Een exponentieel voortschrijdend gemiddelde<\/strong> is een soort voortschrijdend gemiddelde dat meer gewicht toekent aan recente waarnemingen, wat betekent dat het recente trends sneller kan vastleggen.<\/span><\/p>\n In deze tutorial wordt uitgelegd hoe u een exponentieel voortschrijdend gemiddelde in R kunt berekenen.<\/span><\/p>\n Stel dat we het volgende dataframe in R hebben:<\/span><\/p>\n We kunnen de functie movavg()<\/a> uit het pracma-<\/strong> pakket gebruiken om het exponentieel gewogen voortschrijdend gemiddelde voor een aantal voorgaande perioden te berekenen.<\/span><\/p>\n Deze functie gebruikt de volgende syntaxis:<\/span><\/p>\n movavg(x, n, type=c(\u201cs\u201d, \u201ct\u201d, \u201cw\u201d, \u201cm\u201d, \u201ce\u201d, \u201cr\u201d))<\/strong><\/span><\/p>\n Goud:<\/span><\/p>\n U kunt bijvoorbeeld als volgt het exponentieel gewogen voortschrijdend gemiddelde berekenen op basis van de voorgaande vier perioden:<\/span><\/p>\n We kunnen ook de ggplot2-visualisatiebibliotheek gebruiken om de verkopen te visualiseren ten opzichte van het 4-daagse exponentieel gewogen voortschrijdend gemiddelde:<\/span> <\/p>\n De rode lijn toont de verkopen gedurende elke periode en de blauwe lijn toont het exponentieel gewogen voortschrijdend gemiddelde.<\/span><\/p>\n Meerdere kolommen plotten in R<\/a> Bij tijdreeksanalyse is een voortschrijdend gemiddelde eenvoudigweg de gemiddelde waarde van een aantal voorgaande perioden. Een exponentieel voortschrijdend gemiddelde is een soort voortschrijdend gemiddelde dat meer gewicht toekent aan recente waarnemingen, wat betekent dat het recente trends sneller kan vastleggen. In deze tutorial wordt uitgelegd hoe u een exponentieel voortschrijdend gemiddelde in R kunt berekenen. […]<\/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":[],"class_list":["post-1160","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Voorbeeld: exponentieel voortschrijdend gemiddelde 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![\"Exponentieel](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/ewma1.png\")
<\/p>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe u het gemiddelde kunt nemen over kolommen in R<\/a>
Hoe het gemiddelde per groep in R te berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"