Una media mobile esponenziale<\/strong> \u00e8 un tipo di media mobile che attribuisce maggiore peso alle osservazioni recenti, il che significa che \u00e8 in grado di catturare le tendenze recenti pi\u00f9 rapidamente.<\/span><\/p>\n Questo tutorial spiega come calcolare una media mobile esponenziale in R.<\/span><\/p>\n Supponiamo di avere il seguente frame di dati in R:<\/span><\/p>\n Possiamo utilizzare la funzione movavg()<\/a> del pacchetto pracma<\/strong> per calcolare la media mobile esponenzialmente ponderata per un numero di periodi precedenti.<\/span><\/p>\n Questa funzione utilizza la seguente sintassi:<\/span><\/p>\n movavg(x, n, type=c(\u201cs\u201d, \u201ct\u201d, \u201cw\u201d, \u201cm\u201d, \u201ce\u201d, \u201cr\u201d))<\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n Ad esempio, ecco come calcolare la media mobile ponderata in modo esponenziale utilizzando i quattro periodi precedenti:<\/span><\/p>\n Possiamo anche utilizzare la libreria di visualizzazione ggplot2 per visualizzare le vendite relative alla media mobile esponenziale ponderata di 4 giorni:<\/span> <\/p>\n La linea rossa mostra le vendite durante ciascun periodo e la linea blu mostra la media mobile esponenziale ponderata.<\/span><\/p>\n Come tracciare pi\u00f9 colonne in R<\/a> Nell’analisi delle serie temporali, una media mobile \u00e8 semplicemente il valore medio di un numero di periodi precedenti. Una media mobile esponenziale \u00e8 un tipo di media mobile che attribuisce maggiore peso alle osservazioni recenti, il che significa che \u00e8 in grado di catturare le tendenze recenti pi\u00f9 rapidamente. Questo tutorial spiega come calcolare una […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Esempio: media mobile esponenziale in R<\/strong><\/h3>\n
#create data frame<\/span>\ndf <- data.frame(period=1:10,\n sales=c(25, 20, 14, 16, 27, 20, 12, 15, 14, 19))\n\n#view data frame<\/span>\ndf\n\n period sales\n1 1 25\n2 2 20\n3 3 14\n4 4 16\n5 5 27\n6 6 20\n7 7 12\n8 8 15\n9 9 14\n10 10 19\n<\/strong><\/pre>\n\n
library<\/span> (pracma)<\/span>\n\n#create new column to hold 4-day exponentially weighted moving average<\/span>\ndf$EWM_4day <- movavg<\/span> (df$sales, n=4, type=' e<\/span> ')\n\n#view DataFrame<\/span> \ndf\n\n period sales 4dayEWM\n0 1 25 25.000000\n1 2 20 23.000000\n2 3 14 19.400000\n3 4 16 18.040000\n4 5 27 21.624000\n5 6 20 20.974400\n6 7 12 17.384640\n7 8 15 16.430784\n8 9 14 15.458470\n9 10 19 16.875082<\/strong><\/pre>\n library<\/span> (ggplot2)\nlibrary<\/span> (reshape2)\n\n#melt data into format for easy plotting\n<\/span>df <- melt<\/span> (df, id.vars = ' period<\/span> ', variable.name = ' series<\/span> ')\n\n#plot sales vs. 4-day exponentially weighted moving average\n<\/span>ggplot(df, aes<\/span> (period, value)) +\n geom_line( aes<\/span> (color=series))\n<\/strong><\/span><\/pre>\n![\"Media](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/ewma1.png\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come calcolare la media sulle colonne in R<\/a>
Come calcolare la media per gruppo in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"