การย้าย ค่าเฉลี่ย คณิตศาสตร์ สม

Moving Average ตัวอย่างนี้สอนวิธีการคำนวณค่าเฉลี่ยเคลื่อนที่ของชุดข้อมูลเวลาใน Excel ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อทำให้จุดสูงสุดและที่ราบสูงเป็นไปอย่างราบรื่นเพื่อให้ทราบถึงแนวโน้มต่างๆได้ง่ายขึ้นอันดับแรกลองดูที่ชุดข้อมูลเวลาของเรา คลิกการวิเคราะห์ข้อมูลคลิกที่นี่เพื่อโหลด Add-In Toolkit การวิเคราะห์ 3 เลือก Moving Average และคลิก OK.4 คลิกในกล่อง Input Range และเลือกช่วง B2 M2 5. คลิกที่ช่อง Interval และพิมพ์ 6.6 คลิกที่ Output Range และเลือกเซลล์ B3.8 วาดกราฟของค่าเหล่านี้การอธิบายเนื่องจากเราตั้งค่าช่วงเป็น 6 ค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยของ 5 จุดข้อมูลก่อนหน้าและ จุดข้อมูลปัจจุบันเป็นผลให้ยอดและหุบเขาถูกทำให้ราบรื่นกราฟแสดงแนวโน้มการเพิ่มขึ้น Excel ไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับจุดข้อมูล 5 จุดแรกเนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้มากพอ 9 ทำซ้ำขั้นตอนที่ 2 ถึง 8 สำหรับช่วง 2 และช่วงเวลา 4. บทสรุป The la rger ช่วงเวลาที่ยอดเขาและหุบเขาจะเรียบขึ้นช่วงเวลาที่มีขนาดเล็กยิ่งขึ้นค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ที่ใกล้เคียงกับจุดข้อมูลที่แท้จริงขึ้น EMA คำนวณอย่างไรคำนวณค่า Exponential Moving Average - ค่าเฉลี่ย EMA เฉลี่ยสำหรับการเคลื่อนย้ายโดยประมาณ เป็นตัวชี้วัดที่ใช้มากที่สุดในการวิเคราะห์ทางเทคนิคในวันนี้ แต่คุณจะคำนวณด้วยตัวคุณเองโดยใช้กระดาษและปากกาหรือต้องการโปรแกรมสเปรดชีตที่คุณเลือกให้ลองหาคำอธิบายเกี่ยวกับการคำนวณ EMA นี้ด้วยการคำนวณค่า Exponential Moving Average EMA เป็นหลักสูตรทำโดยอัตโนมัติโดยการค้ามากที่สุดและซอฟต์แวร์การวิเคราะห์ทางเทคนิคออกมี today. Here เป็นวิธีการคำนวณด้วยตนเองซึ่งยังช่วยเพิ่มความเข้าใจในวิธีการทำงานในตัวอย่างนี้เราจะคำนวณ EMA สำหรับราคาหุ้นที่เราต้องการ EMA 22 วันซึ่งเป็นกรอบเวลาที่ใช้กันทั่วไปสำหรับ EMA ที่ยาวนานสูตรคำนวณ EMA มีดังต่อไปนี้ราคา EMA y 1 kt วันนี้เมื่อวานนี้ N จำนวนวันใน EMA k 2 N 1. ใช้ เสื้อ เขาทำตามขั้นตอนในการคำนวณ 22 วัน EMA.1 เริ่มต้นด้วยการคำนวณ k สำหรับช่วงเวลาที่กำหนด 2 22 1 0,0869.2 เพิ่มราคาปิดบัญชีสำหรับ 22 วันแรกเข้าด้วยกันและหารด้วย 22.3 ขณะนี้คุณพร้อมที่จะเริ่มรับ EMA แรกแล้ว วันโดยให้ราคาปิดวันถัดไป 23 วันคูณด้วย k จากนั้นให้คูณค่าเฉลี่ยของการเคลื่อนไหวของวันก่อนหน้าโดย 1-k และเพิ่ม 2.4 ทำขั้นตอนที่ 3 ซ้ำแล้วซ้ำเล่าในแต่ละวันเพื่อให้ได้รับ EMA เต็มรูปแบบ . นี้แน่นอนสามารถใส่ลงใน Excel หรือซอฟต์แวร์สเปรดชีตอื่น ๆ เพื่อให้กระบวนการของการคำนวณ EMA กึ่งอัตโนมัติเพื่อให้คุณดู algorithmic ในการนี้สามารถทำได้ดูด้านล่าง float float CalculateEMA float todaysPrice float numberOfDays, float เมื่อวานนี้เมื่อวานนี้ float k 2 numberOfDays 1 return todays วันศุกร์ที่ EMAY วานนี้ 1 k วิธีนี้มักถูกเรียกจากลูปผ่านข้อมูลของคุณกำลังมองหาบางอย่างเช่นนี้ DailyRecord sdr ใน DataRecords เรียก EMA คำนวณตัวเลข emo วันนี้เมื่อวาน ใส่ ema ที่คำนวณแล้วในอาร์เรย์ ema ตรวจดูให้แน่ใจว่าเมื่อวานนี้ EMA เต็มไปด้วย EMA ที่เราใช้อยู่ในขณะนี้เมื่อวานนี้ EMA emA. โปรดทราบว่านี่เป็นโค้ด psuedo คุณมักจะต้องส่งค่า CLOSE ก่อนหน้านี้เมื่อวานนี้ EMA จนกระทั่งเมื่อวานนี้คำนวณจากวันนี้ EMA ที่เกิดขึ้นเฉพาะหลังจากที่ลูปใช้งานวันมากกว่าจำนวนวันที่คุณคำนวณ EMA ของคุณสำหรับ EMA 22 วันเท่านั้นในเวลา 23 ครั้งในลูปและหลังจากนั้นข้อมูล emAEMA ที่ถูกต้องนี่คือ ไม่มีเรื่องใหญ่เนื่องจากคุณจะต้องมีข้อมูลจากอย่างน้อย 100 วันทำการสำหรับ EMA 22 วันเพื่อให้ถูกต้องบทความที่เกี่ยวข้องฉันมีค่าอย่างต่อเนื่องซึ่งฉันต้องการคำนวณค่าเฉลี่ยที่เป็นไปได้ตามปกติโดยเฉลี่ยแล้วฉันต้องการใช้มาตรฐานนี้ สูตรสำหรับ this. where S n เป็นค่าเฉลี่ยใหม่เป็น alpha, Y เป็นตัวอย่างและ S n-1 เป็นค่าเฉลี่ยก่อนหน้านี้ แต่เนื่องจากปัญหาต่างๆฉัน don t มีเวลาตัวอย่างสม่ำเสมอฉันอาจรู้ว่าฉันสามารถ ตัวอย่างที่มากที่สุดกล่าวว่าหนึ่งครั้งต่อหนึ่งมิลลิวินาที แต่เนื่องจากปัจจัยนอกการควบคุมของฉันฉันอาจไม่สามารถใช้ตัวอย่างเป็นเวลาหลายมิลลิวินาทีได้ตลอดเวลากรณีที่เป็นไปได้มากขึ้น แต่เป็นตัวอย่างสั้น ๆ ที่ฉันเล็กน้อยก่อนหรือปลายแทนการสุ่มตัวอย่างที่ 0, 1 และ 2 ms ฉันตัวอย่างที่ 0, 0 9 และ 2 1 ms ฉันคาดหวังว่าโดยไม่คำนึงถึงความล่าช้าความถี่การสุ่มตัวอย่างของฉันจะไกลไกลเกิน Nyquist จำกัด และทำให้ฉันไม่จำเป็นต้องกังวลเกี่ยวกับ aliasing. I คิดว่าฉันสามารถจัดการ ด้วยวิธีนี้อย่างมากหรือน้อยลงโดยการปรับ alpha ให้เหมาะสมขึ้นอยู่กับระยะเวลาตั้งแต่ตัวอย่างสุดท้ายส่วนเหตุผลของฉันว่าการทำงานนี้จะเป็นไปได้ว่า EMA interpolates linearly ระหว่างจุดข้อมูลก่อนหน้าและ current ถ้าเราพิจารณาการคำนวณ EMA ของรายการตัวอย่างต่อไปนี้ในช่วงเวลา t 0,1,2,3,4 เราควรได้รับผลเช่นเดียวกันถ้าเราใช้ช่วง 2t โดยที่อินพุทจะกลายเป็น 0,2,4 ขวาถ้า EMA ได้สันนิษฐานว่าที่ t 2 ค่าเป็น 2 เนื่องจาก t 0 ซึ่งจะเท่ากับเวลาที่คำนวณได้ ting ใน 0,2,4,4 ซึ่งมันไม่ได้ทำหรือไม่ที่ทำให้รู้สึกที่ทั้งหมดมีคนบอกฉันว่าจะแตกต่างกัน alpha เหมาะสมแสดงงานของคุณ I e แสดงฉันคณิตศาสตร์ที่พิสูจน์ว่าวิธีการของคุณ จริงๆจะทำสิ่งที่ถูกต้อง 09 มิถุนายน 09 ที่ 13 05.You shouldn t ได้รับ EMA เดียวกันสำหรับการป้อนข้อมูลที่แตกต่างกันคิดว่า EMA เป็นตัวกรองการสุ่มตัวอย่างที่ 2T เทียบเท่ากับการสุ่มตัวอย่างลงและตัวกรองจะให้แตกต่างกัน เอาท์พุทนี้ชัดเจนสำหรับฉันตั้งแต่ 0,2,4 มีส่วนประกอบความถี่สูงกว่า 0,1,2,3,4 เว้นแต่คำถามคือฉันจะเปลี่ยนกรองในทันทีเพื่อให้ผลผลิตเดียวกันบางทีฉันหายไป บางสิ่งบางอย่าง freespace 21 มิถุนายน 09 ที่ 15 52. แต่อินพุทจะไม่แตกต่างกันเพียงตัวอย่างน้อยมักจะ 0,2,4 ในช่วงเวลา 2t เป็นเหมือน 0,, 2,, 4 ในช่วง t ซึ่งระบุว่าตัวอย่างคือ ละเว้น Curt Sampson 21 มิถุนายน 09 ที่ 23 45.This คำตอบนี้ขึ้นอยู่กับความเข้าใจที่ดีของฉันต่ำผ่านตัวชี้วัดค่าเฉลี่ยเคลื่อนที่ชี้แจงเป็นจริงเพียงหนึ่งเดียว lowpass กรองเสา, แต่ความเข้าใจของฉันหมอกของสิ่งที่คุณกำลังมองหาฉันคิดว่าต่อไปนี้คือสิ่งที่คุณ want. First คุณสามารถลดความซับซ้อนของสมการเล็กน้อยดูซับซ้อน แต่ง่ายในรหัสฉันจะใช้ Y สำหรับ output และ X สำหรับ input แทน S สำหรับเอาท์พุทและ Y สำหรับอินพุทตามที่คุณได้ทำไว้ประการที่สองค่าของที่นี่มีค่าเท่ากับ 1-e - t โดยที่ t คือเวลาระหว่างตัวอย่างและเป็นค่าคงที่ตลอดเวลาของ Low Pass Filter ที่ฉันพูด เท่ากับในคำพูดเพราะทำงานได้ดีเมื่อ t มีขนาดเล็กเมื่อเทียบกับ 1 และ 1-e-tt แต่ไม่เล็กเกินไปที่คุณจะเรียกใช้ในปัญหา quantizing และถ้าคุณไม่ใช้เทคนิคที่แปลกใหม่บางอย่างที่คุณมักต้องการบิตพิเศษ N ในการแก้ปัญหา S ตัวแปรของรัฐที่ Nlog 2 สำหรับค่าขนาดใหญ่ของ t ผลการกรองเริ่มหายไปจนกว่าคุณจะได้รับไปยังจุดที่ใกล้เคียงกับ 1 และคุณเป็นพื้นเพียงแค่การกำหนด input เพื่อ output. This ควรทำงานอย่างถูกต้องด้วย ค่าที่แตกต่างของ t การเปลี่ยนแปลงของ t ไม่สำคัญมากตราบใดที่ alpha มีขนาดเล็ก othe rwise คุณจะทำงานเป็นบางค่อนข้างแปลกปัญหา Nyquist aliasing etc และถ้าคุณกำลังทำงานในโปรเซสเซอร์ที่คูณมีราคาถูกกว่าการแบ่งหรือปัญหาจุดคงมีความสำคัญ precalculate 1 และพิจารณาพยายามที่จะประมาณสูตร for. If คุณ จริง ๆ แล้วอยากรู้ว่าจะหาสูตรของสมการเชิงอนุพันธ์ได้อย่างไรซึ่งเมื่อ X เป็นฟังก์ชันขั้นบันไดมีทางออก Y 1 - e - t สำหรับค่าทีเล็ก ๆ ของ t อนุพันธ์จะสามารถประมาณได้โดย Y t , yielding. and การอนุมานของ 1-e-t มาจากการพยายามจับคู่พฤติกรรมกับกรณีฟังก์ชันของหน่วยขั้นตอนคุณควรให้คำอธิบายเพิ่มเติมเกี่ยวกับการพยายามจับคู่ส่วนพฤติกรรมฉันเข้าใจวิธีแก้ปัญหาแบบต่อเนื่อง Y 1 - exp - t และ generalisation ไปยังฟังก์ชั่น step scale ที่มีขนาด x และเงื่อนไขเริ่มต้น y 0 แต่ฉันไม่เห็นวิธีนำความคิดเหล่านี้เข้าด้วยกันเพื่อให้ได้ผลลัพธ์ของคุณ Rhys Ulerich May 4 13 at 22 34. นี่ไม่ใช่คำตอบที่สมบูรณ์, แต่อาจจะเป็นจุดเริ่มต้นของมัน s เท่าที่ฉันได้กับเรื่องนี้ในชั่วโมงหรือดังนั้นของการเล่นฉัน m โพสต์เป็นตัวอย่างของสิ่งที่ฉันกำลังมองหาและอาจเป็นแรงบันดาลใจให้คนอื่นทำงานเกี่ยวกับปัญหาฉันเริ่มต้นด้วย S 0 ซึ่งเป็นค่าเฉลี่ยที่เกิดขึ้น จากค่าเฉลี่ย S -1 ก่อนหน้าและตัวอย่าง Y 0 ที่ถ่าย 0 t 1 - t 0 เป็นช่วงตัวอย่างของฉันและตั้งค่าเป็นค่าใด ๆ ที่เหมาะสมสำหรับช่วงเวลาตัวอย่างและช่วงเวลาที่ฉันต้องการ average. I พิจารณาว่าเกิดอะไรขึ้น ถ้าฉันพลาดตัวอย่างที่ t 1 และแทนที่จะต้องทำอย่างไรกับตัวอย่าง Y 2 ถ่ายที่ t 2 เราสามารถเริ่มต้นด้วยการขยายสมการเพื่อดูว่าจะเกิดอะไรขึ้นถ้าเรามี Y 1. ฉันสังเกตเห็นว่าชุด ดูเหมือนจะขยายอนันต์ด้วยวิธีนี้เพราะเราสามารถเปลี่ยน S n ในด้านขวามือไม่แน่นอน. Okดังนั้นจึงไม่ได้จริงๆโง่ฉันชื่อพหุนาม แต่ถ้าเราคูณระยะเริ่มต้นโดยหนึ่งเราจะเห็นรูปแบบ Hm มันเป็นชุดเลขชี้กำลัง quelle ประหลาดใจ Imagine ที่ออกมาจากสมการสำหรับค่าเฉลี่ยเคลื่อนที่ที่อธิบายได้ yway, ฉันมีนี้ x 0 x 1 x 2 x 3 สิ่งที่จะไปและฉัน m แน่ใจว่าฉัน m กลิ่น e หรือลอการิทึมธรรมชาติเตะรอบที่นี่ แต่ฉันไม่สามารถจำที่ฉันได้มุ่งหน้าต่อไปก่อนที่ฉันจะหมดเวลา. คำตอบสำหรับคำถามนี้หรือหลักฐานความถูกต้องของคำตอบดังกล่าวขึ้นอยู่กับข้อมูลที่คุณกำลังวัดอีกครั้งหากตัวอย่างของคุณถูกถ่ายที่ 0 0ms t 1 0 9ms และ t 2 2 1ms แต่คุณเลือกตาม 1 - ms ช่วงและดังนั้นคุณต้องการปรับท้องถิ่น n พิสูจน์ความถูกต้องของทางเลือกที่จะหมายถึงการรู้ค่าตัวอย่างที่ t 1ms และ t 2ms ซึ่งจะนำไปสู่คำถามคุณสามารถ interpolate ข้อมูลของคุณ resonably มีเดามีสติในสิ่งที่ ในระหว่างค่าอาจได้รับหรือคุณสามารถ interpolate ตัวเองเฉลี่ยถ้าทั้งสองเหล่านี้เป็นไปได้แล้วเท่าที่ฉันเห็นทางเลือกตรรกะของค่าระหว่าง Y t คือค่าเฉลี่ยที่คำนวณเร็ว ๆ นี้คือ Y t S n โดยที่ n เป็น maxmial เช่น tn t ทางเลือกนี้มีผลง่ายปล่อยให้อยู่คนเดียวไม่ว่าสิ่งที่เวลา ความแตกต่างก็ถ้าในทางกลับกันก็เป็นไปได้ที่จะ interpolate ค่าของคุณแล้วนี้จะให้ตัวอย่างคงที่เฉลี่ยคงที่สุดท้ายถ้ามันเป็นไปได้ที่จะ interpolate ค่าเฉลี่ยของตัวเองที่จะทำให้คำถามที่ไม่มีความหมายตอบ Jun 21 09 ที่ 15 08.balpha 27 2k 10 87 118. ฉันคิดว่าฉันสามารถ interpolate ข้อมูลของฉันที่ฉัน m สุ่มตัวอย่างในช่วงเวลาไม่ต่อเนื่องฉัน m แล้วทำเช่นนั้นกับมาตรฐาน EMA อย่างไรก็ตามสมมติว่าฉันต้องการหลักฐานที่แสดง ทำงานได้เช่นเดียวกับมาตรฐาน EMA ซึ่งจะส่งผลไม่ถูกต้องหากค่าไม่เปลี่ยนแปลงไปอย่างราบรื่นระหว่างช่วงเวลาตัวอย่าง Curt Sampson 21 มิ.ย. 52 เวลา 15 21 แต่นั่นคือสิ่งที่ฉันพูดถ้าคุณพิจารณา EMA interpolation ของค่าของคุณคุณทำเสร็จแล้วถ้าคุณปล่อยให้ alpha เป็นเพราะการแทรกค่าเฉลี่ยล่าสุดเป็น Y doesn t เปลี่ยนค่าเฉลี่ยถ้าคุณพูดว่าคุณต้องการสิ่งที่ทำงานได้เช่นเดียวกับมาตรฐาน EMA - สิ่งที่ผิดปกติกับต้นฉบับ ยกเว้นกรณีที่คุณมีข้อมูลเพิ่มเติม t ข้อมูลที่คุณกำลังวัดการปรับท้องถิ่นให้ alpha จะเป็นตัวเลือกที่ดีที่สุด balpha Jun 21 09 at 15 31. ฉันจะปล่อยให้ค่า alpha เพียงอย่างเดียวและกรอกข้อมูลที่หายไปเนื่องจากคุณ don t ทราบว่าเกิดอะไรขึ้นในช่วงเวลา เมื่อคุณสามารถ t ตัวอย่างคุณสามารถกรอกตัวอย่างกับ 0s หรือถือค่าก่อนหน้านี้มีเสถียรภาพและใช้ค่าเหล่านั้นสำหรับ EMA หรือการแก้ไขย้อนหลังบางอย่างเมื่อคุณมีตัวอย่างใหม่กรอกค่าที่ขาดหายไปและคำนวณค่า EMA ใหม่ ฉันพยายามที่จะได้รับที่คุณมี input xn ที่มีหลุมไม่มีทางที่จะได้รับรอบความจริงที่คุณไม่มีข้อมูลเพื่อให้คุณสามารถใช้เพื่อถือเป็นศูนย์หรือตั้งค่าให้เป็นศูนย์หรือชนิดของการแก้ไขระหว่าง xn บาง และ xn M โดยที่ M คือจำนวนตัวอย่างที่ขาดหายไปและ n จุดเริ่มต้นของช่องว่างอาจเป็นไปได้ที่จะใช้ค่าก่อนที่จะตอบ 21 มิ.ย. 52 ที่ 13 35. จากการใช้เวลาประมาณหนึ่งชั่วโมงหรือประมาณนั้นเล็กน้อยเกี่ยวกับคณิตศาสตร์ด้วยเหตุนี้ฉัน คิดว่าอัลฟาที่แตกต่างกันเพียงแค่จริงจะให้ฉันแก้ไขที่เหมาะสมระหว่างทั้งสอง จุดที่คุณพูดถึง แต่ในทางที่ง่ายมากต่อไปฉันคิดว่าอัลฟาที่แตกต่างกันยังจะ properply จัดการกับตัวอย่างที่ถ่ายระหว่างช่วงเวลาในการสุ่มตัวอย่างมาตรฐานในคำอื่น ๆ ฉัน m มองหาสิ่งที่คุณอธิบาย แต่พยายามใช้คณิตศาสตร์เพื่อ คิดออกวิธีง่ายๆในการทำ Curt Sampson 21 มิ.ย. 21 เวลา 14 07. ฉันไม่คิดว่ามีสัตว์เช่นการแก้ไขที่ถูกต้องคุณเพียง don t รู้ว่าเกิดอะไรขึ้นในเวลาที่คุณไม่ได้สุ่มตัวอย่างการแก้ไขที่ดีและไม่ดีหมายถึงความรู้บางอย่าง ของสิ่งที่คุณพลาดเนื่องจากคุณต้องวัดกับที่จะตัดสินว่าการแก้ไขเป็นสิ่งที่ดีหรือไม่ดีแม้ว่าที่กล่าวว่าคุณสามารถวางข้อ จำกัด เช่นมีการเร่งความเร็วสูงสุด ฯลฯ ฉันคิดว่าถ้าคุณทราบวิธีการแบบข้อมูลที่หายไป แล้วคุณจะเพียงแค่รูปแบบข้อมูลที่ขาดหายไปจากนั้นใช้อัลกอริทึม EMA โดยไม่มีการเปลี่ยนแปลงแทนที่จะเปลี่ยน alpha เพียงแค่ freespace 2c ของฉัน 21 มิ.ย. 21 ที่ 14 17 นี่คือสิ่งที่ฉันได้รับในการแก้ไขของฉันกับคำถาม 15 นาที ที่ผ่านมาคุณเพียงแค่ง เกี่ยวกับสิ่งที่เกิดขึ้นในเวลาที่คุณไม่ได้สุ่มตัวอย่าง แต่ที่จริงแม้ว่าคุณจะตัวอย่างในช่วงเวลาที่กำหนดดังนั้นการไตร่ตรอง Nyquist ของฉันตราบเท่าที่คุณรู้ว่ารูปแบบคลื่น doesn t เปลี่ยนทิศทางมากกว่าคู่ของตัวอย่างทุกจริง ตัวอย่างช่วง shouldn t เรื่องและควรจะสามารถที่จะแตกต่างกันสมการ EMA ดูเหมือนว่าฉันว่าการคำนวณเป็นถ้ารูปแบบของคลื่นที่มีการเปลี่ยนแปลงเชิงเส้นจากค่าตัวอย่างล่าสุดไปปัจจุบันหนึ่ง Curt Sampson 21 มิถุนายน 09 ที่ 14 26.I don t คิดว่า เป็นจริง Nyquist s ทฤษฎีบทต้องใช้อย่างน้อย 2 ตัวอย่างต่อระยะเวลาเพื่อให้สามารถระบุเอกลักษณ์ของสัญญาณหากคุณ don t ทำอย่างนั้นคุณจะได้รับ aliasing มันจะเหมือนกับการสุ่มตัวอย่างเป็น fs1 เป็นเวลาแล้ว fs2 แล้วกลับ เพื่อ fs1 และคุณได้รับ aliasing ในข้อมูลเมื่อคุณตัวอย่างกับ fs2 ถ้า fs2 ต่ำกว่าวงเงิน Nyquist ฉันยังต้องสารภาพฉันไม่เข้าใจสิ่งที่คุณหมายถึงการเปลี่ยนแปลงรูปคลื่นจากตัวอย่างสุดท้ายปัจจุบันหนึ่งคุณช่วยกรุณาอธิบาย Cheers Steve ที่ว่าง 21 มิถุนายน 21 ที่ 14 36 นี้จะคล้ายกับปัญหาที่เปิดในรายการสิ่งที่ต้องทำของฉันฉันมีหนึ่งโครงการทำงานออกไปในระดับหนึ่ง แต่ไม่ได้มีการทำงานทางคณิตศาสตร์เพื่อกลับข้อเสนอแนะนี้ยังคงใช้สรุปผลสรุปต้องการที่จะให้ปัจจัยที่ราบรื่นอัลฟาอิสระ ของปัจจัยการชดเชยที่ฉันดูเป็นเบต้าคำตอบที่ดีของเจสันที่นี่ยอมรับแล้วผลงานที่ดีสำหรับฉันถ้าคุณสามารถวัดเวลาตั้งแต่ตัวอย่างสุดท้ายถูกถ่ายในคูณกลมของเวลาการสุ่มตัวอย่างของคุณคงที่ - ดังนั้น 7 8 ms ตั้งแต่ ตัวอย่างสุดท้ายจะเป็น 8 ยูนิตซึ่งสามารถนำไปใช้กับการปรับให้ราบเรียบได้หลายครั้งใช้สูตร 8 เท่าในกรณีนี้คุณได้ทำการปรับให้ราบเรียบขึ้นตามมูลค่าปัจจุบันเพื่อให้ได้ความเรียบที่ดีขึ้นเราจำเป็นต้องปรับแต่งอัลฟา ในขณะที่ใช้สูตร 8 ครั้งในกรณีก่อนหน้านี้สิ่งที่จะทำให้เรียบประมาณพลาดนี้ได้พลาดไปแล้ว 7 ตัวอย่างในตัวอย่างข้างต้นนี้เป็นประมาณในขั้นตอนที่ 1 กับการประยุกต์ใช้บี้เรียบของปัจจุบัน VA lue อีก 7 ครั้งถ้าเรากำหนด beta เบต้าประมาณที่จะถูกนำมาใช้พร้อมกับ alpha เป็น alpha beta แทนที่จะเป็น alpha เราจะสมมติว่ามี 7 ตัวอย่างที่ไม่ได้รับการเปลี่ยนแปลงอย่างราบรื่นระหว่างค่าตัวอย่างก่อนหน้าและค่าปัจจุบันตัวอย่าง Jun 21 09 ที่ 13 35. ฉันคิดเกี่ยวกับเรื่องนี้ แต่บิตของ mucking เกี่ยวกับคณิตศาสตร์ได้ฉันไปยังจุดที่ฉันเชื่อว่าแทนที่จะใช้สูตรแปดครั้งกับค่าตัวอย่างผมสามารถคำนวณของ อัลฟาใหม่ที่จะช่วยให้ฉันสามารถใช้สูตรครั้งเดียวและให้ฉันเดียวกันผลต่อไปนี้จะจัดการกับปัญหาของตัวอย่างที่ชดเชยจากตัวอย่างครั้งที่แน่นอน Curt Sampson 21 มิถุนายน 09 ที่ 13 47 ใบสมัครเพียงครั้งเดียวคือปรับสิ่งที่ฉัน ไม่แน่ใจเกี่ยวกับยังเป็นวิธีการที่ดีคือประมาณของ 7 ค่าที่หายไปหากการเคลื่อนไหวอย่างต่อเนื่องทำให้กระวนกระวายใจค่ามากใน 8 มิลลิวินาทีประมาณอาจจะค่อนข้างปิดความเป็นจริง แต่แล้วถ้าคุณมีการสุ่มตัวอย่างที่ 1ms reso สูงสุด lution ไม่รวมตัวอย่างล่าช้าที่คุณได้คิดแล้ว jitter ภายใน 1ms ไม่เกี่ยวข้องไม่ทำงานนี้เหตุผลสำหรับคุณฉันยังคงพยายามโน้มน้าวตัวเอง nik มิถุนายน 21 09 ที่ 14 08.Right นั่นคือเบต้าปัจจัยจากคำอธิบายของฉันปัจจัย beta จะ จะคำนวณตามช่วงเวลาที่แตกต่างกันและตัวอย่างปัจจุบันและก่อนหน้าอัลฟาใหม่จะเป็น alpha beta แต่จะใช้เฉพาะกับตัวอย่างนั้นในขณะที่คุณดูเหมือนจะย้าย alpha ในสูตรฉันมักจะมีค่าคงที่ของ alpha smoothing และ เบต้าคำนวณเป็นอิสระปัจจัยการปรับค่าชดเชยสำหรับตัวอย่างที่พลาดไปในตอนนี้ nik มิถุนายน 21 09 เวลา 15 23