Given a time series such as daily s

Given a time series such as daily stock market prices or yearly temperatures people often want to create a smoother series.[3] This helps to show underlying trends or perhaps periodic behavior. An easy way to do this is to choose a number n and create a new series by taking the arithmetic mean of the first n values, then moving forward one place and so on. This is the simplest form of moving average. More complicated forms involve using a weighted average. The weighting can be used to enhance or suppress various periodic behavior and there is very extensive analysis of what weightings to use in the literature on filtering. In digital signal processing the term “moving average” is used even when the sum of the weights is not 1.0 (so the output series is a scaled version of the averages).[4] The reason for this is that the analyst is usually interested only in the trend or the periodic behavior. A further generalization is an “autoregressive moving average”. In this case the average also includes some of the recently calculated outputs. This allows samples from further back in the history to affect the current output.

ผลลัพธ์ (ไทย) 1:

กำหนดเวลาเป็นชุดเช่นราคาตลาดหุ้นรายวันหรือรายปีอุณหภูมิคนมักจะต้องการสร้างชุดเรียบ [3] ซึ่งช่วยแสดงแนวโน้มแบบหรือลักษณะการทำงานเป็นครั้งคราวบางที วิธีง่ายทำ ได้เลือก n หมายเลขสร้างชุดใหม่ โดยมีคณิต n ค่าแรก แล้วย้ายไปข้างหน้าและ นี่คือค่าเฉลี่ยเคลื่อนที่แบบง่ายที่สุด แบบฟอร์มที่ซับซ้อนมากขึ้นเกี่ยวข้องกับการใช้ค่าเฉลี่ยถ่วงน้ำหนัก น้ำหนักที่สามารถใช้เพื่อเพิ่ม หรือระงับพฤติกรรมต่าง ๆ เป็นครั้งคราว และมีวิเคราะห์ว่า weightings ใช้ในวรรณคดีการกรองอย่างละเอียดมาก ในสัญญาณดิจิตอล ประมวลผลคำว่า "ค่าเฉลี่ยเคลื่อนที่" ไว้เมื่อผลรวมของน้ำหนักไม่ 1.0 (ดังนั้นชุดผลลัพธ์ แบบปรับสัดส่วนได้ค่าเฉลี่ย) [4] เหตุผลคือว่า นักวิเคราะห์มักจะสนใจในแนวโน้มหรือลักษณะการทำงานเป็นครั้งคราวเท่านั้น Generalization เพิ่มเติมได้ "autoregressive ค่าเฉลี่ยเคลื่อนที่" ในกรณีนี้ ค่าเฉลี่ยรวมของการแสดงผลการคำนวณล่าสุดด้วย นี้ได้ตัวอย่างจากกลับไปในประวัติศาสตร์มีผลต่อการแสดงผลปัจจุบัน

ผลลัพธ์ (ไทย) 2:

กำหนดเวลาแบบเช่นราคาตลาดหุ้นรายวันหรือรายปีคนอุณหภูมิมักจะต้องการที่จะสร้างชุดเรียบ. [3] ซึ่งจะช่วยแสดงให้เห็นแนวโน้มพื้นฐานหรือพฤติกรรมที่อาจจะเป็นระยะ ๆ วิธีง่ายๆในการทำเช่นนี้คือการเลือกจำนวน n และสร้างชุดใหม่โดยการใช้ค่าเฉลี่ยเลขคณิตของค่า n แรกแล้วก้าวไปข้างหน้าหนึ่งในสถานที่และอื่น ๆ นี่คือรูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่ รูปแบบที่ซับซ้อนมากขึ้นเกี่ยวข้องกับการใช้ค่าเฉลี่ยถ่วงน้ำหนัก น้ำหนักสามารถนำมาใช้เพื่อเพิ่มหรือปราบปรามพฤติกรรมต่างๆเป็นระยะ ๆ และมีการวิเคราะห์อย่างกว้างขวางมากในสิ่งที่น้ำหนักที่จะใช้ในหนังสือที่เกี่ยวกับการกรอง ในสัญญาณดิจิตอลการประมวลผลคำว่า "ค่าเฉลี่ยเคลื่อนที่" จะใช้แม้ในขณะที่ผลรวมของน้ำหนักไม่ได้เป็น 1.0 (เพื่อให้ชุดที่ส่งออกเป็นรุ่นที่ลดขนาดของค่าเฉลี่ย). [4] เหตุผลของเรื่องนี้คือการที่นักวิเคราะห์มักจะเป็นที่สนใจ เฉพาะในแนวโน้มหรือพฤติกรรมเป็นระยะ ๆ ความเห็นต่อไปคือ "อัตค่าเฉลี่ยเคลื่อนที่" ในกรณีนี้ค่าเฉลี่ยยังรวมถึงบางส่วนของผลการคำนวณเมื่อเร็ว ๆ นี้ นี้จะช่วยให้ตัวอย่างจากไกลออกไปในประวัติศาสตร์ที่จะส่งผลกระทบต่อการส่งออกในปัจจุบัน

ผลลัพธ์ (ไทย) 3:

ให้เวลาชุดเช่นตลาดราคาหุ้นรายวันหรือรายปีอุณหภูมิคนมักจะต้องการที่จะสร้างชุดเรียบ [ 3 ] นี้ช่วยแสดงถึงแนวโน้มพฤติกรรมเป็นระยะๆ หรือบางที วิธีที่ง่ายที่จะทำนี้คือการเลือกตัวเลข และสร้างชุดใหม่ โดยการใช้ค่าเฉลี่ยของค่าแรกที่อยู่ แล้วย้ายไปข้างหน้าหนึ่งสถานที่และอื่น ๆนี้เป็นรูปแบบที่ง่ายที่สุดของค่าเฉลี่ยเคลื่อนที่ แบบฟอร์มที่ซับซ้อนมากขึ้นที่เกี่ยวข้องกับการใช้ค่าเฉลี่ยถ่วงน้ำหนัก . น้ำหนักที่สามารถใช้เพื่อเพิ่มหรือยับยั้งพฤติกรรมแบบต่าง ๆ และมีการวิเคราะห์ที่กว้างขวางมากของสิ่งที่ weightings ใช้ในวรรณคดีในการกรอง ในการประมวลผลสัญญาณดิจิตอล คำว่า " ค่าเฉลี่ยเคลื่อนที่ " จะใช้เมื่อผลรวมของน้ำหนักไม่ใช่ 10 ( เพื่อผลผลิตชุดการปรับรุ่นของค่าเฉลี่ย ) . [ 4 ] เหตุผลนี้คือ ว่า นักวิเคราะห์มักจะสนใจเฉพาะในแนวโน้ม หรือพฤติกรรมเป็นระยะ ๆ นัยทั่วไปเพิ่มเติมเป็น " ค่าเฉลี่ยเคลื่อนที่ " ในกรณีนี้รวมถึงบางส่วนของค่าเฉลี่ย เมื่อเร็วๆ นี้ ผลผลิต นี้จะช่วยให้ตัวอย่างจากต่อไปกลับในประวัติศาสตร์ที่มีผลต่อผลผลิตในปัจจุบัน