Độ lệch di chuyển theo cấp số nhân / kurtosis


15

Có các công thức trực tuyến nổi tiếng để tính toán các đường trung bình di chuyển theo cấp số nhân và độ lệch chuẩn của một quá trình (xn)n=0,1,2, . Đối với trung bình,

μn=(1α)μn1+αxn

và cho phương sai

σn2=(1α)σn12+α(xnμn1)(xnμn)

từ đó bạn có thể tính độ lệch chuẩn.

Có các công thức tương tự cho tính toán trực tuyến của các khoảnh khắc trung tâm thứ ba và thứ tư theo trọng số mũ không? Trực giác của tôi là họ nên có hình thức

M3,n=(1α)M3,n1+αf(xn,μn,μn1,Sn,Sn1)

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

từ đó bạn có thể tính toán độ lệch và kurtosis nhưng tôi không thể tìm thấy đơn giản, đóng- biểu thức biểu mẫu cho các hàm và . k n = M 4 , n / σ 4 n f gγn=M3,n/σn3kn=M4,n/σn4fg


Chỉnh sửa: Một số thông tin thêm. Công thức cập nhật cho phương sai di chuyển là trường hợp đặc biệt của công thức cho hiệp phương sai di chuyển theo cấp số mũ, có thể được tính toán thông qua

Cn(x,y)=(1α)Cn1(x,y)+α(xnx¯n)(yny¯n1)

trong đó và là phương tiện di chuyển theo cấp số nhân của và . Sự không đối xứng giữa và là ảo tưởng và biến mất khi bạn nhận thấy rằng .x¯ny¯nxyxyyy¯n=(1α)(yy¯n1)

Các công thức như thế này có thể được tính bằng cách viết thời điểm trung tâm dưới dạng kỳ vọng , trong đó các trọng số trong kỳ vọng được hiểu là theo cấp số nhân và sử dụng thực tế là với bất kỳ hàm chúng ta cóEn()f(x)

En(f(x))=αf(xn)+(1α)En1(f(x))

Thật dễ dàng để rút ra các công thức cập nhật cho giá trị trung bình và phương sai bằng cách sử dụng mối quan hệ này, nhưng nó chứng tỏ là khó khăn hơn cho khoảnh khắc trung tâm thứ ba và thứ tư.

Câu trả lời:


6

Các công thức rất đơn giản nhưng chúng không đơn giản như thân mật trong câu hỏi.

Hãy là EWMA trước và để cho , được coi là độc lập với . Theo định nghĩa , trung bình có trọng số mới là cho giá trị không đổi . Để thuận tiện cho công chứng, hãy đặt . Đặt là CDF của một biến ngẫu nhiên và biểu thị hàm tạo mô men của nó , do đóYX=xnYZ=αX+(1α)Yαβ=1αFϕ

ϕX(t)=EF[exp(tX)]=Rexp(tx)dFX(x).

Với Kendall và Stuart , hãy để biểu thị thời điểm không phải là trung tâm của thứ tự cho biến ngẫu nhiên ; nghĩa là, . Độ lệchkurtosis có thể biểu thị theo thuật ngữ với ; ví dụ: độ lệch được xác định là trong đóμk(Z)kZμk(Z)=E[Zk]μkk=1,2,3,4μ3/μ23/2

μ3=μ33μ2μ1+2μ13 and μ2=μ2μ12

lần lượt là khoảnh khắc trung tâm thứ ba và thứ hai.

Theo kết quả tiểu học tiêu chuẩn,

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+).

Để có được những khoảnh khắc không phải là trung tâm mong muốn, hãy nhân chuỗi sau qua bậc bốn theo và đánh đồng kết quả theo kỳ hạn với các số hạng trong .tϕZ(t)


Tôi đang gặp một số vấn đề về hình ảnh công thức, có thể là bất cứ khi nào một 'được sử dụng, với cả IE và Firefox, bạn có vui lòng kiểm tra không? Cảm ơn!
Thạch anh

1
@Quartz Cảm ơn vì đã ngẩng cao đầu. Điều này được sử dụng để hiển thị đúng, do đó, rõ ràng đã có một số thay đổi trong quá trình xử lý đánh dấu . Tôi tìm thấy một cách giải quyết bằng cách đặt tất cả các dấu ngoặc đơn trong dấu ngoặc nhọn. (Thay đổi này có thể đã phá vỡ vài chục bài đăng trên trang web này.)TEX
whuber

0

Tôi nghĩ rằng công thức cập nhật sau đây hoạt động đến giây thứ ba, mặc dù tôi rất vui khi có ai đó kiểm tra nó:

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

Cập nhật công thức cho kurtosis vẫn mở ...


Tại sao ... trong công thức trên?
Chris

Tiếp tục dòng.
Chris Taylor

Phương trình của bạn đã được chứng minh là đúng? Tôi đã hỏi một câu hỏi tương tự trong R. stats.stackexchange.com/q/234460/70282
Chris

Bạn đã tính đến sự phân chia của N trong giây thứ ba? Skewness là tỷ lệ của khoảnh khắc thứ 3 và độ lệch chuẩn ^ 3 như vậy: Skew = m3 / sqrt (phương sai) ^ 3 Khoảnh khắc thứ ba được định nghĩa là: m3 = sum ((x-mean) ^ 3) / n
Chris
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.