الأسي الحركة من المتوسط - ابفيف

فيلتر إكسبريس في يحدد الأنواع التالية من الفلاتر لاستخدامها: لوباس، هايباس، ممر الموجة، باندستوب، أو التمهيد. الافتراضي هو لوباس. يحتوي على الخيارات التالية: تردد القطع (هرتز) 8212 يحدد تردد قطع مرشح. يتوفر هذا الخيار فقط عند تحديد لوباس أو هيباس من القائمة المنسدلة نوع التصفية. الافتراضي هو 100. انخفاض قطع تردد (هرتز) 8212 يحدد تردد قطع منخفض من التصفية. يجب أن يكون تردد قطع منخفض (هرتز) أقل من تردد قطع عالية (هرتز) ومراقبة معيار نيكيست. الافتراضي هو 100. لا يتوفر هذا الخيار إلا عند تحديد باندباس أو باندستوب من القائمة المنسدلة نوع التصفية. ارتفاع تردد قطع (هرتز) 8212 يحدد ارتفاع قطع التردد من التصفية. يجب أن يكون تردد قطع عالية (هرتز) أكبر من التردد قطع منخفض (هرتز) ومراقبة معيار نيكيست. الافتراضي هو 400. لا يتوفر هذا الخيار إلا عند تحديد باندباس أو باندستوب من القائمة المنسدلة نوع التصفية. مرشح استجابة النبض المحدود (فير) 8212 ينشئ فلتر معلومات الطيران. الذي يعتمد فقط على المدخلات الحالية والسابقة. ونظرا لأن الفلتر لا يعتمد على النواتج السابقة، فإن الاستجابة النبضية تتلاشى إلى الصفر في مقدار محدود من الزمن. لأن مرشحات فير ترجع استجابة المرحلة الخطية، استخدم مرشحات فير للتطبيقات التي تتطلب استجابة المرحلة الخطية. الصنابير 8212 يحدد إجمالي عدد معاملات فير، التي يجب أن تكون أكبر من الصفر. الافتراضي هو 29. يتوفر هذا الخيار فقط عند تحديد الخيار فيلتر النبض الاستجابة (فير). زيادة قيمة الصنابير يسبب الانتقال بين نطاق التمرير و ستوباند لتصبح أكثر حدة. ومع ذلك، مع زيادة قيمة الصنابير، تصبح سرعة المعالجة أبطأ. مرشح استجابة النبضات اللانهائية (إير) 8212 ينشئ فلتر إير وهو مرشح رقمي مع استجابات النبضات التي يمكن نظريا أن تكون لانهائية في الطول أو المدة. طوبولوجيا 8212 يحدد نوع تصميم الفلتر. يمكنك إنشاء إما بوترورث، تشيبيشيف، معكوس تشيبيشيف، بيضاوي الشكل، أو تصميم فلتر بسل. یتوفر ھذا الخیار فقط عند تحدید خیار ترکیب الاستجابة اللانهائیة (إير). الافتراضي هو بوترورث. طلب 8212 طلب فلتر إير، الذي يجب أن يكون أكبر من الصفر. یتوفر ھذا الخیار فقط عند تحدید خیار ترکیب الاستجابة اللانهائیة (إير). الافتراضي هو 3. زيادة قيمة النظام يسبب الانتقال بين نطاق التمرير و ستوباند لتصبح أكثر حدة. ومع ذلك، مع زيادة قيمة النظام، تصبح سرعة المعالجة أبطأ، ويزداد عدد النقاط المشوهة عند بداية الإشارة. المتوسط ​​المتحرك 8212 يؤدي إلى معاملات في الأمام فقط (فير). يتوفر هذا الخيار فقط عند تحديد التمويه من القائمة المنسدلة نوع التصفية. مستطيلة 8212 يحدد أن جميع العينات في إطار متحرك المتوسط ​​موزون بالتساوي في حساب كل عينة الانتاج السلس. يتوفر هذا الخيار فقط عند تحديد التمويه من القائمة المنسدلة نوع التصفية وخيار المتوسط ​​المتحرك. ثريانغولار 8212 يحدد أن نافذة الترجيح المتحركة المطبقة على العينات هي ثلاثية مع الذروة المتمركزة في منتصف النافذة، تتساقط بشكل متناظر على جانبي العينة المركزية. يتوفر هذا الخيار فقط عند تحديد التمويه من القائمة المنسدلة نوع التصفية وخيار المتوسط ​​المتحرك. نصف عرض المتوسط ​​المتحرك 8212 يحدد نصف عرض نافذة المتوسط ​​المتحرك في العينات. ويكون االفتراض هو 1. بالنسبة لنصف العرض للمتوسط ​​المتحرك M، يكون العرض الكامل لنافذة المتوسط ​​المتحرك هو عينات N 1 2M. ولذلك، فإن العرض الكامل N هو دائما عدد فردي من العينات. يتوفر هذا الخيار فقط عند تحديد التمويه من القائمة المنسدلة نوع التصفية وخيار المتوسط ​​المتحرك. الأسي 8212 يولد معاملات إر من الدرجة الأولى. يتوفر هذا الخيار فقط عند تحديد التمويه من القائمة المنسدلة نوع التصفية. الوقت الثابت للمتوسط ​​الأسي 8212 يحدد ثابت الوقت لمرشح الترجيح الأسي بالثواني. الافتراضي هو 0.001. يتوفر هذا الخيار فقط عند تحديد التمويه من القائمة المنسدلة نوع التصفية والخيار الأسي. لعرض إشارة الدخل. إذا كنت البيانات الأسلاك إلى اكسبريس السادس وتشغيله، يعرض إشارة الإدخال البيانات الحقيقية. إذا قمت بإغلاق وإعادة فتح إكسبريس السادس، يعرض إشارة الإدخال بيانات العينة حتى تقوم بتشغيل إكسبريس في مرة أخرى. يعرض معاينة القياس. تشير مؤامرة معاينة النتائج إلى قيمة القياس المحدد بخط متقطع. إذا كنت البيانات الأسلاك إلى اكسبريس السادس وتشغيل السادس، يعرض معاينة النتائج البيانات الحقيقية. إذا قمت بإغلاق وإعادة فتح إكسبريس في يعرض "معاينة النتائج" نموذج البيانات حتى تقوم بتشغيل في مرة أخرى. إذا كانت قيم تردد القطع غير صالحة، لا تعرض معاينة النتائج بيانات صالحة. يحتوي على الخيارات التالية: ملاحظة لا يؤثر تغيير الخيارات في المقطع "طريقة العرض" على سلوك فيلتر إكسبريس في. استخدم خيارات وضع العرض لتصور ما يفعله المرشح للإشارة. لا يقوم لابفيو بحفظ هذه الخيارات عند إغلاق مربع حوار التكوين. إشارات 8212 يعرض استجابة المرشح كإشارات حقيقية. إظهار كطيف 8212 يحدد ما إذا كان سيتم عرض الإشارات الحقيقية لاستجابة الفلتر كطيف تردد أو ترك العرض كعرض يستند إلى الوقت. عرض التردد مفيد لعرض كيف يؤثر الفلتر على مكونات التردد المختلفة للإشارة. الافتراضي هو عرض استجابة عامل التصفية كعرض يستند إلى الوقت. يتوفر هذا الخيار فقط عند تحديد الخيار إشارات. وظيفة النقل 8212 يعرض استجابة الفلتر كدالة نقل. يحتوي على الخيارات التالية: حجم في ديسيبل 8212 يقدم استجابة حجم مرشح في ديسيبل. التردد في السجل 8212 يعرض استجابة التردد للمرشاح على مقياس لوغاريتمي. يعرض استجابة حجم المرشح. تتوفر هذه الشاشة فقط عند ضبط وضع العرض على وظيفة النقل. يعرض استجابة المرحلة للمرشح. لا تتوفر هذه الشاشة إلا عند ضبط وضع العرض على وظيفة النقل. لا أعرف ما إذا كنت قد ذكرت ذلك مسبقا، ولكنني أقارن بين أفيراجر المتحرك الأسي (إوما) مع أفيراجر المتحرك العادي (ما) لتصفية الضوضاء من الإشارة التي هي في 0Hz. الضجيج هو الضوضاء البيضاء، وربما أحيانا إشارة مزعجة في من البيئة في أي تردد وأنا أقيس إشارة الصوتية. شنر حوالي -50dB بعد تضخيم قبل و آ. أنا باستخدام هذه، وأنا بناء القفل الرقمي في مكبر للصوت وهذين المرشحين لديها قيمة واحدة فقط لتغيير (على سبيل المثال ألفا) لتغيير تك وتسلسل متعددة أو إوماز يمكنني تغيير المنحدر من 20dBdecade إلى عدد صحيح مضاعفات ذلك . هذا هو السبب في أنني لا تستخدم زس استغلالها فلتر أو فلتر إير التي يمكن أن تحصل على عدم الاستقرار. بلدي تردد العينة هو 48KHZ وأنا دونزامبلينغ مع اثنين من 2 مرشحات سيك مرحلة إلى 93،75Hz (عامل 512). بالنسبة للمتوسط ​​المتحرك، فإن المشكلة تخزن هذه القيم. كما يزيد فس عدد العينات، التي يجب أن يكون متوسط ​​للحصول على نفس تك كما هو الحال مع أقل فس، آخذة في الازدياد أيضا. ومع بلوكرام أنا على مقربة من الحد. من أجل الحصول على تك من 10S وأعلى مع لفة أوفس من 80dBdecade أو أكثر، ولدي حتى أن يقلل فس أكثر من ذلك. ل إوما هو مختلف، والمشكلة الوحيدة هنا هي ألفاس صغير حقا. إذا كان ألفا أصغر من 0،001 فإنني أقل من فس. 1، ربما هو سؤال غبي، ولكن المتوسط ​​مع 16 × فس يسبب 4 بت أكثر، كما هو 24 هو 16، والحق 2، أي تعليق حول عامل إخماد أو قفل بلدي في الإعداد (يتم نسخ 512 من قفل آخر في مصنوعة على دسب) 1. نعم. لكل 2X، إضافة واحد لسب (إذا كنت لم بالفعل). 2. أنا لا أفهم تطبيق يكفي أن أقول. أنا لست مألوفة مع المرشحات سيك، وسوف تحتاج إلى تجربة قليلا جدا لمناقشة تفاصيلهم بشكل جيد. من ما رأيت، أنها تبدو وكأنها سوف أعرض بعض التعرج، وخاصة مع الصوت والضوضاء. ربما أنها رائعة للفيديو. و إوما هو في الواقع مرشح إير (تغذية الأمام ألفا، 0، تغذية الخلف 1-ألفا). أنا لا أتذكر الإجراء، ولكن يمكنك تحويل إوما مرحلة مزدوجة إلى إير أكبر قليلا، أيضا. وسوف يستغرق قليلا خطأ أمب محاكمة، ولكن قد يكون لديك نتائج أفضل من مجرد إوما، ثم طابور عينة واحدة من 512، بدلا من سيك، ثم إوما. إشارة التي هي حقا في 0Hz هو العاصمة، ومعظم الإشارات الصوتية لا تشمل 0HZ (محولات عادة تصفية بها). إم على افتراض يعني أقل من 1 هرتز، وهو أمر صعب ولكن يمكن التحكم فيها. المرشحات قد يكون أكثر من تعقيد المشكلة. إذا كان كل ما تحتاجه في نهاية المطاف هو قفل في إشارة هرتز الفرعية، قد يكون هناك أساليب أسهل. على سبيل المثال ضرب الدخل من قبل كوس (بالوزن) والخطيئة (بالوزن) (أو استخدام أرقام معقدة، ومضاعفة بواسطة r1، ثيتوت)، ودمج النتائج على مدى عدة ثوان، أو الذهاب من خلال إوما مع ألفا أقل من ذلك بكثير. المستخدم كلد منذ ريف 8.6. الإشارة الصوتية هي في 4 كيلوهرتز ولكن عن طريق إزالة تشكيلها مع جيب وجيب التمام في نفس التردد، وأنا تحويل الإشارة إلى 0 هرتز و 8 كيلو هرتز (على حد سواء وجود نصف السعة مقارنة مع قبل) الآن أنا تصفية كل شيء فوق 0HZ. هذا إزالة التشكيل المهم للتخلص من الضوضاء عن طريق تصفية تمريرة منخفضة. يمكنني استخدام مراحل متعددة من إوما و ما أن يكون لفة متغيرة قبالة. لم يتم عرض ميزة مرحلة متعددة في السادس ناقش هنا ولكن ردود الفعل هو تأخر فقط مرة أخرى كل مرحلة إضافية ومدخلات يعمل من خلال مرشح أكثر من مرة. وعامل إفساد العقد سيك هو أيضا متغير، ولكن بما أن المعدلات هي صلاحيات اثنين، يمكن كسب 0Hz كسب سيك إلى 1 بت بت تحويل الإخراج. لذلك أنا دائما الحصول على 24 بت في مدخلات إوما وأعتقد 40bits يجب أن يكون كافيا في إوما. ميزة إوما و ما هي، أنه يمكنك بسهولة التكيف ألفا أو مرشح طول M للحصول على الوقت المطلوب المطلوب. استخدام متعدد المراحل يجعل متغير لفة قبالة (20، 40، 60. دبدكاد) ممكن. ميزة سيك هي كسب وحدة في العاصمة (ولكن يجب أن تطبق صلاحيات 2 وبيتشيفتنغ) وعوامل التغير في معدل متغيرة. عدم وجود أي مضاعفات جيدة بشكل جيد، أيضا، فيما يتعلق بقضايا الموارد. يمكن التحكم في التعرج قدم أو على الأقل كميا من قبل عدد من المراحل المستخدمة. يمكنني أن أوصي فقط الكتاب الذي ذكرته في أول مشاركة لي. هنا تنفيذ سيك، إوما أو ما شرح مفصل جدا. النقطة الأخيرة أن أذكر، القفل في يعمل مع هذا الإعداد على الأقل في شنر من -60dB. نوع من التقدير والشكر لجهودكم الثمينةمتوسط ​​المتوسط ​​ونماذج التمهيد الأسي كخطوة أولى في التحرك ما وراء النماذج المتوسطة، نماذج المشي العشوائي، ونماذج الاتجاه الخطي، أنماط غير مواضيعية والاتجاهات يمكن استقراء باستخدام نموذج متحرك متوسط ​​أو تمهيد. الافتراض الأساسي وراء المتوسطات ونماذج التمهيد هو أن السلاسل الزمنية ثابتة محليا بمتوسط ​​متغير ببطء. وبالتالي، فإننا نأخذ متوسطا متحركا (محلي) لتقدير القيمة الحالية للمتوسط ​​ومن ثم استخدامه كمؤشر للمستقبل القريب. ويمكن اعتبار ذلك بمثابة حل توفيقي بين النموذج المتوسط ​​ونموذج المشي العشوائي بدون الانجراف. ويمكن استخدام نفس الاستراتيجية لتقدير الاتجاه المحلي واستقراءه. وعادة ما يطلق على المتوسط ​​المتحرك نسخة كوتسموثيدكوت من السلسلة الأصلية لأن المتوسط ​​على المدى القصير له تأثير على إزالة المطبات في السلسلة الأصلية. من خلال تعديل درجة التمهيد (عرض المتوسط ​​المتحرك)، يمكننا أن نأمل في ضرب نوع من التوازن الأمثل بين أداء المتوسط ​​و نماذج المشي العشوائي. أبسط نوع من نموذج المتوسط ​​هو. المتوسط ​​المتحرك البسيط (بالتساوي المرجح): تقدر قيمة قيمة Y في الوقت t1 التي يتم إجراؤها في الوقت t بالمتوسط ​​البسيط لآخر ملاحظات m: (هنا وفي مكان آخر سأستخدم الرمز 8220Y-hat8221 للوقوف للتنبؤ بالسلسلة الزمنية Y التي أجريت في أقرب موعد ممكن من قبل نموذج معين.) ويتركز هذا المتوسط ​​في الفترة t - (m1) 2، مما يعني أن تقدير المتوسط ​​المحلي سوف تميل إلى التخلف عن صحيح قيمة المتوسط ​​المحلي بنحو (m1) فترتين. وبالتالي، نقول أن متوسط ​​عمر البيانات في المتوسط ​​المتحرك البسيط هو (m1) 2 بالنسبة إلى الفترة التي يتم فيها احتساب التوقعات: هذا هو مقدار الوقت الذي تميل التنبؤات إلى التخلف عن نقاط التحول في البيانات . على سبيل المثال، إذا كنت تقوم بحساب متوسط ​​القيم الخمس الأخيرة، فإن التوقعات ستكون حوالي 3 فترات متأخرة في الاستجابة لنقاط التحول. ويلاحظ أنه في حالة M1، فإن نموذج المتوسط ​​المتحرك البسيط (سما) يساوي نموذج المشي العشوائي (بدون نمو). وإذا كانت m كبيرة جدا (مماثلة لطول فترة التقدير)، فإن نموذج سما يعادل النموذج المتوسط. وكما هو الحال مع أي معلمة لنموذج التنبؤ، من العرفي أن تعدل قيمة k من أجل الحصول على أفضل قيمة ممكنة للبيانات، أي أصغر أخطاء التنبؤ في المتوسط. وفيما يلي مثال لسلسلة يبدو أنها تظهر تقلبات عشوائية حول متوسط ​​متغير ببطء. أولا، يتيح محاولة لتناسب ذلك مع نموذج المشي العشوائي، وهو ما يعادل متوسط ​​متحرك بسيط من 1 مصطلح: نموذج المشي العشوائي يستجيب بسرعة كبيرة للتغيرات في سلسلة، ولكن في ذلك يفعل ذلك يختار الكثير من كوتنويسكوت في البيانات (التقلبات العشوائية) وكذلك كوتسيغنالكوت (المتوسط ​​المحلي). إذا حاولنا بدلا من ذلك متوسط ​​متحرك بسيط من 5 مصطلحات، نحصل على مجموعة أكثر سلاسة من التوقعات: المتوسط ​​المتحرك البسيط لمدة 5 سنوات ينتج أخطاء أقل بكثير من نموذج المشي العشوائي في هذه الحالة. متوسط ​​عمر البيانات في هذه التوقعات هو 3 ((51) 2)، بحيث تميل إلى التخلف عن نقاط التحول بنحو ثلاث فترات. (على سبيل المثال، يبدو أن الانكماش قد حدث في الفترة 21، ولكن التوقعات لا تتحول حتى عدة فترات في وقت لاحق). لاحظ أن التوقعات على المدى الطويل من نموذج سما هي خط مستقيم أفقي، تماما كما في المشي العشوائي نموذج. وبالتالي، يفترض نموذج سما أنه لا يوجد اتجاه في البيانات. ومع ذلك، في حين أن التنبؤات من نموذج المشي العشوائي هي ببساطة مساوية للقيمة الملاحظة الأخيرة، والتنبؤات من نموذج سما يساوي المتوسط ​​المرجح للقيم الأخيرة. إن حدود الثقة المحسوبة من قبل ستاتغرافيكس للتنبؤات طويلة الأجل للمتوسط ​​المتحرك البسيط لا تتسع مع زيادة أفق التنبؤ. ومن الواضح أن هذا غير صحيح لسوء الحظ، لا توجد نظرية إحصائية أساسية تخبرنا كيف يجب أن تتسع فترات الثقة لهذا النموذج. ومع ذلك، ليس من الصعب جدا حساب التقديرات التجريبية لحدود الثقة للتنبؤات الأطول أجلا. على سبيل المثال، يمكنك إعداد جدول بيانات سيتم فيه استخدام نموذج سما للتنبؤ بخطوتين إلى الأمام، و 3 خطوات إلى الأمام، وما إلى ذلك ضمن عينة البيانات التاريخية. يمكنك بعد ذلك حساب الانحرافات المعيارية للعينة في كل أفق للتنبؤ، ومن ثم بناء فترات ثقة للتنبؤات الأطول أجلا عن طريق جمع وطرح مضاعفات الانحراف المعياري المناسب. إذا حاولنا متوسط ​​متحرك بسيط لمدة 9 سنوات، نحصل على توقعات أكثر سلاسة وأكثر من تأثير متخلف: متوسط ​​العمر هو الآن 5 فترات ((91) 2). إذا أخذنا متوسط ​​متحرك لمدة 19 عاما، فإن متوسط ​​العمر يزيد إلى 10: لاحظ أن التوقعات تتخلف الآن عن نقاط التحول بنحو 10 فترات. أي كمية من التجانس هو الأفضل لهذه السلسلة هنا جدول يقارن إحصاءات الخطأ، بما في ذلك أيضا متوسط ​​3 المدى: نموذج C، المتوسط ​​المتحرك لمدة 5 سنوات، ينتج أقل قيمة رمز بهامش صغير على 3 المتوسطات و 9-المدى، وإحصاءاتهم الأخرى متطابقة تقريبا. لذلك، من بين نماذج مع إحصاءات الخطأ مشابهة جدا، يمكننا أن نختار ما إذا كنا نفضل استجابة أكثر قليلا أو أكثر قليلا نعومة في التوقعات. (العودة إلى أعلى الصفحة.) براونز بسيط الأسي تمهيد (المتوسط ​​المتحرك المرجح أضعافا) نموذج المتوسط ​​المتحرك البسيط المذكورة أعلاه لديه الخاصية غير المرغوب فيها أنه يعامل الملاحظات k الماضية بالتساوي تماما ويتجاهل جميع الملاحظات السابقة. بشكل حدسي، يجب أن يتم خصم البيانات السابقة بطريقة أكثر تدرجية - على سبيل المثال، يجب أن تحصل على الملاحظة الأخيرة أكثر قليلا من الوزن الثاني من أحدث، و 2 أحدث يجب الحصول على وزن أكثر قليلا من 3 أحدث، و هكذا. نموذج التمهيد الأسي بسيط (سيس) يحقق هذا. اسمحوا 945 تدل على كونتسموثينغ كونستانتكوت (عدد بين 0 و 1). طريقة واحدة لكتابة النموذج هو تعريف سلسلة L التي تمثل المستوى الحالي (أي القيمة المتوسطة المحلية) من السلسلة كما يقدر من البيانات حتى الوقت الحاضر. يتم حساب قيمة L في الوقت t بشكل متكرر من قيمته السابقة مثل هذا: وهكذا، فإن القيمة الملساء الحالية هي الاستكمال الداخلي بين القيمة الملساء السابقة والمراقبة الحالية، حيث 945 تسيطر على التقارب من قيمة محرف إلى الأحدث الملاحظة. التوقعات للفترة القادمة هي ببساطة القيمة الملساء الحالية: على نحو مماثل، يمكننا التعبير عن التوقعات القادمة مباشرة من حيث التوقعات السابقة والملاحظات السابقة، في أي من الإصدارات المكافئة التالية. في النسخة الأولى، والتنبؤ هو الاستيفاء بين التوقعات السابقة والملاحظة السابقة: في النسخة الثانية، ويتم الحصول على التوقعات القادمة عن طريق ضبط التوقعات السابقة في اتجاه الخطأ السابق من قبل كمية كسور 945. هو الخطأ المحرز في الوقت t. أما في النسخة الثالثة، فإن التنبؤ هو المتوسط ​​المتحرك المرجح ألسعاره (أي مخفضة) مع عامل الخصم 1- 945: إصدار الاستكمال الداخلي لصيغة التنبؤ هو أبسط الاستخدام إذا كنت تنفذ النموذج على جدول بيانات: خلية واحدة ويحتوي على مراجع الخلية مشيرا إلى التوقعات السابقة، الملاحظة السابقة، والخلية حيث يتم تخزين قيمة 945. لاحظ أنه إذا كان 945 1، فإن نموذج سيس يساوي نموذج المشي العشوائي (بدون نمو). وإذا كان 945 0، فإن نموذج سيس يعادل النموذج المتوسط، على افتراض أن القيمة الملساء الأولى موضوعة تساوي المتوسط. (العودة إلى أعلى الصفحة). يبلغ متوسط ​​عمر البيانات في توقعات التمهيد الأسي البسيط 945 1 بالنسبة للفترة التي يتم فيها حساب التوقعات. (وهذا ليس من المفترض أن يكون واضحا، ولكن يمكن بسهولة أن تظهر من خلال تقييم سلسلة لانهائية). وبالتالي، فإن متوسط ​​المتوسط ​​المتحرك بسيط يميل إلى التخلف عن نقاط التحول بنحو 1 945 فترات. على سبيل المثال، عندما يكون 945 0.5 الفارق الزمني هو فترتين عندما يكون 945 0.2 الفارق الزمني هو 5 فترات عندما يكون 945 0.1 الفارق الزمني هو 10 فترات، وهكذا. وبالنسبة إلى متوسط ​​عمر معين (أي مقدار التأخير)، فإن توقعات التمهيد الأسي البسيط تفوق إلى حد ما توقعات المتوسط ​​المتحرك البسيط (سما) لأنها تضع وزنا أكبر نسبيا على الملاحظة الأخيرة - أي. هو أكثر قليلا كوريبرسونسيفكوت إلى التغييرات التي تحدث في الماضي القريب. على سبيل المثال، نموذج سما مع 9 شروط ونموذج سيس مع 945 0.2 على حد سواء لديها متوسط ​​عمر 5 للبيانات في توقعاتها، ولكن نموذج سيس يضع وزنا أكبر على القيم 3 الماضية مما يفعل نموذج سما وفي في الوقت نفسه فإنه don8217t تماما 8220forget8221 حول قيم أكثر من 9 فترات القديمة، كما هو مبين في هذا المخطط: ميزة أخرى هامة من نموذج سيس على نموذج سما هو أن نموذج سيس يستخدم معلمة تمهيد التي هي متغيرة باستمرار، لذلك يمكن بسهولة الأمثل باستخدام خوارزمية كوتسولفيركوت لتقليل متوسط ​​الخطأ التربيعي. وتبين القيمة المثلى ل 945 في نموذج سيس لهذه السلسلة 0.2961، كما هو مبين هنا: متوسط ​​عمر البيانات في هذا التنبؤ هو 10.2961 3.4 فترات، وهو ما يشبه متوسط ​​المتوسط ​​المتحرك البسيط لمدة 6. والتنبؤات الطويلة الأجل من نموذج الخدمة الاقتصادية والاجتماعية هي خط مستقيم أفقي. كما هو الحال في نموذج سما ونموذج المشي العشوائي دون نمو. ومع ذلك، لاحظ أن فترات الثقة التي يحسبها ستاتغرافيكس الآن تتباعد بطريقة معقولة المظهر، وأنها هي أضيق بكثير من فترات الثقة لنموذج المشي العشوائي. ويفترض نموذج سيس أن المسلسل إلى حد ما يمكن التنبؤ به أكثر من ذلك لا نموذج المشي العشوائي. نموذج سيس هو في الواقع حالة خاصة من نموذج أريما. وبالتالي فإن النظرية الإحصائية لنماذج أريما توفر أساسا سليما لحساب فترات الثقة لنموذج سيس. على وجه الخصوص، نموذج سيس هو نموذج أريما مع اختلاف واحد غير منطقي، وهو ما (1) المدى، وليس هناك مصطلح ثابت. والمعروف باسم كوتاريما (0،1،1) نموذج دون كونستانتكوت. معامل ما (1) في نموذج أريما يتوافق مع الكمية 1- 945 في نموذج سيس. على سبيل المثال، إذا كنت تناسب نموذج أريما (0،1،1) دون ثابت لسلسلة تحليلها هنا، فإن ما المقدرة (1) معامل تبين أن يكون 0.7029، وهو تقريبا تقريبا واحد ناقص 0.2961. ومن الممكن إضافة افتراض اتجاه خطي ثابت غير صفري إلى نموذج سيس. للقيام بذلك، مجرد تحديد نموذج أريما مع اختلاف واحد نونسونالونال و ما (1) المدى مع ثابت، أي أريما (0،1،1) نموذج مع ثابت. وعندئذ سيكون للتنبؤات الطويلة الأجل اتجاه يساوي متوسط ​​الاتجاه الذي لوحظ خلال فترة التقدير بأكملها. لا يمكنك القيام بذلك بالتزامن مع التعديل الموسمية، لأن خيارات التعديل الموسمية يتم تعطيل عند تعيين نوع النموذج إلى أريما. ومع ذلك، يمكنك إضافة اتجاه أسي ثابت على المدى الطويل إلى نموذج بسيط الأسي تمهيد (مع أو بدون تعديل موسمي) باستخدام خيار تعديل التضخم في إجراء التنبؤ. ويمكن تقدير معدل كوتينفلاتيونكوت المناسب (نسبة النمو) لكل فترة على أنها معامل الانحدار في نموذج الاتجاه الخطي المجهز بالبيانات بالتزامن مع تحول لوغاريتم طبيعي، أو يمكن أن يستند إلى معلومات مستقلة أخرى تتعلق باحتمالات النمو على المدى الطويل . (العودة إلى أعلى الصفحة). البني الخطي (أي مزدوج) تجانس الأسي نماذج سما ونماذج سيس تفترض أنه لا يوجد أي اتجاه من أي نوع في البيانات (التي عادة ما تكون موافق أو على الأقل ليست سيئة جدا لمدة 1- والتنبؤ بالمتابعة عندما تكون البيانات صاخبة نسبيا)، ويمكن تعديلها لإدراج اتجاه خطي ثابت كما هو مبين أعلاه. ماذا عن الاتجاهات على المدى القصير إذا كانت سلسلة يعرض معدل نمو متفاوت أو نمط دوري الذي يبرز بوضوح ضد الضوضاء، وإذا كان هناك حاجة للتنبؤ أكثر من 1 فترة المقبلة، ثم قد يكون تقدير الاتجاه المحلي أيضا قضية. ويمكن تعميم نموذج التمهيد الأسي البسيط للحصول على نموذج تمهيد أسي خطي (ليس) يحسب التقديرات المحلية لكل من المستوى والاتجاه. أبسط نموذج الاتجاه المتغير بمرور الوقت هو نموذج تمهيد الأسي الخطي براون، والذي يستخدم سلسلتين مختلفتين تمهيدهما تتمركزان في نقاط مختلفة من الزمن. وتستند صيغة التنبؤ إلى استقراء خط من خلال المركزين. (ويمكن مناقشة الشكل الأكثر تطورا من هذا النموذج، هولت 8217s أدناه). ويمكن التعبير عن شكل جبري من نموذج التجانس الأسي الخطي البني 8217s، مثل نموذج التجانس الأسي البسيط، في عدد من الأشكال المختلفة ولكن المكافئة. وعادة ما يعبر عن الشكل المعياري للنموذج من هذا النموذج على النحو التالي: اسمحوا S تدل على سلسة سلسة السلسلة التي تم الحصول عليها عن طريق تطبيق تمهيد الأسي بسيط لسلسلة Y. وهذا هو، يتم إعطاء قيمة S في الفترة t من قبل: (أذكر أنه تحت بسيطة الأسفل، وهذا سيكون التنبؤ ل Y في الفترة t1.) ثم اسمحوا سكوت تدل على سلسلة مضاعفة مضاعفة التي تم الحصول عليها من خلال تطبيق التمهيد الأسي بسيطة (باستخدام نفس 945) لسلسلة S: وأخيرا، والتوقعات ل تك تك. عن أي kgt1، تعطى بواسطة: هذه الغلة e 1 0 (أي الغش قليلا، والسماح للتوقعات الأولى تساوي الملاحظة الأولى الفعلية)، و e 2 Y 2 8211 Y 1. وبعد ذلك يتم توليد التنبؤات باستخدام المعادلة أعلاه. وهذا يعطي نفس القيم المجهزة كالصيغة المستندة إلى S و S إذا كانت الأخيرة قد بدأت باستخدام S 1 S 1 Y 1. يستخدم هذا الإصدار من النموذج في الصفحة التالية التي توضح مجموعة من التجانس الأسي مع التعديل الموسمية. هولت 8217s الخطي الأسي تمهيد البني 8217s نموذج ليس يحسب التقديرات المحلية من المستوى والاتجاه من خلال تمهيد البيانات الأخيرة، ولكن حقيقة أنه يفعل ذلك مع معلمة تمهيد واحد يضع قيدا على أنماط البيانات التي هي قادرة على تناسب: المستوى والاتجاه لا يسمح لها أن تختلف بمعدلات مستقلة. ويعالج نموذج هولت 8217s ليس هذه المسألة عن طريق تضمين اثنين من الثوابت تمهيد، واحدة للمستوى واحد للاتجاه. في أي وقت t، كما هو الحال في نموذج Brown8217s، هناك تقدير ل t من المستوى المحلي وتقدير t ر للاتجاه المحلي. وهنا يتم حسابها بشكل متكرر من قيمة Y الملاحظة في الوقت t والتقديرات السابقة للمستوى والاتجاه من خلال معادلتين تنطبقان على تمهيد أسي لها بشكل منفصل. وإذا كان المستوى المقدر والاتجاه في الوقت t-1 هما L t82091 و T t-1. على التوالي، فإن التنبؤ ب Y تشي الذي كان سيجري في الوقت t-1 يساوي L t-1 T t-1. وعند ملاحظة القيمة الفعلية، يحسب التقدير المحدث للمستوى بصورة متكررة بالاستكمال الداخلي بين Y تشي وتوقعاته L t-1 T t-1 باستعمال أوزان 945 و1-945. والتغير في المستوى المقدر، وهي L t 8209 L t82091. يمكن تفسيرها على أنها قياس صاخبة للاتجاه في الوقت t. ثم يتم حساب التقدير المحدث للاتجاه بشكل متكرر عن طريق الاستكمال الداخلي بين L t 8209 L t82091 والتقدير السابق للاتجاه T t-1. وذلك باستخدام أوزان 946 و 1-946: تفسير ثابت ثابت تمهيد 946 مماثل لتلك التي من ثابت مستوى تمهيد 945. نماذج ذات قيم صغيرة من 946 نفترض أن الاتجاه يتغير ببطء شديد مع مرور الوقت، في حين أن النماذج مع أكبر 946 تفترض أنها تتغير بسرعة أكبر. ويعتقد نموذج مع كبير 946 أن المستقبل البعيد غير مؤكد جدا، لأن الأخطاء في تقدير الاتجاه تصبح مهمة جدا عند التنبؤ أكثر من فترة واحدة المقبلة. (العودة إلى أعلى الصفحة). ويمكن تقدير ثوابت التنعيم 945 و 946 بالطريقة المعتادة من خلال تقليل الخطأ المتوسط ​​التربيعي للتنبؤات ذات الخطوة الأولى. عندما يتم ذلك في ستاترافيكس، وتظهر التقديرات إلى أن 945 0.3048 و 946 0.008. القيمة الصغيرة جدا 946 تعني أن النموذج يفترض تغير طفيف جدا في الاتجاه من فترة إلى أخرى، وذلك أساسا هذا النموذج هو محاولة لتقدير الاتجاه على المدى الطويل. وبالمقارنة مع فكرة متوسط ​​عمر البيانات المستخدمة في تقدير المستوى المحلي للسلسلة، فإن متوسط ​​عمر البيانات المستخدمة في تقدير الاتجاه المحلي يتناسب مع 1 946، وإن لم يكن يساويها بالضبط . في هذه الحالة تبين أن تكون 10.006 125. هذا هو 8217t عدد دقيق جدا بقدر دقة تقدير 946 isn8217t حقا 3 المنازل العشرية، ولكن من نفس الترتيب العام من حيث حجم العينة من 100، لذلك هذا النموذج هو المتوسط ​​على مدى الكثير جدا من التاريخ في تقدير هذا الاتجاه. ويبين مخطط التنبؤ الوارد أدناه أن نموذج ليس يقدر اتجاه محلي أكبر قليلا في نهاية السلسلة من الاتجاه الثابت المقدر في نموذج سيترند. كما أن القيمة المقدرة ل 945 تكاد تكون مطابقة لتلك التي تم الحصول عليها من خلال تركيب نموذج سيس مع أو بدون اتجاه، لذلك هذا هو تقريبا نفس النموذج. الآن، هل هذه تبدو وكأنها توقعات معقولة لنموذج من المفترض أن يكون تقدير الاتجاه المحلي إذا كنت 8220eyeball8221 هذه المؤامرة، يبدو كما لو أن الاتجاه المحلي قد تحولت إلى أسفل في نهاية السلسلة ما حدث المعلمات من هذا النموذج قد تم تقديرها من خلال تقليل الخطأ المربعة للتنبؤات 1-خطوة إلى الأمام، وليس التنبؤات على المدى الطويل، في هذه الحالة لا يوجد 8217t الاتجاه الكثير من الفرق. إذا كان كل ما كنت تبحث في 1-خطوة قبل الأخطاء، كنت لا ترى الصورة الأكبر للاتجاهات أكثر (مثلا) 10 أو 20 فترات. من أجل الحصول على هذا النموذج أكثر في تناغم مع استقراء العين مقلة العين من البيانات، يمكننا ضبط ثابت الاتجاه تجانس يدويا بحيث يستخدم خط الأساس أقصر لتقدير الاتجاه. على سبيل المثال، إذا اخترنا تعيين 946 0.1، ثم متوسط ​​عمر البيانات المستخدمة في تقدير الاتجاه المحلي هو 10 فترات، وهو ما يعني أننا متوسط ​​متوسط ​​الاتجاه على مدى تلك الفترات 20 الماضية أو نحو ذلك. Here8217s ما مؤامرة توقعات يبدو وكأننا وضعنا 946 0.1 مع الحفاظ على 945 0.3. هذا يبدو معقولا بشكل حدسي لهذه السلسلة، على الرغم من أنه من المحتمل أن يستقضي هذا الاتجاه أي أكثر من 10 فترات في المستقبل. ماذا عن إحصائيات الخطأ هنا هو مقارنة نموذج للنموذجين المبينين أعلاه وكذلك ثلاثة نماذج سيس. القيمة المثلى 945. لنموذج سيس هو تقريبا 0.3، ولكن يتم الحصول على نتائج مماثلة (مع استجابة أكثر قليلا أو أقل، على التوالي) مع 0.5 و 0.2. (A) هولتس الخطي إكس. تمهيد مع ألفا 0.3048 وبيتا 0.008 (B) هولتس الخطية إكس. تمهيد مع ألفا 0.3 و بيتا 0.1 (C) تمهيد الأسي بسيط مع ألفا 0.5 (D) تمهيد الأسي بسيطة مع ألفا 0.3 (E) بسيطة الأسي تمهيد مع ألفا 0.2 احصائياتهم متطابقة تقريبا، لذلك نحن حقا يمكن 8217t جعل الاختيار على أساس من 1-خطوة قبل توقعات الأخطاء داخل عينة البيانات. وعلينا أن نعود إلى الاعتبارات الأخرى. إذا كنا نعتقد اعتقادا قويا أنه من المنطقي أن يستند تقدير الاتجاه الحالي على ما حدث على مدى السنوات ال 20 الماضية أو نحو ذلك، يمكننا أن نجعل من حالة لنموذج ليس مع 945 0.3 و 946 0.1. إذا أردنا أن نكون ملحدين حول ما إذا كان هناك اتجاه محلي، فإن أحد نماذج سيس قد يكون من الأسهل تفسيره، كما سيوفر المزيد من توقعات منتصف الطريق للفترات الخمس أو العشر القادمة. (العودة إلى أعلى الصفحة). أي نوع من الاستقراء هو الأفضل: أدلة أفقية أو خطية تشير إلى أنه إذا تم تعديل البيانات (إذا لزم الأمر) للتضخم، فقد يكون من غير الحكمة استقراء الخطي القصير الأجل الاتجاهات بعيدة جدا في المستقبل. إن الاتجاهات الواضحة اليوم قد تتراجع في المستقبل بسبب أسباب متنوعة مثل تقادم المنتج، وزيادة المنافسة، والانكماش الدوري أو التحولات في صناعة ما. لهذا السبب، تجانس الأسي بسيط غالبا ما يؤدي أفضل من خارج العينة مما قد يكون من المتوقع خلاف ذلك، على الرغم من كوتنيفيكوت الاتجاه الأفقي الاستقراء. وكثيرا ما تستخدم أيضا تعديلات الاتجاه المخفف لنموذج تمهيد الأسي الخطي في الممارسة العملية لإدخال ملاحظة المحافظة على توقعات الاتجاه. ويمكن تطبيق نموذج ليس المائل للاتجاه ليس كحالة خاصة لنموذج أريما، ولا سيما نموذج أريما (1،1،2). ومن الممكن حساب فترات الثقة حول التنبؤات طويلة الأجل التي تنتجها نماذج التمهيد الأسي، من خلال اعتبارها حالات خاصة لنماذج أريما. (حذار: لا تحسب جميع البرامج فترات الثقة لهذه النماذج بشكل صحيح). يعتمد عرض فترات الثقة على (1) خطأ رمز في النموذج، (2) نوع التجانس (بسيط أو خطي) (3) القيمة (ق) من ثابت ثابت (ق) و (4) عدد الفترات المقبلة كنت التنبؤ. بشكل عام، انتشرت الفترات بشكل أسرع مع 945 يحصل أكبر في نموذج سيس وانتشرت بشكل أسرع بكثير عندما يتم استخدام خطية بدلا من تجانس بسيط. ويناقش هذا الموضوع بمزيد من التفصيل في قسم نماذج أريما من الملاحظات. (العودة إلى أعلى الصفحة.)