Bewegende Gemiddelde Algoritme C

Is dit moontlik om 'n bewegende gemiddelde in C te implementeer sonder die behoefte aan 'n venster van monsters Ive het bevind dat ek 'n bietjie kan optimaliseer, deur die keuse van 'n venster grootte dis 'n krag van twee voorsiening te maak vir bietjie-verskuiwing in plaas van verdeel, maar nie nodig 'n buffer sal lekker wees. Is daar 'n manier om 'n nuwe bewegende gemiddelde resultaat slegs as 'n funksie van die ou gevolg en die nuwe monster te druk definieer 'n voorbeeld bewegende gemiddelde, oor 'n venster van 4 monsters te wees: Voeg nuwe monster e: 'n bewegende gemiddelde kan rekursief geïmplementeer , maar vir 'n presiese berekening van die bewegende gemiddelde jy die oudste insette monster in die som (dws die 'n in jou voorbeeld) onthou. Vir 'n lengte N bewegende gemiddelde wat jy bereken: waar yn is die uitsetsein en xn is die insetsein. Aand. (1) kan rekursief geskryf word as sodat jy altyd moet die monster xn-N onthou om te bereken (2). Soos uitgewys deur Conrad Turner, kan jy 'n (oneindig lank) eksponensiële venster plaas, wat dit moontlik maak om die uitset net uit die verlede uitset en die huidige insette te bereken gebruik, maar dit is nie 'n standaard (ongeweegde) bewegende gemiddelde, maar 'n eksponensieel geweegde bewegende gemiddelde, waar monsters verder in die verlede kry 'n kleiner gewig, maar (ten minste in teorie) wat jy nooit iets vergeet nie (die gewigte kry net kleiner en kleiner vir monsters ver in die verlede). inisialiseer totale 0, count0 (elke keer sien 'n nuwe waarde toe een insette (scanf), een totalnewValue, een inkrement (telling), een kloof gemiddelde (totale / telling voeg) Dit sou 'n bewegende gemiddelde oor alle insette Om die gemiddelde bereken word oor net die laaste 4 insette, sal vereis 4 inputvariables, miskien kopiëring elke insette om 'n ouer inputvariable, dan berekening van die nuwe bewegende gemiddelde. as som van die 4 inputvariables, gedeel deur 4 (regs skuif 2 sal goed wees as al die insette was positiewe te maak die gemiddelde calculationI ek probeer om die bewegende gemiddelde van 'n sein te bereken. die sein waarde ( 'n dubbel) is opgedateer na willekeur keer. Ek is op soek na 'n doeltreffende manier om sy tyd geweegde gemiddelde oor 'n tyd venster te bereken, in die werklike tyd. Ek kan dit doen my self, maar dit is meer uitdagend as wat ek gedink het. die meeste van die hulpbronne Ive gevind oor die internet is die berekening van bewegende gemiddelde van periodieke sein, maar my updates na willekeur tyd. is daar iemand weet goed hulpbronne vir daardie die truuk is die volgende: Jy kry updates na willekeur keer per leemte update (int tyd, float waarde). Maar jy moet ook ook dop wanneer 'n update val af die tyd venster, sodat jy 'n alarm wat genoem ten tye N wat die vorige update van wat ooit in die berekening weer oorweeg verwyder gestel. As dit gebeur in real-time kan jy die bedryfstelsel versoek om 'n oproep om 'n metode leemte dropoffoldestupdate (int tyd) genoem te word ten tye N As dit 'n simulasie, kan jy nie die hulp van die bedryfstelsel te kry en wat jy nodig het om die hand te doen nie. In 'n simulasie sal jy metodes met die verskaf as 'n argument (wat nie ooreenstem met die werklike tyd) tyd bel. Maar 'n redelike aanname is dat die oproepe is gewaarborg sodanig dat die tyd argumente is aan die toeneem is. In hierdie geval moet jy 'n gesorteerde lys van alarm tyd waardes te handhaaf, en vir elke werk en lees noem jy kyk of die tyd argument is groter as die hoof van die alarm lys. Terwyl dit is 'n groter doen jy die alarm verwante verwerking (drop off die oudste update), verwyder die kop en kyk weer totdat al alarms voor die gegewe tyd verwerk. Doen dan die update oproep. Ek het tot dusver aanvaar is dit duidelik wat jy vir die werklike berekening sou doen, maar ek sal uitbrei net in geval. Ek neem aan jy het 'n metode float lees (int tyd) wat jy gebruik om die waardes te lees. Die doel is hierdie oproep so doeltreffend as moontlik te maak. So jy hoef nie te bereken die bewegende gemiddelde elke keer as die lees metode genoem. In plaas jy precompute die waarde soos op die laaste update of die laaste alarm, en tweak die waarde van 'n paar drywende punt bedrywighede om rekenskap te gee van die verloop van tyd sedert die laaste update. (I. E. 'N konstante aantal operasies behalwe miskien die verwerking van 'n lys van opgestapel alarms). Hopelik is dit duidelik - dit moet 'n baie eenvoudige algoritme en baie doeltreffend wees. Verdere optimalisering. een van die oorblywende probleme is as 'n groot aantal updates binne die venster gebeur, dan is daar 'n lang tyd waarvoor daar nie lees of updates, en dan 'n lees of werk kom saam. In hierdie geval, sal die bogenoemde algoritme ondoeltreffende in inkrementeel opdatering van die waarde vir elk van die updates wat val af wees. Dit is nie nodig nie, want ons het net omgee vir die laaste update oor die tyd venster so as daar 'n manier om al ouer updates doeltreffend af te laai, sal dit help. Om dit te doen, kan ons die algoritme om te doen 'n binêre soek na updates vir die mees onlangse update voor die tyd venster vind verander. As daar relatief min updates wat gevolg moet word laat val dan kan 'n mens geleidelik werk die waarde vir elke gedaal update. Maar as daar is baie opgraderings wat aangespreek moet word laat val dan kan 'n mens die waarde recompute van nuuts af na die val van die ou updates. Addendum op Inkrementele Berekening: Ek moet verduidelik wat ek bedoel met inkrementele berekening hierbo in die sin aanpas hierdie waarde met 'n paar drywende punt bedrywighede om rekenskap te gee van die verloop van tyd sedert die laaste update. Aanvanklike nie-inkrementele berekening Toe Itereer oor relevantupdates in volgorde van toenemende tyd: movingaverage (som lastupdate timesincelastupdate) / windowlength. Nou as presies een update val af by die venster uit, maar geen nuwe updates kom, pas som as: (let op dit priorupdate wat sy tyd stempel het verander om te begin van verlede venster begin). En as presies een werk gaan by die venster uit, maar geen nuwe updates afval, pas som as: Soos duidelik behoort te wees, dit is 'n rowwe skets, maar hopelik sal dit wys hoe jy die gemiddelde sodanig dat dit O (1) operasies per update kan handhaaf op 'n geamortiseerdekostebasis. Maar let op verdere optimalisering is in die vorige paragraaf. Let ook op stabiliteit kwessies verwys na in 'n ouer antwoord, wat beteken dat drywende punt foute kan versamel oor 'n groot aantal van sulke inkrementele bedrywighede soos dat daar 'n afwyking van die uitslag van die volle berekening wat wesenlik tot die aansoek. As 'n benadering is OK en Theres 'n minimum tyd tussen monsters, kan jy probeer super-steekproefneming. Het jy 'n skikking wat eweredig gespasieer tydintervalle wat korter as die minimum is verteenwoordig, en by elke tydperk winkel die nuutste monster wat ontvang is. Hoe korter die interval, sal die nader die gemiddelde wees om die werklike waarde. Die tydperk moet nie groter as die helfte van die minimum wees of daar is 'n kans van die vermiste 'n monster. antwoord 15 Desember 11 van die 18:12 beantwoord 15 Desember 11 van die 22:38 Dankie vir die antwoord. Een verbetering wat dit nodig sou wees om werklik quotcachequot die waarde van die totale gemiddelde sodat ons don39t lus al die tyd. Ook, kan dit 'n geringe punt nie, maar sal dit nie meer doeltreffend om 'n deque of 'n lys te gebruik om die waarde te stoor, aangesien ons aanvaar dat werk sal in die korrekte volgorde te kom. Invoeging sal vinniger as in die kaart wees. â € Arthur 16 Desember 11 van die 08:55 Ja, jy kan die waarde van som kas. Trek die waardes van die monsters wat jy vee, voeg die waardes van die monsters wat jy voeg. Ook, ja, 'n dequeltpairltSample, Dategtgt kan meer doeltreffend wees. Ek verkies kaart vir leesbaarheid, en die gemak van beroep kaart :: Maximum. Soos altyd, skryf die korrekte kode eerste, dan profiel en inkrementele veranderinge meet. uitvoering maak Rob 16 Desember 11 om 15:00 Nota: Blykbaar is dit nie die manier om dit te benader. Verlaat dit hier vir verwysing op wat fout is met hierdie benadering is. Kyk op die kommentaar. UPDATED - gebaseer op Olis kommentaar. nie seker oor die onstabiliteit wat hy al praat. Gebruik 'n gesorteer kaart van aankoms tye teen waardes. By aankoms van 'n waarde toe te voeg die aankoms tyd om die gesorteerde kaart saam met die waarde daarvan en werk die bewegende gemiddelde. waarsku dit is pseudo-kode: Daar. Nie ten volle aangevul maar jy kry die idee. Dinge om daarop te let. Soos ek gesê het die bogenoemde is pseudo-kode. Jy moet 'n geskikte kaart te kies. Moenie verwyder die pare as jy Itereer deur as jy die iterator sal ongeldig en moet weer begin. Sien Olis kommentaar hieronder ook. antwoord 15 Desember 11 van die 12:22 Dit doesn39t werk: dit doesn39t in ag neem watter gedeelte van die venster-lengte elke waarde bestaan ​​vir. Ook hierdie benadering van die toevoeging en dan trek net stabiel vir heelgetal tipes, nie dryf. uitvoering maak Oliver Charles 15 Desember 11 by 00:29 OliCharlesworth - jammer ek gemis 'n paar belangrike punte in die beskrywing (dubbel en-time geweeg). Ek sal werk. Dankie. â € Dennis 15 Desember 11 by 12:33 Die tydbeswaringsfaktor is nog 'n probleem. Maar that39s nie wat I39m praat. Ek het verwys na die feit dat wanneer 'n nuwe waarde eers die tyd venster binnekom, sy bydrae tot die gemiddelde is minimaal. Sy bydrae gaan voort om te verhoog tot 'n nuwe waarde betree. uitvoering maak Oliver Charles 15 Desember 11 by 12: 35Moving Gemiddeld - MA afbreek bewegende gemiddelde - MA As SMA voorbeeld, kyk na 'n sekuriteit met die volgende sluitingsdatum pryse meer as 15 dae: Week 1 (5 dae) 20, 22, 24, 25, 23 Week 2 (5 dae) 26, 28, 26, 29, 27 Week 3 (5 dae) 28, 30, 27, 29, 28 A 10-dag MA sou gemiddeld uit die sluitingsdatum pryse vir die eerste 10 dae as die eerste data punt. Die volgende data punt sal daal die vroegste prys, voeg die prys op dag 11 en neem die gemiddelde, en so aan, soos hieronder getoon. Soos voorheen verduidelik, MA lag huidige prys aksie omdat dit gebaseer is op vorige pryse hoe langer die tydperk vir die MA, hoe groter is die lag. So sal 'n 200-dag MA 'n veel groter mate van lag as 'n 20-dag MA het omdat dit pryse vir die afgelope 200 dae bevat. Die lengte van die MA om te gebruik, hang af van die handel doelwitte, met korter MA gebruik vir 'n kort termyn handel en langer termyn MA meer geskik vir 'n lang termyn beleggers. Die 200-dag MA word wyd gevolg deur beleggers en handelaars, met onderbrekings bo en onder hierdie bewegende gemiddelde beskou as belangrike handel seine wees. MA ook mee belangrik handel seine op hul eie, of wanneer twee gemiddeldes kruis. 'N stygende MA dui daarop dat die sekuriteit is in 'n uptrend. terwyl 'n dalende MA dui daarop dat dit in 'n verslechtering neiging. Net so, is opwaartse momentum bevestig met 'n lomp crossover. wat gebeur wanneer 'n korttermyn-MA kruisies bo 'n langer termyn MA. Afwaartse momentum bevestig met 'n lomp crossover, wat plaasvind wanneer 'n kort termyn MA kruisies onder 'n langer termyn MA. A nader kyk na die Advanced CODAS bewegende gemiddelde Algoritme Versatile bewegende gemiddelde in Gevorderde CODAS algoritme filters golfvorm geraas, uittreksels bedoel, en elimineer basislyn drif. Die bewegende gemiddelde is 'n eenvoudige wiskundige tegniek hoofsaaklik gebruik word om afwykings te skakel en openbaar die werklike tendens in 'n versameling van data punte. Jy kan vertroud is met dit uit gemiddeld lawaaierige data in 'n groentjie fisika eksperiment, of uit die dop van die waarde van 'n belegging wees. Jy kan nie weet dat die bewegende gemiddelde is ook 'n prototipe van die eindige impulsrespons filter, die mees algemene tipe filter gebruik in rekenaar-gebaseerde toerusting. In gevalle waar 'n gegewe golfvorm word gewy word met geraas, waar 'n gemiddelde onttrek moet word van 'n periodiese sein, of waar 'n stadig dryf basislyn moet uitgeskakel word van 'n hoër frekwensie sein, kan 'n bewegende gemiddelde filter toegepas die gewenste te bereik gevolg. Die bewegende gemiddelde algoritme van Advanced CODAS bied hierdie soort van golfvorm filter prestasie. Gevorderde CODAS is 'n analise sagteware pakket wat werk op bestaande golfvorm data lêers geskep deur die eerste generasie WinDaq of tweede generasie WinDaq data verkryging pakkette. Benewens die bewegende gemiddelde algoritme, Advanced CODAS sluit ook 'n verslag generator nut en sagteware roetines vir golfvorm integrasie, differensiasie, piek en dal vaslegging, regstelling, en rekenkundige operasies. Bewegende gemiddelde filter Teorie DATAQ instrumente bewegende gemiddelde algoritme kan 'n groot mate van buigsaamheid in golfvorm filter aansoeke. Dit kan gebruik word as 'n laaglaatfilter om die geraas deel is van baie soorte golfvorms verswak, of as 'n hoë-pass filter om 'n drywende basislyn van 'n hoër frekwensie sein uit te skakel. Die prosedure wat gevolg word deur die algoritme om die bedrag van filters bepaal behels die gebruik van 'n glad faktor. Dit glad faktor, deur jou beheer word deur die sagteware, kan verhoog of verlaag die aantal werklike golfvorm data punte of monsters wat die bewegende gemiddelde sal strek spesifiseer. Enige periodieke golfvorm kan wees gedink as 'n lang tou of versameling van data punte. Die algoritme accomplishes 'n bewegende gemiddelde deur twee of meer van hierdie datapunte uit die verkry golfvorm, toe te voeg, te verdeel hul som van die totale aantal datapunte bygevoeg, die vervanging van die eerste data punt van die golfvorm met die gemiddelde net bereken en herhaal die stappe met die tweede, derde en so aan datapunte tot die einde van die data bereik word. Die resultaat is 'n tweede of gegenereer golfvorm bestaan ​​uit die gemiddeld data en met dieselfde aantal punte as die oorspronklike golfvorm. Figuur 1 8212 Enige periodieke golfvorm kan beskou word as 'n lang tou of versameling van data punte. In die bostaande illustrasie, is agtereenvolgende golfvorm data punte wat deur quotyquot om te illustreer hoe die bewegende gemiddelde bereken word. In hierdie geval, 'n glad faktor van drie toegepas, wat beteken dat drie agtereenvolgende datapunte vanaf die oorspronklike golfvorm bygevoeg, hulle som gedeel deur drie, en dan is dit kwosiënt is geplot as die eerste data punt van 'n gegenereer golfvorm. Die proses herhaal met die tweede, derde en so aan datapunte van die oorspronklike golfvorm tot aan die einde van die data bereik word. 'N Spesiale quotfeatheringquot tegniek gemiddeldes die begin en einde data punte van die oorspronklike golf-vorm om te verseker dat die gegenereerde golfvorm bevat dieselfde aantal datapunte as die oorspronklike. Figuur 1 illustreer hoe die bewegende gemiddelde algoritme is toegepas op datapunte (wat verteenwoordig word deur y) golfvorm. Die illustrasie beskik oor 'n glad faktor van 3, wat beteken dat die gemiddelde waarde (verteenwoordig deur a) word bereken oor 3 agtereenvolgende golfvorm datawaardes. Let op die oorvleueling wat in die bewegende gemiddelde berekeninge bestaan. Dit is hierdie oorvleueling tegniek, saam met 'n spesiale beginning - en eindpunt behandeling wat dieselfde aantal datapunte in die gemiddelde golfvorm genereer as bestaan ​​het in die oorspronklike. Die manier waarop die algoritme bereken 'n bewegende gemiddelde verdien 'n nader kyk en kan geïllustreer met 'n voorbeeld. Sê ons op 'n dieet gewees het vir twee weke en ons wil ons gemiddelde gewig bereken die afgelope 7 dae. Ons wil ons gewig op te som op dag 7 met ons gewig op dae 8, 9, 10, 11, 12, en 13 en dan vermenigvuldig met 1/7. Om die proses te formaliseer, kan dit uitgedruk word as: (. Y (7) y (8) y (9) y (13)) 'n (7) 1/7 Hierdie vergelyking kan verder veralgemeen word. Die bewegende gemiddelde van 'n golfvorm kan bereken word deur: Waar: 'n gemiddeld waarde N datapunt posisie is glad faktor y werklike data punt waarde Figuur 2 8212 Die vrag sel uitsetgolfvorm getoon oorspronklike en ongefiltreerde in die top-kanaal en as 'n 11-punt beweeg gemiddeld golfvorm in die onderste kanaal. Die geraas wat op die oorspronklike golfvorm te wyte was aan die intense vibrasies geskep deur die pers gedurende die verpakking werking. Die sleutel tot hierdie algoritmes buigsaamheid is sy wye verskeidenheid van te kies glad faktore (van 2 - 1000). Die glad faktor bepaal hoeveel werklike datapunte of monsters sal gemiddeld. Spesifisering enige positiewe glad faktor simuleer 'n laaglaatfilter terwyl spesifiseer van 'n negatiewe glad faktor simuleer 'n hoë-pass filter. Gegewe die absolute waarde van die smoothing faktor, hoër waardes groter glad beperkings op die gevolglike golfvorm en omgekeerd, laer waardes minder glad. Met die toepassing van die korrekte glad faktor, kan die algoritme ook gebruik word om die gemiddelde waarde van 'n gegewe periodieke golfvorm te onttrek. 'N Hoër positiewe glad faktor is tipies aangewend vir die opwekking van gemiddelde golfvorm waardes. Die toepassing van die bewegende gemiddelde Algoritme A opvallende kenmerk van die bewegende gemiddelde algoritme is dat dit baie keer toegepas kan word om dieselfde golfvorm indien nodig om die gewenste filter resultaat te kry. Golfvorm filter is 'n baie subjektiewe oefening. Wat kan 'n behoorlik gefilter golfvorm om 'n gebruiker kan onaanvaarbaar lawaaierige na 'n ander te wees. Net jy kan oordeel of die aantal gemiddeld punte gekies te hoog, te laag, of net reg was. Die buigsaamheid van die algoritme kan jy die smoothing faktor aan te pas en maak 'n ander pas deur die algoritme toe bevredigende resultate nie bereik word met die aanvanklike poging. Die aansoek en vermoëns van die bewegende gemiddelde algoritme kan die beste geïllustreer deur die volgende voorbeelde. Figuur 3 8212 Die EKG golfvorm getoon oorspronklike en ongefiltreerde in die top-kanaal en as 'n 97-punt bewegende gemiddelde golfvorm in die onderste kanaal. Let op die afwesigheid van basislyn drif in die onderste kanaal. Beide golfvorms word in 'n saamgeperste voorwaarde vir aanbieding doeleindes. A Ruisonderdrukking toepassing in gevalle waar 'n gegewe golfvorm is deurmekaar met geraas, kan die bewegende gemiddelde filter toegepas word op die geraas te onderdruk en lewer 'n duideliker prentjie van die golfvorm. Byvoorbeeld, is 'n gevorderde CODAS kliënt met behulp van 'n pers en 'n vrag sel in 'n verpakking werking. Hul produk was om saamgepers tot 'n voorafbepaalde vlak (gemonitor word deur die vrag sel) om die grootte van die pakket wat nodig is om die produk bevat verminder. Vir gehaltebeheer redes, het hulle besluit om die pers in samewerking met instrumentasie te monitor. 'N Onverwagse probleem verskyn toe hulle begin lees van die real-time vrag sel uitset. Sedert die druk masjien vibreer aansienlik terwyl dit in werking, die vrag selle uitsetgolfvorm was moeilik om te onderskei, want dit 'n groot hoeveelheid van die geraas wat as gevolg van die vibrasie soos in die top-kanaal van Figuur 2. Dit geraas uitgeskakel deur die opwekking van 'n 11-punt bewegende gemiddelde kanaal soos in die onderste kanaal van Figuur 2. Die gevolg was 'n baie duideliker prentjie van die vrag selle uitset. 'N Aansoek in die uitskakeling van Basislyn Drift In gevalle waar 'n stadig dryf basislyn behoeftes van 'n hoër frekwensie sein te verwyder, kan die bewegende gemiddelde filter toegepas word op die drywende basislyn te skakel. Byvoorbeeld, 'n EKG golfvorm vertoon tipies 'n mate van basislyn dwaal soos gesien kan word in die top-kanaal van figuur 3. Dit basislyn drif kan uitgeskakel word sonder om of die eienskappe van die golfvorm ontstellend soos in die onderste kanaal van figuur 3. Dit word bereik deur die toepassing van 'n toepaslike negatiewe waarde glad faktor tydens die bewegende gemiddelde berekening. Die toepaslike glad faktor bepaal word deur 'n golfvorm tydperk (in sekondes) deur die kanale voorbeeld interval. Die kanale voorbeeld interval is eenvoudig die omgekeerde van die kanale monster tempo en is gerieflik vertoon op die bewegende gemiddelde nut spyskaart. Die golfvorm tydperk is maklik bepaal uit die skerm deur die posisionering van die muis op 'n gerieflike plek op die golfvorm, die opstel van 'n tyd merker, en dan beweeg die wyser een volledige siklus weg van die vertoon tyd merker. Die tydsverskil tussen wyser en tyd merker is een golfvorm tydperk en vertoon aan die onderkant van die skerm in sekondes. In ons EKG byvoorbeeld die golfvorm besit 'n kanaal voorbeeld interval van 0,004 sekondes (verkry uit die bewegende gemiddelde nut spyskaart) en een golfvorm tydperk is gemeet aan 0,388 sekondes strek. Die verdeling van die golfvorm tydperk deur die kanale voorbeeld interval het ons 'n glad faktor van 97. Aangesien dit die basislyn drif wat ons is geïnteresseerd in die uitskakeling van ons toegepas n negatiewe glad faktor (-97) om die bewegende gemiddelde algoritme. Dit in werking afgetrek die bewegende gemiddeld gevolg van die oorspronklike golfvorm sein, wat die basislyn drif uitgeskakel sonder om golfvorm inligting. Ander Golfvorm bewegende gemiddelde Kwessies Wat die aansoek, die universele rede vir die toepassing van 'n bewegende gemiddelde filter is om quotsmooth outquot die hoë en lae afwykings en openbaar 'n meer verteenwoordigende intermediêre golfvorm waarde. Wanneer dit te doen, moet die sagteware nie ander kenmerke van die oorspronklike golfvorm kompromie in die proses vir die opwekking van 'n bewegende gemiddeld golfvorm. Byvoorbeeld, moet die sagteware outomaties die kalibrasie inligting wat verband hou met die oorspronklike data lêer aan te pas, sodat die bewegende gemiddeld golfvorm is in die toepaslike ingenieurswese eenhede toe gegenereer. Alle lesings in die syfers is geneem met behulp van WinDaq Data Acquisition softwareMoving Gemiddelde Hierdie voorbeeld leer jy hoe om die bewegende gemiddelde van 'n tydreeks in Excel te bereken. 'N bewegende avearge gebruik te stryk onreëlmatighede (pieke en dale) om maklik tendense herken. 1. In die eerste plek kan 'n blik op ons tyd reeks. 2. Klik op die blad Data, kliek Data-analise. Nota: cant vind die Data-analise knoppie Klik hier om die analise ToolPak add-in te laai. 3. Kies bewegende gemiddelde en klik op OK. 4. Klik op die insette Range boks en kies die reeks B2: M2. 5. Klik op die boks interval en tik 6. 6. Klik in die uitset Range boks en kies sel B3. 8. Teken 'n grafiek van hierdie waardes. Verduideliking: omdat ons die interval stel om 6, die bewegende gemiddelde is die gemiddeld van die vorige 5 datapunte en die huidige data punt. As gevolg hiervan, is pieke en dale stryk uit. Die grafiek toon 'n toenemende tendens. Excel kan nie bereken die bewegende gemiddelde vir die eerste 5 datapunte, want daar is nie genoeg vorige datapunte. 9. Herhaal stappe 2 tot 8 vir interval 2 en interval 4. Gevolgtrekking: Hoe groter die interval, hoe meer die pieke en dale is glad nie. Hoe kleiner die interval, hoe nader die bewegende gemiddeldes is om die werklike data punte. Hou jy van hierdie gratis webwerf Deel asseblief hierdie bladsy op Google