Är det möjligt att implementera ett glidande medelvärde i C utan att det behövs ett fönstervindu Ive fann att jag kan optimera lite genom att välja en fönsterstorlek som är en kraft av två för att tillåta bitskiftning istället för att dela men behöver inte en buffert skulle vara trevligt. Finns det ett sätt att uttrycka ett nytt glidande medelresultat endast som en funktion av det gamla resultatet och det nya provet Definiera ett exempel glidande medelvärde, över ett fönster med 4 prov att vara: Lägg till nytt prov e: Ett glidande medel kan implementeras rekursivt , men för en exakt beräkning av det rörliga genomsnittet måste du komma ihåg det äldsta inmatningsprovet i summan (dvs. a i ditt exempel). För ett längd N rörligt medelvärde beräknar du: var yn är utsignalen och xn är ingångssignalen. Eq. (1) kan skrivas rekursivt som Så du behöver alltid komma ihåg provet xn-N för att beräkna (2). Som påpekat av Conrad Turner kan du använda ett (oändligt långt) exponentiellt fönster istället, vilket gör det möjligt att beräkna utmatningen endast från tidigare utmatning och aktuell ingång: men detta är inte ett vanligt (obetydligt) glidande medelvärde men exponentiellt viktat glidande medelvärde, där prov i det förflutna får en mindre vikt, men (åtminstone teoretiskt) glömmer du aldrig någonting (vikterna blir bara mindre och mindre för prover långt ifrån). Jag implementerade ett glidande medelvärde utan individuellt objektminne för ett GPS-spårningsprogram som jag skrev. Jag börjar med 1 prov och dela med 1 för att få nuvarande avg. Sedan lägger jag till ett prov och delar upp med 2 till den nuvarande avg. Detta fortsätter tills jag når längden på medelvärdet. Varje gång efteråt lägger jag till i det nya provet, får medelvärdet och tar bort det genomsnittet från summan. Jag är inte matematiker men det verkade som ett bra sätt att göra det. Jag tänkte att det skulle vända på magen på en riktig matte kille men det visar sig att det är ett av de accepterade sätten att göra det. Och det fungerar bra. Kom bara ihåg att ju högre längden desto långsammare följer du vad du vill följa. Det kan inte ha betydelse för det mesta, men när du följer satelliter, kan du vara långsiktig, om det är långt ifrån det faktiska läget och det kommer att se dåligt ut. Du kan få ett mellanrum mellan mitten och de efterföljande prickarna. Jag valde en längd på 15 uppdaterad 6 gånger per minut för att få tillräcklig utjämning och inte komma för långt från den faktiska lätta positionen med de släta spårpunkterna. svarat 16 november 16 kl 23:03 initialisera totalt 0, count0 (varje gång vi ser ett nytt värde) Då en inmatning (scanf), en lägg till totalnewValue, en ökning (räkning), en delningsgenomsnitt (totalantal) Detta skulle vara ett glidande medelvärde över alla ingångar För att beräkna medelvärdet över endast de fyra sista ingångarna, skulle det behöva 4 ingångsvariabler, kanske kopiering av varje ingång till en äldre ingångsvariabel och sedan beräkning av det nya glidande medlet. Som summan av de fyra ingångsvariablerna dividerat med 4 (höger skift 2 skulle vara bra om alla ingångar var positiva för att göra den genomsnittliga beräkningen besvarad 3 feb 15 kl 4:06 som faktiskt kommer att beräkna det totala genomsnittet och INTE det glidande genomsnittet. När räkningen blir större blir effekten av ett nytt ingångsprov försvinnande liten ndash Hilmar Feb 3 15 kl 13:53 Ditt svar 2017 Stack Exchange, Inc Jag vet att detta kan uppnås med boost enligt: Men jag vill verkligen undvika att använda boost. Jag har googled och inte hittat några lämpliga eller läsbara exempel. I grund och botten vill jag spåra rör på sig Medelvärdet av en pågående ström av en ström av flytpunkten med de senaste 1000 siffrorna som ett dataprov. Vad är det enklaste sättet att uppnå detta jag experimenterade med att använda ett cirkulärt array, exponentiellt glidande medelvärde och ett enklare glidande medelvärde och fann att resultaten från den cirkulära gruppen passade mina behov bäst. frågade 12 juni 12 kl 4:38 Om dina behov är enkla kan du bara försöka använda ett exponentiellt glidande medelvärde. Enkelt du skapar en ackumulatorvariabel, och när din kod tittar på varje prov uppdateras koden med ackumulatorn med det nya värdet. Du väljer en konstant alfa som är mellan 0 och 1 och beräknar detta: Du behöver bara hitta ett värde av alfa där effekten av ett visst prov endast varar för cirka 1000 prover. Hmm, jag är inte säker på att det här passar dig, nu när jag har lagt den här. Problemet är att 1000 är ett ganska långt fönster för ett exponentiellt rörligt medelvärde. Jag är inte säker på att det finns en alfa som skulle sprida medelvärdet över de senaste 1000 siffrorna, utan underflöde i flytpunktsberäkningen. Men om du ville ha ett mindre medelvärde, som 30 nummer eller så, är det här ett mycket enkelt och snabbt sätt att göra det. svarade 12 jun 12 kl 4:44 1 på ditt inlägg. Det exponentiella glidande medlet kan låta alfabetet vara variabelt. Så här tillåter det att det används för att beräkna tidsbaserade medelvärden (t ex byte per sekund). Om tiden sedan den senaste ackumulatorns uppdatering är mer än 1 sekund, låter du alpha vara 1,0. Annars kan du låta alpha vara (usecs sedan senaste uppdateringen1000000). ndash jxh Jun 12 12 at 6:21 I grund och botten vill jag spåra det rörliga genomsnittet av en pågående ström av en ström av flytande punkttal med de senaste 1000 siffrorna som ett dataprov. Observera att nedanstående uppdaterar summan som element som läggs ut och undviker kostsam O (N) - korsning för att beräkna summan som behövs för genomsnittet - efterfrågan. Totalt görs en annan parameter från T för att stödja t. ex. använder en lång lång när totalt 1000 lång s, ett int för char s, eller en dubbel till totalt float s. Det här är lite bristfälligt i att numsamples kan gå förbi INTMAX - om du bryr dig att du kan använda en unsigned long long. eller använd en extra bool-data medlem för att spela in när behållaren fylls i första gången medan cykeltalsprover runt arrayen (bäst omnämndes något oskyldigt som pos). svarade den 12 juni 12 på 5:19 en förutsätter att kvoträttsoperatören (T-provet) kvot är faktiskt kvittooperatör (T-prov) citat. ndash oPless 8 juni 14 kl 11:52 oPless ahhh. välspotted. egentligen menade jag att det skulle vara tomt operatör () (T-prov) men självklart kunde du använda vilken anteckning du gillade. Kommer att fixa, tack. ndash Tony D 8 juni kl 14: 27 Jag vill utveckla beräkningen för aktiekurs glidande medelvärde. Men mycket komplex beräkning har planerats senare. Mitt första steg för att veta hur man beräknar Moving Average effektivt. Jag behöver veta hur man tar in ingången och returnerar effekten effektivt. anses ingående datum och pris. Consudered output Datum, Pris och Flyttande Genomsnitt. Om jag har 500 poster och jag vill beräkna Flytta genomsnittet i 5 dagar, vad är det effektiva sättet istället för att gå fram och tillbaka i matrisen med datum och pris igen, snälla söka vad är det bästa sättet att få inmatning (ArrayList, Table, array etc) och returutgång. Obs! Dagens MA på 5 dagar kommer att vara genomsnittlig för senaste 5 dagar inklusive dagens pris. Igår kommer MA att vara genomsnittligt de senaste 5 dagarna från igår. Jag vill hålla dagarna att vara flexibla istället för 5 det kan vara 9, 14, 20 etc. Torsdag 10 april 2008 15:21 Om du behöver enkel beräkning utan din ansträngning än du kan använda TA-Lib. Men om du vill att din beräkning ska vara effektivare än TA-Lib, kan du skapa din egen tekniska indikator. TA-Lib är bra, men problemet är att det här biblioteket bara har statiska metoder. Det betyder att när du behöver beräkna SMA-arrayvärden baserat på 500 prisstänger skickar du hela satsen med staplar och det kommer att returnera en rad SMA-värden. Men om du får nytt 501-st värde så ska du skicka igen hela matrisen och TA-Lib kommer igen att beräkna och returnera SMA-arrayen av värden. Föreställ dig nu att du behöver en sådan indikator på realt prismatning, och för varje prisändring behöver du nytt indikatorvärde. Om du har en indikator är inte ett stort problem, men om du har hundratals indikatorer som fungerar kan det vara ett prestandaproblem. Jag befann mig i en sådan situation och börja utveckla realtidsindikatorer som är effektiva och gör ytterligare beräkningar för ny prisfält eller endast för ändrad prisfält. Tyvärr behövde jag aldrig SMA-indikator för mina handelssystem, men jag har sådana för EMA, WMA, AD och andra. En sådan indikator AD publiceras på min blogg och du kan se därifrån vad är den grundläggande strukturen i min realtime-indikatorklass. Jag hoppas att du behöver små förändringar för att genomföra SMA-indikatorn, för det är en av de enklaste. Logiken är enkel. För att beräkna SMA behöver du bara n sista prisvärden. Så klass förekomst kommer att ha samling av priser, som kommer att lagra hålla bara sista n antal priser som SMA definieras (i ditt fall 5). Så när du har en ny stapel tar du bort äldsta och lägger till en ny och skapar beräkning. Torsdag 10 april 2008 16:04 Alla svar Det finns ett bibliotek som heter TA-Lib som gör allt det för dig och det är öppen källkod. Den har ungefär 50 indikatorer som jag tror. Weve använde det i produktionsmiljö och det är mycket effektivt och realiserbart. Du kan använda den i C, Java, C, etc. Om du behöver enkel beräkning utan din ansträngning än du kan använda TA-Lib. Men om du vill att din beräkning ska vara effektivare än TA-Lib, kan du skapa din egen tekniska indikator. TA-Lib är bra, men problemet är att det här biblioteket bara har statiska metoder. Det betyder att när du behöver beräkna SMA-arrayvärden baserat på 500 prisstänger skickar du hela satsen med staplar och det kommer att returnera en rad SMA-värden. Men om du får nytt 501-st värde så ska du skicka igen hela matrisen och TA-Lib kommer igen att beräkna och returnera SMA-arrayen av värden. Föreställ dig nu att du behöver en sådan indikator på realt prismatning, och för varje prisändring behöver du nytt indikatorvärde. Om du har en indikator är inte ett stort problem, men om du har hundratals indikatorer som fungerar kan det vara ett prestandaproblem. Jag befann mig i en sådan situation och börja utveckla realtidsindikatorer som är effektiva och gör ytterligare beräkningar för ny prisfält eller endast för ändrade prisfält. Tyvärr behövde jag aldrig SMA-indikator för mina handelssystem, men jag har sådana för EMA, WMA, AD och andra. En sådan indikator AD publiceras på min blogg och du kan se därifrån vad är den grundläggande strukturen i min realtime-indikatorklass. Jag hoppas att du behöver små förändringar för att genomföra SMA-indikatorn, för det är en av de enklaste. Logiken är enkel. För att beräkna SMA behöver du bara n sista prisvärden. Så klass förekomst kommer att ha samling av priser, som kommer att lagra hålla bara sista n antal priser som SMA definieras (i ditt fall 5). Så när du har en ny stapel tar du bort äldsta och lägger till en ny och skapar beräkning. Torsdag 10 april 2008 16:04 Jag skulle beräkna det glidande genomsnittet i databasen via en lagrad procedur eller i en kub. Har du tittat på analystjänster, har den möjlighet att beräkna glidande medelvärden. Torsdag 10 april 2008 16:05 Ja. TA-LIB är bra men kanske inte lämplig för mig. När jag lägger till nytt värde eller uppdaterat värde för historik över poster kommer jag att göra beräkningen i en separat funktion endast för det nya citatet och lagra det i databasen. Jag planerar att uppdatera citatet varje timme. Jag behöver göra ca 25-30 tekniska indikatorer för 2200 aktier. Torsdagen den 10 april 2008 17:51 Utförandetiden för ett TA-Lib-samtal på en serie av 10000 element tar cirka 15 millisekunder (på en Intel Core Duo 2.13 Ghz). Detta är medelvärdet av alla funktioner. Bland de snabbaste tar SMA mindre än 2,5 millisekunder. Den långsammaste, HTTRENDMODE, tar 450 millisekunder. Med mindre element är det snabbare. SMA tar cirka 0,22 millisekunder för 1000 ingångselement. Hastighetsförstärkningen är nästan linjär (överhuvudet för att utföra funktionssamtalet är försumbar). I samband med din ansökan är TA-Lib mycket osannolikt att vara din flaskhals för snabb prestanda. Också jag rekommenderar inte generellt en sådan quadrat-lösning. Läs nedan för detaljer. Först en korrigering till Boban. s uttalande Alla funktioner i TA-Lib kan också beräkna ett enda sista värde genom att använda ett minimum av kvoterade nquot-element. Du kan ha en serie med storleken 10000, ha data initialiserad endast för de första 500 elementen, lägg till ett element och ring TA-Lib för att beräkna SMA endast för det nya elementet. TA-Lib ser inte bakåt längre än vad som behövs (om SMA är 5, kommer TA-Lib att beräkna en enda SMA med de senaste 5 värdena). Detta görs möjligt med parameteren startIdx och endIdx. Du kan ange ett intervall som ska beräknas eller ett enda värde. I detta scenario skulle du göra startIdx endIdx 500 för att beräkna 501st-elementet. Varför är en sådan quotastikettlösning potentiellt farlig för vissa Oavsett val av Boban. s lösning eller TA-Lib anser att det med ett litet ändligt antal tidigare data inte fungerar bra med de flesta TA-funktioner. Med SMA är det uppenbart att du bara behöver n element för att beräkna ett genomsnitt över n element. Det är inte lika enkelt med EMA (och många andra TA-funktioner). Algoet beror ofta på föregående värde för att beräkna det nya värdet. Funktionen är rekursiv. Det betyder att alla tidigare värden påverkar framtida värden. Om du bestämmer dig för att quotlimitquot ditt algo för att bara använda en liten mängd tidigare n-värde, får du inte samma resultat som någon som beräknar över ett stort antal tidigare värden. Lösningen är en kompromiss mellan hastighet och precision. Jag har ofta diskuterat detta i samband med TA-Lib (jag kallar det det citroner som anges i dokumentationen och forumet). För att hålla det enkelt är min allmänna rekommendation om du inte kan göra skillnaden mellan ett algo med ett ändlöst impulsrespons (FIR) från ett algo med ett oändligt impulsrespons (IIR), du kommer att vara säkrare att beräkna över alla data du har tillgängliga. TA-Lib anger i koden vilken av dess funktioner har en instabil period (IIR). Redigerad av mfortier Fredag 15 augusti 2008 4:25 Korrekt engelsk mening Fredag 15 augusti 2008 4:20 AMAVERAGE-funktion Gäller: Excel 2016 Excel 2013 Excel 2010 Excel 2007 Excel 2016 för Mac Excel för Mac 2011 Excel Online Excel för iPad Excel för iPhone Excel för Android-tabletter Excel Starter Excel Mobile Excel för Android-telefoner Mer. Mindre Denna artikel beskriver formelsyntaxen och användningen av AVERAGE-funktionen i Microsoft Excel. Beskrivning Returnerar det genomsnittliga (aritmetiska medelvärdet) för argumenten. Om t ex A1: A20 innehåller tal, returnerar formeln AVERAGE (A1: A20) genomsnittet av dessa nummer. Synkroniseringsfunktionen AVERAGE har följande argument: Number1 Required. Det första numret, cellreferensen eller det intervall som du vill ha genomsnittet för. Nummer 2. Frivillig. Ytterligare nummer, cellreferenser eller intervall för vilka du vill ha genomsnittet, upp till högst 255. Argument kan antingen vara siffror eller namn, intervall eller cellreferenser som innehåller siffror. Logiska värden och textrepresentationer av siffror som du skriver direkt i listan över argument räknas. Om ett referensargument för räckvidd eller cell innehåller text, logiska värden eller tomma celler ignoreras dessa värden men celler med värdet noll ingår. Argumenter som är felvärden eller text som inte kan översättas till nummer orsakar fel. Om du vill inkludera logiska värden och textrepresentationer av tal i en referens som en del av beräkningen, använd AVERAGEA-funktionen. Om du vill beräkna medelvärdet för endast de värden som uppfyller vissa kriterier, använd AVERAGEIF-funktionen eller AVERAGEIFS-funktionen. Obs! AVERAGE-funktionen mäter central tendens, vilket är placeringen av mitten av en grupp av tal i en statistisk fördelning. De tre vanligaste åtgärderna för central tendensen är: Genomsnitt. vilket är det aritmetiska medelvärdet, och beräknas genom att lägga till en grupp av tal och sedan dela med räkningen av dessa nummer. Till exempel är medelvärdet 2, 3, 3, 5, 7 och 10 30 dividerat med 6, vilket är 5. Median. vilket är mitttalet för en grupp av siffror som är, halva siffrorna har värden som är större än medianen, och halva siffrorna har värden som är mindre än medianen. Till exempel är medianen 2, 3, 3, 5, 7 och 10 4. Läge. vilket är det vanligaste numret i en grupp av siffror. Till exempel är läget 2, 3, 3, 5, 7 och 10 3. För en symmetrisk fördelning av en grupp av tal är dessa tre åtgärder med central tendens allamma. För en skev fördelning av en grupp av siffror kan de vara olika. Tips! När du har genomsnittliga celler, kom ihåg skillnaden mellan tomma celler och de som innehåller värdet noll, speciellt om du har rensat rutan Visa en noll i celler som har ett nollvärde i dialogrutan Excel-alternativ i Excel-skrivbordet Ansökan. När detta alternativ väljs, räknas tomma celler inte, men nollvärden är. Markera kryssrutan Visa en noll i celler som har ett nollvärde: Klicka på Alternativ på fliken Fil. och sedan, under kategorin Avancerat, under Visningsalternativ för det här kalkylbladet. Kopiera exempeldata i följande tabell och klistra in den i cell A1 i ett nytt Excel-kalkylblad. För formler som visar resultat markerar du dem, trycker på F2 och trycker sedan på Enter. Om du behöver kan du justera kolumnbredderna för att se alla data.
No comments:
Post a Comment