू किया तो पता नहीं, लेकिन स्थिर यह तब हुआ जब मेरी खिड़की में हर मूल्य वही मान मैं 20 के एक विंडो आकार का इस्तेमाल किया और प्रश्न में मान 0 5 था, अगर किसी को इस ड्र्यू नॉक की कोशिश करना और पुनरुत्पादन करना चाहता है, तो 25 जुलाई को 15 25. मैंने कॉमन्स-गणित का उपयोग किया है और उस पुस्तकालय में कुछ के लिए योगदान दिया है बहुत ही इसी तरह से यह ओपन सोर्स है, सी को भेजना स्टोर से खरीदा गया पाई के रूप में आसान होना चाहिए आपने स्क्रैच से एक पाई बनाने की कोशिश की है इसे जांचें उनके पास एक मानक विचलन कक्षा है शहर में जाओ। उत्तर 31 जनवरी 21 21. उत्तर फिर से आपका स्वागत है क्षमा करें, मेरे पास ऐसा जवाब नहीं है जो आप देख रहे हैं, मैं निश्चित रूप से मेरे लिए नहीं था एक पूरे पुस्तकालय को बंद करने का सुझाव देने के लिए बस न्यूनतम आवश्यक कोड है, जो कुछ सौ लाइनें होनी चाहिए या नोट करें कि मुझे यह नहीं पता कि कानूनी कॉपीराइट प्रतिबंध अपाचे के उस कोड पर क्या है, इसलिए आपको यह जांचना होगा कि अगर आप आगे बढ़ते हैं यह, यहां लिंक है, तो इस प्रकार के फास्टमाथ जेसन 31 जनवरी को 22 36. सबसे महत्वपूर्ण जानकारी पहले से ही ऊपर दी गई है, लेकिन हो सकता है यह अभी भी सामान्य हित का है। चलती औसत और मानक विचलन की गणना करने के लिए एक छोटे जावा लाइब्रेरी है यहां उपलब्ध है। कार्यान्वयन मूल्यों को निकालने और बदलने के लिए तरीके से ऊपर उल्लेखित वेलफोर्ड विधि के एक प्रकार पर आधारित है, जिसे मूल्य खिड़कियों के लिए उपयोग किया जा सकता है। अभ्यास में चलती औसत समय का मतलब का एक अच्छा अनुमान प्रदान करेगा श्रृंखला यदि निरंतर या धीरे-धीरे बदलता है निरंतर मतलब के मामले में, मी का सबसे बड़ा मान अंतर्निहित अर्थ का सबसे अच्छा अनुमान देगा एक लंबा अवलोकन अवधि variabili के प्रभावों का औसत होगा ty। एक छोटा मी प्रदान करने का उद्देश्य पूर्वानुमान की प्रक्रिया को अंतर्निहित प्रक्रिया में बदलाव का जवाब देने की अनुमति देना है, उदाहरण के लिए, हम एक डेटा सेट का प्रस्ताव करते हैं जो समय श्रृंखला के अंतर्निहित माध्य में परिवर्तन को शामिल करता है यह आंकड़ा समय सीमा का उपयोग करता है औसत मांग के साथ जिसमें चित्र श्रृंखला उत्पन्न हुई थी, साथ मिलकर इसका अर्थ 10 पर निरंतर के रूप में शुरू होता है, 21 समय से शुरू होता है, यह प्रत्येक अवधि में एक इकाई में बढ़ जाता है जब तक कि समय पर 20 के मान तक नहीं पहुंच जाता 30 फिर यह फिर से स्थिर हो जाता है मतलब से जोड़कर, शून्य मतलब और मानक विचलन के साथ सामान्य वितरण से एक यादृच्छिक शोर 3। सिमुलेशन के परिणाम निकटतम पूर्णांक में गोल होते हैं। तालिका उदाहरण के लिए इस्तेमाल नकली टिप्पणियों को दिखाती है जब हम तालिका का उपयोग करते हैं, हमें याद रखना चाहिए कि किसी भी समय, केवल पिछले डेटा ज्ञात हैं.मॉडल पैरामीटर के अनुमान, मीटर के तीन अलग-अलग मानों के लिए आंकड़े बी में समय श्रृंखला के मतलब के साथ दिखाए जाते हैं। यह आंकड़ा हर बार मतलब के चल औसत औसत अनुमान को दर्शाता है और भविष्यवाणी नहीं करता है पूर्वानुमान भविष्य में चलती औसत घटता को सही समय तक स्थानांतरित कर देगा। एक निष्कर्ष इस आंकड़े से तुरंत स्पष्ट है तीनों अनुमान के मुताबिक चलती औसत रैखिक प्रवृत्ति, एम के साथ अंतराल बढ़ने के साथ अंतराल मॉडल के बीच की दूरी और समय के आयाम में अनुमान, अंतराल के कारण चलती औसत टिप्पणियों को कम करके देखते हैं क्योंकि इसका अर्थ बढ़ रहा है अनुमानक का पूर्वाग्रह एक अंतर है मॉडल के माध्य मूल्य में विशिष्ट समय और चल औसत से अनुमानित माध्य मान पूर्वाग्रह जब मतलब बढ़ता जा रहा है ऋणात्मक ऋणात्मक कम होता है, पूर्वाग्रह सकारात्मक होता है समय में अंतराल और अनुमान में पेश किया पूर्वाग्रह कार्य हैं मी बड़ा बड़ा मूल्य है जो अंतराल और पूर्वाग्रह के परिमाण के बराबर है। मतलब के अनुमानक के अंतराल और पूर्वाग्रह के मूल्यों की प्रवृत्ति के साथ लगातार बढ़ती श्रृंखला के लिए उदाहरण के नीचे समीकरणों में। उदाहरण के घटता इन समीकरणों से मेल नहीं खाते हैं क्योंकि उदाहरण के मॉडल लगातार बढ़ नहीं रहे हैं, बल्कि यह एक निरंतर, एक प्रवृत्ति में परिवर्तन के रूप में शुरू होता है और फिर फिर से निरंतर हो जाता है इसके अलावा उदाहरण घटता शोर से प्रभावित होते हैं। भविष्य में अवधियों की औसत पूर्वानुमान चल रहा है, वक्र को दाहिनी ओर स्थानांतरित करके दर्शाया जाता है अंतराल और पूर्वाग्रह आनुपातिक रूप से वृद्धि नीचे दिए गए समीकरण मॉडल पैरामीटर की तुलना में भविष्य में भविष्य की अवधि के अंतराल और पूर्वाग्रह को इंगित करते हैं, फिर ये सूत्र हैं एक निरंतर रैखिक प्रवृत्ति के साथ एक समय श्रृंखला। हम इस परिणाम पर आश्चर्य नहीं होना चाहिए चलती औसत अनुमानक एक निरंतर मतलब की धारणा पर आधारित है, और उदाहरण के अध्ययन अवधि के एक अंश के दौरान मतलब में एक रेखीय प्रवृत्ति है क्योंकि वास्तविक समय श्रृंखला शायद ही कभी किसी भी मॉडल की मान्यताओं का पालन करेगी, हमें ऐसे परिणामों के लिए तैयार रहना चाहिए। हम यह भी इस आंकड़े से निष्कर्ष निकाल सकते हैं कि शोर हा छोटे मीटर के लिए सबसे बड़ा प्रभाव है अनुमानित औसत 20 की औसत चलती औसत की तुलना में चलती औसत के लिए बहुत अधिक अस्थिर है 20 हमारे पास शोर के कारण परिवर्तनशीलता के प्रभाव को कम करने के लिए मी में वृद्धि करने के लिए परस्पर विरोधी इच्छाएं हैं, और मी बनाने के लिए मी में कमी मतलब में परिवर्तनों के लिए और अधिक उत्तरदायी पूर्वानुमान। त्रुटि वास्तविक डेटा और पूर्वानुमानित मान के बीच का अंतर है यदि समय श्रृंखला वास्तव में एक स्थिर मूल्य है, तो त्रुटि की अपेक्षित मूल्य शून्य है और त्रुटि का विचरण एक शब्द का शामिल है यह एक समारोह है और एक दूसरे शब्द है जो शोर का विचरण है। पहला शब्द, मी अनुमानों के एक नमूने के साथ अनुमानित अनुमान का भिन्नता है, यह मानते हुए कि आबादी से डेटा स्थिर अर्थ के साथ आता है यह शब्द कम से कम है संभवतः जितना बड़ा हो उतना मील बना रहा है एक बड़ी मी अंतराल समय श्रृंखला में बदलाव के लिए अनुत्तरदायी पूर्वानुमान बनाता है, परिवर्तनों के प्रति उत्तरदायी पूर्वानुमान करने के लिए, हम चाहते हैं कि मी संभवतः 1 के रूप में छोटा हो, लेकिन यह त्रुटि विचरण प्रा सीटीकल पूर्वानुमान के लिए एक मध्यवर्ती मूल्य की आवश्यकता है। एक्सेल के साथ कास्टिंग। पूर्वानुमान ऐड-इन चलती औसत सूत्रों को लागू करता है नीचे दिए गए उदाहरण, स्तंभ बी में नमूना डेटा के लिए ऐड-इन द्वारा दिए गए विश्लेषण को दर्शाता है। पहले 10 टिप्पणियां अनुक्रमित -9 से 0 उपरोक्त तालिका के मुकाबले, अवधि सूचकांकों को -10 में स्थानांतरित कर दिया जाता है। पहले दस टिप्पणियां अनुमान के लिए स्टार्टअप मान प्रदान करती हैं और अवधि के लिए चलती औसत की गणना करने के लिए उपयोग की जाती हैं 0 एमए 10 कॉलम सी, गणना की गई चलती औसत दिखाती है चलती औसत पैरामीटर एम सेल C3 में है Fore 1 कॉलम डी भविष्य में एक अवधि के लिए पूर्वानुमान दिखाता है पूर्वानुमान अंतराल सेल D3 में है, जब पूर्वानुमान अंतराल को बड़ी संख्या में बदल दिया जाता है तो फोर कॉलम में नंबर नीचे स्थानांतरित हो जाता है। Err 1 स्तंभ ई अवलोकन और पूर्वानुमान के बीच अंतर को दर्शाता है उदाहरण के लिए, समय 1 पर अवलोकन 6 है समय पर चलती औसत से बना अनुमानित मूल्य 11 1 त्रुटि तब है -5 1 मानक विचलन और मीन औसत विचलन एमएडी क्रमशः कोशिकाओं E6 और E7 में गिना जाता है। औसत औसत - एमए। नीचे चलने की औसत - एमए। एक एसएमए उदाहरण के अनुसार, 15 दिनों के बाद निम्न समापन कीमतों के साथ सुरक्षा पर विचार करें। सप्ताह 1 5 दिन 20 , 22, 24, 25, 23.Week 2 5 दिन 26, 28, 26, 29, 27.Week 3 5 दिन 28, 30, 27, 29, 28. एक 10 दिन एमए के लिए बंद कीमतों औसत होगा पहले डेटा बिंदु के रूप में पहले 10 दिन पहले डेटा बिंदु जल्द से जल्द मूल्य छोड़ देगा, 11 दिन की कीमत बढ़ाएं और औसतन ले लें, और जैसा कि नीचे दिखाया गया है। जैसा कि पहले उल्लेख किया गया है, एमए की वर्तमान कीमत कार्रवाई क्योंकि वे पिछली कीमतों में एमए के लिए समय की अवधि अधिक होती है, इस तरह 200 दिन के एमए में 20-दिवसीय एमए की तुलना में काफी अधिक अंतर होगा क्योंकि इसमें पिछले 200 दिनों के लिए एमए की लंबाई शामिल है उपयोग व्यापारिक उद्देश्यों पर निर्भर करता है, अल्प अवधि के व्यापार और दीर्घकालिक एमए के लिए उपयोग किए जाने वाले कम एमए और दीर्घकालिक निवेशकों के लिए उपयुक्त 200-दिन एमए निवेशकों और व्यापारियों द्वारा व्यापक रूप से पीछा किया जाता है, जो इस चलती औसत से नीचे के ब्रेक के साथ महत्वपूर्ण व्यापारिक संकेत माना जाता है। एमए अपने दम पर महत्वपूर्ण व्यापार संकेतों को भी प्रदान करते हैं, या जब बढ़ते एमए से दो औसत पार हो जाते हैं तो यह संकेत मिलता है कि सुरक्षा एक अपट्रेंड में है एक घटते हुए एमए इंगित करता है कि यह एक डाउनथ्रेंड में है इसी तरह, ऊपर की गति को एक तेजी के क्रॉसओवर से पुष्ट किया जाता है, जो तब होता है जब एक अल्पावधि एमए नीचे की अवधि के एमई डाउनवर्ड गति से ऊपर की ओर बढ़ता है एक मंदी की क्रॉसओवर के साथ पुष्टि की जाती है, शब्द एमए एक लंबी अवधि के एमए नीचे पार