Moving Average R Projekt

So berechnen Sie gleitenden Durchschnitt ohne Filter () Es gibt eine zillion Antworten darauf, denn Ihre Frage ist wirklich: Wie glätte ich eine Zeitreihe So können Sie auf entsprechende Keywords zu suchen. Meine Antwort ist: Verwenden Sie keine gleitenden Durchschnitte - das ist pathetisch alt. Löss ist eine unter den zillions von Alternativen, die Sie betrachten konnten. Post auf CV (stats. stackexchange) für andere statistische Alternativen für die Zeitreihe Glättung. Darüber hinaus ist die quotunderstandingquot Sie oben ist fehlerhaft. Anwendungsähnliche Konstrukte sind (R-Level) - Schleifen. So haben Sie Ihre Hausaufgaben durch Lesen einer Intro zu R (cran. r-project. orgdocmanualsR-intro. pdf) oder andere Web-Tutorials Wenn nicht, bitte tun Sie dies, bevor Sie hier weiter. Bert Gunter Genentech Nichtklinische Biostatistik (650) 467-7374 quotData ist keine Information. Information ist nicht Wissen. Und Wissen ist sicherlich wisdom. quot H. Gilbert Welch nicht am Mo, 17. Februar 2014, um 10:45 Uhr, C W lthidden E-Mail gt schrieb: gt Hallo Liste gt Wie berechne ich einen gleitenden Durchschnitt ohne Filter () verwenden. Filter () scheinen keine gewichteten Durchschnittswerte zu geben. Gt gt Ich schaue in apply (), tapply. Aber nichts ist entscheidend. gt gt Zum Beispiel gt gt datlt-c (1:20) gt Mittelwert (DAT1: 3) gt Mittelwert (DAT4: 6) gt Mittelwert (DAT7: 9) gt Mittelwert (dat10: 12) gt gt usw. gt gt I verstehen den Punkt der Anwendung ist Schleifen zu vermeiden, wie soll ich gt diese Idee in die Verwendung eines apply () gt gt Danke gt Mike gt gt alternative HTML-Version gelöscht gt gt gt versteckte E-Mail-Mailing-Liste gt stat. ethz. chmailmanlistinfor Hilfe integrieren Gt BITTE lesen Sie die Entsendungsanleitung R-project. orgposting-guide. html gt und geben kommentierten, minimalen, in sich geschlossenen, reproduzierbaren Code. Antwort von tmrsg11 am 17. Februar 2014, um 10:45 Uhr, schrieb C W: gt Hallo Liste, gt Wie berechne ich einen gleitenden Durchschnitt ohne Filter (). Filter () scheint nicht gewichtete Durchschnittswerte zu geben. Gt gt Ich schaue in apply (), tapply. Aber nichts ist entscheidend. gt gt Zum Beispiel gt gt datlt-c (1:20) gt Mittelwert (DAT1: 3) gt Mittelwert (DAT4: 6) gt Mittelwert (DAT7: 9) gt Mittelwert (dat10: 12) gt gt usw. gt gt I Verstehen, der Punkt der Anwendung ist es, Schleifen zu vermeiden, wie sollte ich gt diese Idee in die Verwendung einer Anwendung () gt Konstruieren Sie einen Vektor für die Gruppierung und verwenden Sie tapply. Modulo-Abteilung ist eine gemeinsame Methode, um dies zu erreichen. Manchmal kann die seq-Funktion verwendet werden, wenn Sie die Länge richtig einstellen. (Dt (1)) (3) (1) (3) (1) 3), lenlength (dat))), Mittelwert) 1 2 3 4 5 6 7 1,5 4,5 8,0 11,0 14,5 18,0 20,0 Der Kommentar zur Gewichtung dos scheint in Ihrem Beispiel nicht beispielhaft zu sein. Gt Vielen Dank, gt Mike gt gt alternative HTML-Version gelöscht gt gt gt versteckte E-Mail-Mailing-Liste gt stat. ethz. chmailmanlistinfor-help gt BITTE lesen Sie die Entsendeführer R-project. orgposting-guide. html gt und geben kommentiert, minimal, self - contained, reproduzierbaren Code. David Winsemius Alameda, CA, USA öffnen diesen Beitrag in Baumansicht Bericht Inhalt melden Re: Mittelwert zu berechnen Bewegen ohne Filter verwendet () Als Antwort auf diesen Beitrag von Rui Barradas Für 5-Punkt-Durchschnitt, Filter (x, side2, filterrep (15, 5)), versus, Filter (x, side2, filterrep (1, 5) Haben sie die gleiche Wirkung, da die Summe muss 1. Gabor amp Rui: Ich bin mir bewusst, das Zoo-Paket, Nicht wollen, um ein Paket für eine Funktion zu installieren. Derselbe Grund für SOS-Paket. Ich danke, das ist, was ich suche. Mon, 17. Februar 2014 um 2:07 Uhr, Rui Barradas lthidden E-Mail gt wrote: gt Hallo , gt gt Viele Pakete haben eine movind durchschnittliche Funktion. Für Paket gt Prognose Beispiel. Oder gt gt Bibliothek (sos) gt findFn (quotmoving averagequot) gt gt in Ihrem Beispiel, was Sie berechnen ist nicht gerade ein gleitender Durchschnitt, aber in gt kann Wie folgt berechnet werden: gt gt s lt - (seqalong (dat) - 1) 3 gt sapply (split (dat, s), mean) gt gt gt Hope dies hilft, gt gt Rui Barradas gt gt Em 17 -02-2014 18:45, CW escreveu: gt gtgt Hallo Liste, gtgt Wie berechne ich einen gleitenden Durchschnitt ohne Filter (). Filter () gtgt nicht scheinen, gewichtete Durchschnitte zu geben. Gtgt gtgt Ich schaue in apply (), tapply. Aber nichts ist entscheidend. Beispiel: gtgt gtgt datlt-c (1:20) gtgt Mittel (dat1: 3) gtgt Mittel (dat4: 6) gtgt Mittel (dat7: 9) gtgt Mittel (dat10: 12) gtgt gtgt etc. gtgt gtgt I Verstehen, der Punkt der Anwendung ist es, Schleifen zu vermeiden, wie sollte ich gtgt diese Idee in die Verwendung einer Anwendung () gtgt gtgt Danke, gtgt Mike gtgt gtgt alternative HTML-Version gelöscht gtgt gtgt gtgt versteckte E-Mail-Liste gtgt stat. ethz. chmailmanlistinfor - Hilfe gtgt BITTE lesen Sie die Buchungsanleitung R-project. org gtgt posting-guide. html gtgt und geben kommentierten, minimalen, in sich geschlossenen, reproduzierbaren Code. Gtgt gtgt alternative HTML-Version gelöschtMoving Average Ich entschuldige mich für meine unordentliche Post, die aus meiner eigenen Verwirrung stammt. Und Depressionen auch. In der Tat, obwohl ich mit einem großen Teil eines Projekts getan wurde und zu meiner Bestürzung fand ich heraus, gibt es mehr zu tun. Ich versuche, einen Algorithmus, basierend auf fortgeschrittenen Wavelet-Analyse, auf meine Atmungssignale anzupassen. Der ursprüngliche Algorithmus wurde in Fortran durch den Mathematiker-Autor der zugrunde liegenden Theorie implementiert. Ich implementierte es in der R-Sprache mit einigen kleinen Änderungen aufgrund der Natur des Phänomens, das ich studiere. Da meine Ergebnisse und die Mathematiker meistens nicht mit dem gleichen Probensignal übereinstimmen, wurde ich vorgeschlagen, die Komponenten niedriger Frequenzen vor dem Beginn der Wavelet-Analyse zu entfernen. Beim Wiederlesen seines Vorschlags wurde ich immer mehr verwirrt. Soweit ich weiß, ist Moving Average einer der einfachsten DSP-Tiefpaßfilter. Daher kann ich nicht verstehen, wie MA verwendet werden kann, um niederfrequente Komponenten zu entfernen. Noch kann ich verstehen, hallo Vorschlag, den ich in den folgenden einfügen. "Sie haben ein ziemlich kurzes Signal - nur 120 Proben. Ich vermisse die Wavelet-Koeffizienten auf höheren Detailebenen, weil ihr Hauptstützintervall dieselbe Ordnung wie das gesamte Zeitintervall hat und der kreisförmige Effekt der diskreten endlichen Wavelet-Transformation zu stark für sie ist. Wenn also die Länge der Zeitreihen gleich N2k ist, dann arbeite ich mit Detailniveaus von 1 bis (k-3). Es bedeutet, dass für diese Zeitreihe k7 und die Arbeitsdetailstufen 1,2,3 sind. Abgesehen davon, dass Sie periodische Erweiterung des Signals verwenden, während ich Null-Auffüllung verwenden, bis die Längen am nächsten N2k und ich nicht in die Analyse Null-Wavelet-Koeffizienten, die durch Null-Padding entsteht enthalten. Darüber hinaus entfernt das SpAn automatisch vor der Wavelet-Analyse niederfrequente Komponenten aus dem Signal (das die Hauptquelle des kreisförmigen Effekts ist) durch einen gleitenden Durchschnitt innerhalb des Zeitfensters des Radius 2 (k-3). Ich rate Ihnen, auch niederfrequente Komponenten zu entfernen, beispielsweise durch lokale Polynome der 2. Ordnung mit dem Zeitfenster der Radius-8-Samples (die Länge des bewegten Fensters beträgt 17, dh etwas mehr als 16 - maximale Skala Für die 3-rd Detailstufe).quot Vielen Dank, Maura Ich sah Gabors Antwort, sondern haben eine Klarstellung zu beantragen. Du sagst, du willst niederfrequente Komponenten entfernen, aber dann verlangst du Glättungsfunktionen. Der Begriff quotsmoothingquot impliziert das Entfernen von hochfrequenten Komponenten einer Serie. Wenn Glättung ist wirklich Ihr Ziel dann zusätzliche R-Ressource wäre smooth. spline, Löss (oder lowess), ksmooth oder mit Glättung Begriffe in Regressionen. Venables und Ripley haben ziemlich viele Beispiele für solche in der MASS. Gt Ich bin für einige Hilfe bei der Entfernung von Niederfrequenz-Komponenten aus gt ein Signal suchen, durch Moving Average auf einem Schiebefenster. Gt Ich verstehe thiis ist ein Glättungsverfahren, das ich nie in meinem gt Leben vorher getan habe. Seufzer. Gt gt Ich suchte R-Archive und fand quotrollmeanquot, quotMovingAverages quot, gt quotSymmetricMAquot. Gt Keine der oben genannten mantierten Funktionen scheint die Glättung gt Polynomordnung und das Schiebefenster mit als Eingabeparameter zu akzeptieren. Gt Vielleicht fehlt mir etwas. Gt gt Ich frage mich, ob es einige Bausteine ​​in R, wenn nicht sogar eine gt-Funktion, die alles tut (ich erwarte nicht, dass viel, though). Gt Auch einige Literaturhinweise und Tutorials sind sehr willkommen. Gt gt Vielen Dank, gt Maura gt gt gt gt tutti i telefonini TIM gt gt gt alternative HTML-Version gelöscht gt gt gt versteckte E-Mail-Mailing-Liste gt stat. ethz. chmailmanlistinfor-help gt BITTE lesen Sie die Entsendung Leitfaden R-Projekt. Orgposting-guide. html gt und geben kommentierten, minimalen, in sich geschlossenen, reproduzierbaren Code. Tutti i telefonini TIM alternative HTML-Version gelöscht Als Antwort auf diesen Beitrag von David Winsemius Am 26-Feb-09 13:54:51, David Winsemius schrieb: gt Ich sah Gabors Antwort, sondern haben eine Klarstellung zu beantragen. Sie sagen, Sie gt wollen Low-Frequenz-Komponenten zu entfernen, aber dann fordern Sie Glättung gt-Funktionen. Der Begriff quotsmoothingquot impliziert die Entfernung von hochfrequenten gt-Komponenten einer Serie. Wenn Sie eine geglättete Serie produzieren, enthält Ihr Ergebnis natürlich die niederfrequenten Komponenten, wobei die hochfrequenten Komponenten entfernt werden. Aber wenn Sie das von der ursprünglichen Serie subtrahieren, enthält Ihr Ergebnis die hochfrequenten Komponenten, wobei die niederfrequenten Komponenten entfernt wurden. Moving-Average ist ein Weg der Glättung (aber kann periodische Komponenten einführen, die nicht dort waren). Filtern einer Zeitreihe ist eine sehr offene Aktivität In vielen Fällen ist ein sinnvoller Start die Erforschung der spektralen Eigenschaften der Reihe, für die R mehrere Funktionen hat. Spectrum () im Statistik-Paket (geladene Bvy-Voreinstellung) ist eine Grundfunktion. Help. search (quottime seriesquot) wirft eine Menge von Funktionen auf. Vielleicht möchten Sie bei Paket ltsa (lineare Zeitreihenanalyse) zu suchen. Wenn Sie bereits über gute Informationen über die Frequenzstruktur der Serie verfügen oder (zum Beispiel) wissen, dass sie eine willkürliche saisonale Komponente hat, können Sie sich auf die Gestaltung einer speziell auf den Job abgestimmten Übertragungsfunktion einweihen. Werfen Sie einen Blick auf RSiteSearch (quot quot) In der Hoffnung, das hilft, Ted. Gt Wenn Glättung ist wirklich Ihr Ziel dann zusätzliche R-Ressource wäre gt smooth. spline, loess (oder lowess), ksmooth oder mit Glättung Begriffe in gt Regressionen. Venables und Ripley haben einiges gearbeitet Beispiele für gt wie in MASS. gt gt - gt David Winsemius gt gt gt Am 26. Februar 2009, um 7:07 Uhr, lthidden E-Mail gt schrieb: gt gtgt ich für etwas Hilfe suchen bei der Entfernung von Niederfrequenzkomponenten aus gtgt ein Signal, durch Moving Average auf Ein Schiebefenster. Gtgt Ich verstehe thiis ist ein Glättungsverfahren, das ich nie in meinem gtgt Leben vorher getan habe. Seufzer. Gtgt gtgt Ich suchte R-Archive und fand quotrollmeanquot, quotMovingAverages quot, gtgt quotSymmetricMAquot. Gtgt Keine der oben genannten mantionierten Funktionen scheint die Glättungs-gtgt-Polynomordnung und das gleitende Fenster mit als Eingabeparameter zu akzeptieren. Gtgt Vielleicht fehlt mir etwas. Gtgt gtgt Ich frage mich, ob es einige Bausteine ​​in R, wenn nicht sogar eine gtgt-Funktion, die alles tut (ich erwarte nicht, dass viel, though). Gtgt Auch einige Literaturhinweise und Tutorials sind sehr willkommen. Gtgt gtgt Vielen Dank, gtgt Maura gtgt gtgt gtgt tutti i telefonini TIM gtgt gtgt gtgt alternative HTML-Version gelöscht gtgt gtgt gtgt versteckte E-Mail-Mailingliste gtgt stat. ethz. chmailmanlistinfor-help gtgt BITTE lesen Sie die Buchungsanleitung gtgt R-Projekt. orgposting-guide. html gtgt und geben kommentierten, minimalen, in sich geschlossenen, reproduzierbaren Code. gt gt gt versteckte E-Mail-Mailing-Liste gt stat. ethz. chmailmanlistinfor Hilfe gt BITTE tun, um die Entsendung Führungs gt R-project. orgposting-guide. html gt lesen und bieten kommentierte, minimal, in sich geschlossene, reproduzierbare Code. Ich schrieb einen kleinen Code-Fourier-Filterung, wenn Sie einen Blick auf diese zu nehmen möchten: Bibliothek (StreamMetabolism) Bibliothek (MFilter) x LT - read. production (file. choose ()) contiguous. zoo (data. frame (x, (X, quotRM61DO. Concquot, coredata (x, quotRM61DO. Concquot))) kurz lt - x42685: 48535, RM202DO. Concquot short lt - x53909: 59957, quotRM61DO. Concquot short. ts LT - ts (Coredata (kurz), frequency96) Fourier-Filterung short. fft LT - fft (short. ts) Grundstück (Re (short. fft), xlimc (0,10) , ylimc (-1000, 1000)) short. fft789: 5563 00i short. ifft fft (short. fft, inverse TRUE) Länge (short. fft) Zooserie filt LT - Zoo (Coredata (Re (short. ifft)). (Mfrowc (2, 1)) Par (mfrowc (2,1)) Plot (kurz) Plot (filt) Plot (window. chron (y, a, b, s, d)) Fensterplot (kurz, filt, quot04172007quot, quot00: 01: 00quot, quot04172007quot, quot23: 46: 00quot) plot. e LT - Funktion (b, w, x, y, z) ein LT - window. chron (b, w, x, y, z) Grundstück (a, ylimrange (a) 0.06c (-1, 1)) Zeilen (a0.98, colquotbluequot) Zeilen (a1.02, colquotredquot) kann es nicht genau das sein, was Sie wollen, aber Sie haben ein Handle auf die spektralen Eigenschaften, die Sie entfernt haben. Hallo ihr Lieben, ich glaube nicht, dass es sich hierbei um eine Frage handelt, mit der ich mich verabredet habe. Sie sagen, Sie gtgt wollen, um niederfrequente Komponenten zu entfernen, aber dann fordern Sie Glättung gtgt Funktionen. Der Begriff quotsmoothingquot impliziert das Entfernen von hochfrequenten gtgt-Komponenten einer Serie. Gt gt Wenn Sie eine geglättete Serie produzieren, enthält Ihr Ergebnis natürlich gt die niederfrequenten Komponenten, wobei die hochfrequenten Komponenten gt entfernt wurden. Gt gt Wenn Sie das von der ursprünglichen Serie subtrahieren, enthält Ihr Ergebnis gt die hochfrequenten Komponenten, wobei die niederfrequenten gt-Komponenten entfernt wurden. Gt gt Der gleitende Durchschnitt ist ein Weg der Glättung (kann aber periodische gt-Komponenten einführen, die nicht mit dem Anfang beginnen). Gt gt Filtern einer Zeitreihe ist eine sehr offene Aktivität In vielen gt-Fällen ist ein sinnvoller Start die Erforschung der spektralen Eigenschaften gt der Reihe, für die R mehrere Funktionen hat. Spectrum () gt im Stats-Paket (geladene bvy-Voreinstellung) ist eine Grundfunktion. Gt help. search (quottime seriesquot) wird eine Menge von Funktionen zu werfen. Gt gt Vielleicht möchten Sie bei Paket ltsa (lineare Zeitreihe gt-Analyse) zu suchen. Gt gt Alternativ, wenn yuou bereits gute Informationen über die gt-Frequenzstruktur der Serie haben, oder (zum Beispiel) wissen, dass gt es eine Wille-definierte saisonale Komponente hat, dann könnten Sie gt auf die Gestaltung einer Transfer-Funktion speziell abgestimmt der Beruf. Gt Werfen Sie einen Blick auf RSiteSearch (quotiert) gt gt Hoping dies hilft, gt Ted. Gt gt gt gtgt Wenn Glättung ist wirklich Ihr Ziel dann zusätzliche R-Ressource wäre gtgt smooth. spline, loess (oder lowess), ksmooth, oder mit Glättung Begriffe in gtgt Regressionen. Venables und Ripley haben einiges gearbeitet Beispiele für gtgt wie in MASS. Gtgt gtgt - gtgt David Winsemius gtgt gtgt gtgt Am 26. Februar 2009, um 7:07 Uhr, lthidden E-Mail gt schrieb: gtgt gtgtgt Ich bin auf der Suche nach etwas Hilfe bei der Entfernung von Niederfrequenz-Komponenten aus gtgtgt ein Signal, durch Moving Average auf Ein Schiebefenster. Gtgtgt Ich verstehe thiis ist ein Glättungsverfahren, dass ich nie in meinem gtgtgt Leben vor. Seufzer. Gtgtgt gtgtgt Ich suchte R-Archive und fand quotrollmeanquot, quotMovingAverages quot, gtgtgt quotSymmetricMAquot. Gtgtgt Keine der oben genannten mantierten Funktionen scheint die Glättung gtgtgt Polynomordnung und das gleitende Fenster mit als Eingabeparameter zu akzeptieren. Gtgtgt Vielleicht bin ich etwas fehlt. Gtgtgt gtgtgt Ich frage mich, ob es einige Bausteine ​​in R, wenn nicht sogar eine gtgtgt Funktion, die alles tut (ich erwarte nicht, dass viel, though). Gtgtgt Auch einige Literaturhinweise und Tutorials sind sehr willkommen. gtgtgt gtgtgt Danke soviel, gtgtgt Maura gtgtgt gtgtgt gtgtgt gtgtgt tutti i telefonini TIM gtgtgt gtgtgt gtgtgt alternative HTML-Version gelöscht gtgtgt gtgtgt gtgtgt versteckte E-Mail-Mailingliste gtgtgt stat. ethz. chmailmanlistinfor Hilfe gtgtgt BITTE tun die Entsendung Führung gtgtgt R-Projekt lesen. orgposting-guide. html gtgtgt und geben kommentierten, minimalen, in sich geschlossenen, reproduzierbaren Code. gtgt gtgt gtgt versteckte E-Mail-Mailingliste gtgt stat. ethz. chmailmanlistinfor Hilfe gtgt BITTE die Entsendung Führung gtgt R-project. orgposting-guide. html gtgt und bieten kommentiert, minimal, in sich geschlossene, reproduzierbare Code liest. Gt gt ------------------------------------------------- -------------------- gt E-Mail: (Ted Harding) lthidden email gt gt Fax-zu-email: 44 (0) 870 094 0861 gt Datum: 26 - Feb-09 Uhrzeit: 14:54:43 gt ------------------------------ XFMail ------- ----------------------- gt gt gt versteckte e-Mail-Mailing-Liste gt stat. ethz. chmailmanlistinfor-help gt BITTE lesen Sie die Posting-Führer R-project. orgposting - guide. html gt und geben kommentierten, minimalen, in sich geschlossenen, reproduzierbaren Code. Gt Lets nicht verbringen unsere Zeit und Ressourcen Denken über Dinge, die so wenig oder so groß, dass alles, was sie wirklich für uns ist puff uns und machen uns das Gefühl, wie Götter. Wir sind Säugetiere und haben die ärgerlichen kleinen Probleme des Säugetierens nicht erschöpft. Als Antwort auf diesen Beitrag von Ted. Harding-2 Am 26. Februar 2009, um 9:54 Uhr, (Ted Harding) schrieb: gt Am 26-Feb-09 13:54:51, schrieb David Winsemius: gtgt Ich sah Gabors Antwort, aber haben eine Klarstellung zu beantragen. Sie sagen, Sie gtgt wollen, um niederfrequente Komponenten zu entfernen, aber dann fordern Sie gtgt Glättung gtgt Funktionen. Der Begriff quotsmoothingquot impliziert das Entfernen von hochfrequenten gtgt-Komponenten einer Serie. Gt gt Wenn Sie eine geglättete Serie produzieren, enthält Ihr Ergebnis natürlich gt die niederfrequenten Komponenten, wobei die hochfrequenten Komponenten gt entfernt wurden. Gt gt Wenn Sie das von der ursprünglichen Serie subtrahieren, enthält Ihr Ergebnis gt die hochfrequenten Komponenten, wobei die niederfrequenten gt-Komponenten entfernt wurden. Ja. Der Zeitreihen-Term würde quotdetrendingquot oder quotde-trendingquot sein. Gt gt gt Der gleitende Durchschnitt ist ein Weg der Glättung (kann aber periodische gt-Komponenten einführen, die nicht mit dem Anfang beginnen). Gt gt Filtern einer Zeitreihe ist eine sehr offene Aktivität In vielen gt-Fällen ist ein sinnvoller Start die Erforschung der spektralen Eigenschaften gt der Reihe, für die R mehrere Funktionen hat. Spectrum () gt im Stats-Paket (geladene bvy-Voreinstellung) ist eine Grundfunktion. Gt help. search (quottime seriesquot) wird eine Menge von Funktionen zu werfen. Gt gt Vielleicht möchten Sie bei Paket ltsa (lineare Zeitreihe gt-Analyse) zu suchen. Gt gt Alternativ, wenn yuou bereits gute Informationen über die gt-Frequenzstruktur der Serie haben oder (zum Beispiel) wissen, dass gt es eine Wille-definierte saisonale Komponente hat, dann könnten Sie gt auf die Gestaltung einer Transfer-Funktion speziell abgestimmt der Beruf. Gt Werfen Sie einen Blick auf RSiteSearch (quot quot) Wie die OPs Antwort zeigt, ist sie bereits mit Wavelet-Analyse. Meine Frage an dieser Stelle ist, ob sie nur geraten werden sollte, die niederfrequenten Komponenten zu ignorieren und auf die mittleren und hochfrequenten Komponenten zu konzentrieren. Wenn Sie bereits eine Art Spektralzerlegung, es sollte keine Notwendigkeit einer Subtraktion oder De-Trending-Schritt. Gt gt gt Hoping dieses hilft, gt Ted. Gt gt gt gtgt Wenn Glättung ist wirklich Ihr Ziel dann zusätzliche R-Ressource wäre gtgt smooth. spline, loess (oder lowess), ksmooth oder mit Glättung Begriffe gtgt in gtgt Regressionen. Venables und Ripley haben einiges gearbeitet Beispiele für gtgt wie in MASS. Gtgt gtgt - gtgt David Winsemius gtgt gtgt gtgt Am 26. Februar 2009, um 7:07 Uhr, lthidden E-Mail gt schrieb: gtgt gtgtgt Ich bin auf der Suche nach etwas Hilfe bei der Entfernung von Niederfrequenz-Komponenten aus gtgtgt ein Signal, durch Moving Average auf Ein Schiebefenster. Gtgtgt Ich verstehe thiis ist ein Glättungsverfahren, dass ich nie in meinem gtgtgt Leben vor. Seufzer. Gtgtgt gtgtgt Ich suchte R-Archive und fand quotrollmeanquot, quotMovingAverages quot, gtgtgt quotSymmetricMAquot. Gtgtgt Keine der oben genannten mantierten Funktionen scheint die Glättung gtgtgt Polynomordnung und das gleitende Fenster mit als Eingabeparameter zu akzeptieren. Gtgtgt Vielleicht bin ich etwas fehlt. Gtgtgt gtgtgt Ich frage mich, ob es einige Bausteine ​​in R, wenn nicht sogar eine gtgtgt Funktion, die alles tut (ich erwarte nicht, dass viel, though). Gtgtgt Auch einige Literaturhinweise und Tutorials sind sehr willkommen. gtgtgt gtgtgt Danke soviel, gtgtgt Maura gtgtgt gtgtgt gtgtgt gtgtgt tutti i telefonini TIM gtgtgt gtgtgt gtgtgt alternative HTML-Version gelöscht gtgtgt gtgtgt gtgtgt versteckte E-Mail-Mailingliste gtgtgt stat. ethz. chmailmanlistinfor Hilfe gtgtgt BITTE tun die Entsendung Führung gtgtgt R-Projekt lesen. orgposting-guide. html gtgtgt und geben kommentierten, minimalen, in sich geschlossenen, reproduzierbaren Code. gtgt gtgt gtgt versteckte E-Mail-Mailingliste gtgt stat. ethz. chmailmanlistinfor Hilfe gtgt BITTE die Entsendung Führung gtgt R-project. orgposting-guide. html gtgt und bieten kommentiert, minimal, in sich geschlossene, reproduzierbare Code liest. Gt gt ------------------------------------------------- -------------------- gt E-Mail: (Ted Harding) lthidden email gt gt Fax-zu-email: 44 (0) 870 094 0861 gt Datum: 26 - Feb-09 Uhrzeit: 14:54:43 gt ------------------------------ XFMail ------- ----------------------- Eine Spezifikation des nicht-saisonalen Teils des ARIMA-Modells: Die drei Integer-Komponenten (p, d, q) sind die AR Ordnung, den Grad der Differenzierung und den MA-Auftrag. Eine Spezifikation des saisonalen Teils des ARIMA-Modells plus der Periode (die zur Frequenz (x) vorgegeben ist). Dies sollte eine Liste mit Komponenten Reihenfolge und Zeitraum sein. Aber eine Spezifikation von nur einem numerischen Vektor der Länge 3 wird in eine geeignete Liste mit der Spezifikation als die Reihenfolge umgewandelt werden. Wahlweise ein Vektor oder eine Matrix von externen Regressoren, die die gleiche Anzahl von Zeilen wie x haben müssen. Sollte das ARMA-Modell einen mittleren Intercept-Term enthalten, ist die Voreinstellung für die undifferenced-Reihe TRUE und wird bei ARIMA-Modellen mit Differenzierung ignoriert. Logisch wenn true, werden die AR-Parameter transformiert, um sicherzustellen, dass sie im Bereich der Stationarität bleiben. Wird nicht für die Methode CSS verwendet. Für Methode ML. Ist es vorteilhaft, in einigen Fällen transform. pars FALSE zu setzen, siehe auch fix. Optional numerischen Vektor mit der gleichen Länge wie die Gesamtzahl der Parameter. Falls vorhanden, werden nur die NA-Einträge in der Festplatte verändert. Transform. pars TRUE wird überschrieben (mit einer Warnung), wenn alle AR-Parameter festgelegt sind. Es kann sinnvoll sein, transform. pars FALSE bei der Festlegung MA-Parameter, vor allem in der Nähe von nicht-invertibility. Optionaler numerischer Vektor der anfänglichen Parameterwerte. Fehlende Werte werden durch Nullen ausgefüllt, mit Ausnahme von Regressionskoeffizienten. Die bereits in fixed angegebenen Werte werden ignoriert. Anpassung Methode: maximale Wahrscheinlichkeit oder minimieren bedingte Summe von Quadraten. Der Standardwert (sofern es keine fehlenden Werte gibt) besteht darin, bedingte Summen-Quadrate zu verwenden, um Startwerte und dann maximale Wahrscheinlichkeit zu finden. Kann abgekürzt werden. Nur verwendet bei Anpassung durch bedingte Summe der Quadrate: die Anzahl der zu ignorierenden Erstbeobachtungen. Es wird ignoriert, wenn weniger als die maximale Verzögerung eines AR-Term. Eine Zeichenfolge, die den Algorithmus angibt, um die Zustandsrauminitialisierung der Wahrscheinlichkeit zu berechnen, siehe KalmanLike für Details. Kann abgekürzt werden. Die frühere Varianz (als Vielfaches der Innovationsvarianz) für die bisherigen Beobachtungen in einem differenzierten Modell. Reduzieren Sie das nicht. Unterschiedliche Definitionen von ARMA-Modellen haben unterschiedliche Anzeichen für die AR - und MA-Koeffizienten. Die hier verwendete Definition hat Xt a1Xt-1 hellip apXt-p et b1et-1 hellip bqet-q, so dass sich die MA-Koeffizienten von denen des S-PLUS unterscheiden. Wenn außerdem include. mean true (die Voreinstellung für ein ARMA-Modell) ist, gilt diese Formel für X-m und nicht für X. Bei ARIMA-Modellen mit Differencing folgt die differenzierte Serie einem ARMA-Modell mit mittlerem Mittelwert. Wenn ein xreg-Term enthalten ist, wird eine lineare Regression (mit einem konstanten Term, wenn include. mean wahr ist und keine Differenzierung besteht) mit einem ARMA-Modell für den Fehlerterm versehen. Die Varianzmatrix der Schätzungen wird aus dem Hessischen der Log-Likelihood gefunden und kann daher nur eine grobe Anleitung sein. Die Optimierung erfolgt durch optim. Es funktioniert am besten, wenn die Spalten in xreg grob auf Null-Mittelwert und Einheit Varianz skaliert werden, versucht aber, geeignete Skalierungen abzuschätzen. Eine Liste der Klasse Arima mit Komponenten: Eine Liste der Kalman Filter in der Armatur verwendet. Siehe KalmanLike. Anpassungsmethoden Die genaue Wahrscheinlichkeit wird über eine Zustandsraumdarstellung des ARIMA-Prozesses und die Neuerungen und deren Varianz durch einen Kalman-Filter berechnet. Die Initialisierung des differenzierten ARMA-Prozesses erfolgt stationär und basiert auf Gardner et al. (1980). Für ein differenziertes Verfahren werden die nichtstationären Komponenten diffus vorher (gesteuert durch kappa) gegeben. Beobachtungen, die noch durch den diffusen vorherigen (bestimmt durch eine Kalman-Verstärkung von mindestens 1e4) gesteuert werden, werden von den Likelihood-Berechnungen ausgeschlossen. (Dies ergibt vergleichbare Ergebnisse zu arima0 bei fehlenden Werten, wenn die ausgeschlossenen Beobachtungen genau die sind, die durch die Differenzierung fallengelassen wurden.) Fehlende Werte sind erlaubt und werden genau in Methode ML behandelt. Wenn transform. pars true ist, wird die Optimierung unter Verwendung einer alternativen Parametrisierung durchgeführt, die eine Variation ist, die von Jones (1980) vorgeschlagen wird, und stellt sicher, dass das Modell stationär ist. Für ein AR (p) - Modell erfolgt die Parametrisierung über die inverse tanh der partiellen Autokorrelationen: dieselbe Prozedur wird (separat) auf die AR - und saisonalen AR-Terme angewandt. Die MA-Begriffe sind nicht eingeschränkt, während der Optimierung invertierbar zu sein, aber sie werden nach der Optimierung in invertierbare Form umgewandelt, wenn transform. pars true ist. Bedingte Summe von Quadraten wird hauptsächlich für Expositionszwecke bereitgestellt. Dies berechnet die Summe der Quadrate der eingebauten Innovationen aus Beobachtung n. cond auf (wobei n. cond mindestens die maximale Verzögerung eines AR-Terms ist) und behandelt alle früheren Innovationen auf Null. Argument n. cond kann verwendet werden, um eine Vergleichbarkeit zwischen verschiedenen Anpassungen zu ermöglichen. Das lsquopart log-likelihoodrsquo ist der erste Term, der halbe Logarithmus des geschätzten mittleren Quadrats. Fehlende Werte sind erlaubt, aber viele der Innovationen fehlen. Wenn Regressoren spezifiziert werden, werden sie vor dem Anpassen orthogonalisiert, wenn kein Koeffizient festgelegt ist. Es kann hilfreich sein, die Regressoren grob skalierbar auf Nullmittel und Einheitsabweichung zu skalieren. Die Ergebnisse sind wahrscheinlich anders als S-PLUSs arima. mle. Die eine bedingte Wahrscheinlichkeit berechnet und keinen Mittelwert im Modell enthält. Ferner kehrt die von arima. mle verwendete Konvention die Zeichen der MA-Koeffizienten um. Arima ist arima0 für ARMA Modelle oder für differenzierte Modelle ohne fehlende Werte sehr ähnlich, behandelt aber differenzierte Modelle mit fehlenden Werten exakt. Es ist etwas langsamer als arima0. Insbesondere für saisonal differenzierte Modelle. Referenzen Brockwell, P. J. und Davis, R. A. (1996) Einführung in Zeitreihen und Prognosen. Springer, New York. Abschnitte 3.3 und 8.3. Durbin, J. und Koopman, S. J. (2001) Zeitreihenanalyse nach State Space Methoden. Universität von Oxford. Gardner, G, Harvey, A. C. und Phillips, G. D. A. (1980) Algorithmus AS154. Ein Algorithmus für die exakte Maximal-Likelihood-Schätzung von autoregressiv-gleitenden Durchschnittsmodellen mittels Kalman-Filterung. Angewandte Statistik 29. 311ndash322. Harvey, A. C. (1993) Zeitreihenmodelle. 2. Ausgabe, Harvester Wheatsheaf, Abschnitte 3.3 und 4.4. Jones, R. H. (1980) Maximale Wahrscheinlichkeitsanpassung von ARMA-Modellen an Zeitreihen mit fehlenden Beobachtungen. Technometrics 22 389ndash395.