ความเบ้เคลื่อนไหวแบบเอกซ์โพเนนเชียล


15

มีที่รู้จักกันดีสูตรในบรรทัดสำหรับการคำนวณถ่วงน้ำหนักชี้แจงค่าเฉลี่ยเคลื่อนที่และค่าเบี่ยงเบนมาตรฐานของกระบวนการ(xn)n=0,1,2, ... สำหรับค่าเฉลี่ย

μn=(1α)μn1+αxn

และสำหรับความแปรปรวน

σn2=(1α)σn12+α(xnμn1)(xnμn)

ซึ่งคุณสามารถคำนวณค่าเบี่ยงเบนมาตรฐานได้

มีสูตรที่คล้ายกันสำหรับการคำนวณแบบออนไลน์ของช่วงเวลาที่สามและสี่ที่ศูนย์กลางถ่วงน้ำหนักแบบเอ็กซ์โปเนนเชียลหรือไม่? สัญชาตญาณของฉันคือพวกเขาควรจะใช้แบบฟอร์ม

M3,n=(1α)M3,n1+αf(xn,μn,μn1,Sn,Sn1)

และ

M4,n=(1α)M4,n1+αf(xn,μn,μn1,Sn,Sn1,M3,n,M3,n1)

ซึ่งคุณสามารถคำนวณความเบ้γn=M3,n/σn3และ kurtosis kn=M4,n/σn4แต่ฉันไม่สามารถหานิพจน์แบบปิดแบบง่ายสำหรับฟังก์ชั่นfและGg


แก้ไข:ข้อมูลเพิ่มเติมบางอย่าง สูตรการอัพเดทสำหรับความแปรปรวนการเคลื่อนย้ายเป็นกรณีพิเศษของสูตรสำหรับการแปรปรวนร่วมแบบถ่วงน้ำหนักแบบเอ็กซ์โปเนนเชียลซึ่งสามารถคำนวณได้ผ่าน

Cn(x,y)=(1α)Cn1(x,y)+α(xnx¯n)(yny¯n1)

ที่และˉ Y nเป็นเคลื่อนที่ชี้แจงความหมายของXและY สมส่วนระหว่างxและy ที่เป็นภาพลวงตาและจะหายไปเมื่อคุณสังเกตเห็นว่าY - ˉ Y n = ( 1 - α ) ( Y - ˉ Y n - 1 )x¯ny¯nxyxyyy¯n=(1α)(yy¯n1)

สูตรเช่นนี้สามารถคำนวณได้โดยการเขียนช่วงเวลากลางเป็นความคาดหวังที่ซึ่งน้ำหนักในความคาดหวังนั้นถูกเข้าใจว่าเป็นเลขชี้กำลังและใช้ความจริงที่ว่าสำหรับฟังก์ชันใด ๆf ( x ) ที่เรามีEn()f(x)

En(f(x))=αf(xn)+(1α)En1(f(x))

เป็นเรื่องง่ายที่จะได้รับสูตรการอัปเดตสำหรับค่าเฉลี่ยและความแปรปรวนโดยใช้ความสัมพันธ์นี้ แต่มันพิสูจน์ได้ว่ามีความยุ่งยากมากขึ้นสำหรับช่วงเวลากลางที่สามและสี่

คำตอบ:


6

สูตรนั้นตรงไปตรงมา แต่มันไม่ง่ายอย่างที่คิดในคำถาม

Let จะ EWMA ก่อนหน้านี้และปล่อยให้X = x nซึ่งขึ้นอยู่กับสถานการณ์ที่เป็นอิสระจากY ตามคำนิยามที่ถัวเฉลี่ยถ่วงน้ำหนักใหม่คือZ = α X + ( 1 - α ) Yสำหรับค่าคงที่α เพื่อความสะดวกของสัญลักษณ์ชุดβ = 1 - α ให้Fแทน CDF ของตัวแปรสุ่มและϕแสดงถึงช่วงเวลาที่สร้างฟังก์ชันดังนั้นYX=xnYZ=αX+(1α)Yαβ=1αFϕ

ϕX(t)=EF[exp(tX)]=Rexp(tx)dFX(x).

ด้วยKendall และ Stuartให้หมายถึงช่วงเวลาที่ไม่เป็นศูนย์กลางของคำสั่งkสำหรับตัวแปรสุ่มZ; นั่นคือμμk(Z)kZ] เบ้และความโด่งเป็นแสดงออกในแง่ของμμk(Z)=E[Zk]สำหรับk=1,2,3,4; ตัวอย่างเช่นเบ้ถูกกำหนดให้เป็นμ3/μ 3 / 2 2ที่μkk=1,2,3,4μ3/μ23/2

μ3=μ33μ2μ1+2μ13 and μ2=μ2μ12

คือช่วงเวลากลางที่สามและสองตามลำดับ

โดยผลการทดสอบเบื้องต้น

1+μ1(Z)t+12!μ2(Z)t2+13!μ3(Z)t3+14!μ4(Z)t4+O(t5)=ϕZ(t)=ϕαX(t)ϕβY(t)=ϕX(αt)ϕY(βt)=(1+μ1(X)αt+12!μ2(X)α2t2+)(1+μ1(Y)βt+12!μ2(Y)β2t2+).

ต้องการที่จะได้รับช่วงเวลาที่ไม่ใช่กลางคูณชุดไฟหลังผ่านการสั่งซื้อที่สี่ในและถือเอาผลระยะโดยระยะที่มีเงื่อนไขในφ Z ( T )tϕZ(t)


I am having some formula visualization problem, possibly whenever a ' is used, with both IE and Firefox, would you please care checking? Thanks!
Quartz

1
@Quartz Thanks for the heads up. This used to display properly, so evidently there has been some change in the processing of the TEX markup. I found a workaround by enclosing all single quotes within braces. (This change has probably broken a few dozen posts on this site.)
whuber

0

I think that the following updating formula works for the third moment, although I'd be glad to have someone check it:

M3,n=(1α)M3,n1+α[xn(xnμn)(xn2μn)xnμn1(μn12μn) μn1(μnμn1)23(xnμn)σn12]

Updating formula for the kurtosis still open...


Why the ... in the above formula?
Chris

Line continuation.
Chris Taylor

Did your equation prove to be correct? I asked a similar question in R. stats.stackexchange.com/q/234460/70282
Chris

Did you account for the division by N in the third moment? Skewness is the ratio of the 3rd moment and the standard deviation^3 like so: Skew = m3 / sqrt(variance)^3 The third moment is defined as: m3 = sum( (x-mean)^3 )/n
Chris
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.