متوسط - معاملات المرجح الحركة ،

المتوسط ​​المتحرك المرجح في الرد على هذه المشاركة من قبل لوكا ديلوتشي طريقة على الانترنت للقيام وما (أي حيث يمكنك إضافة قيمة واحدة في وقت واحد) مع نافذة إكسيننتيال (الذي يزن أحداث أكثر حداثة أقوى من تلك الأخيرة الأخيرة) يعمل مثل هذا: زمان (t1) إكس (-1tau) (زمان (t) x (t) تاو) وهذا يعطيك وما x (t). تاو هو شيء مثل طول الذاكرة (الأحداث مرة أخرى إلى الوراء من تاو لن يكون كوتريمبيردكوت جيدا جدا). آم 10.08.2007 أم 09:19 سكريب لوكا ديلوتشي: غ هاي، أستطيع أن أفعل وظيفة على المتوسط ​​المتحرك المرجح حيث القيمة غ تأخذ في الوضع التلقائي هذه فكرتي غ غ yy1، y2، y3، y4، y5 غ فونكتيون وما (y12y2y3) 4 غ (y22y3y4) 4 غ (y22y3y4) 4 غ (y22y3y4) 4 غ غ إتك غ غ إند دالة غ غ لا أستطيع تكرار الصيغة (y12y2y3) 4 (لأنه إذا كان المتغير غ طويلا، يجب أن أغير الدالة) صيغة غ واحدة فقط التي تستخدم الصيغة لجميع القيم من ناقلات غ غ أتمنى إيف إعطاء تفسير واضح غ غ لوكا غ غ مساعدة أوكتاف القائمة البريدية غ البريد الإلكتروني مخبأة غ cae. wisc. edumailmanlistinfohelp - أوكتاف ليس شيء اوكتاف، ولكن وهو شيء معالجة الإشارات. ويتحدد عامل التداخل (استجابة المدخلات المحدودة) عامل التصفية بواسطة متجه المعاملات، فإذا كان طول المرشح 4، فإن المخرجات ستكون مثل: y (t) b (1) x (t) b (2) x ( t-1) b (3) x (t-2) b (4) x (t-3) حتى عندما تكون b (1،4) 4، فهي مجرد متوسط ​​العناصر الأربعة الأخيرة. في اوكتاف، يمكنك استخدام كوتفيلتيركوت وظيفة للقيام بذلك بالضبط، إذا كان هو إشارة الخاص بك، يمكنك ببساطة القيام تصفية y (ب، 1، س) P. S. هذا هو تقريبا نفس اقتراح Sren39s لاستخدام الالتفاف (باستخدام وظيفة كونف). والفرق الوحيد (وأعتقد) هو أن مرشح سيعطي نفس الناتج كما كونف، ولكن اقتطاع إلى طول x. في 81007، كتب لوكا ديلوتشي لثيدن إمايل غ: 2007810، ششيرماشر، رولف لثيدن إمايل غ: غ فيلتر مع عامل تصفية فير تكون المعاملات غ غ b 1 1 1 1. 4 غ ما هو هذا عذرا ولكن I39m مبتدئ من اوكتاف غ غ ----- الرسالة الأصلية ----- غ غ من: لوكا ديلوتشي مايلتو: البريد الإلكتروني الخفي غ غ أرسلت: الجمعة، 10 أغسطس 2007 9:20 ص غ غت إلى: أوكتاف غ غ الموضوع: المتوسط ​​المتحرك المرجح غ غ غ غ غ مرحبا، يمكنني القيام بوظيفة على المتوسط ​​المتحرك المرجح حيث القيمة غ غ تأخذ في الوضع التلقائي هذه فكرتي غ غ غ غ yy1، y2، (y12y2y3) 4 غ غ إتك غ غ إتك غ غ وظيفة النهاية غ غ غ غ لا أستطيع تكرار الصيغة (y12y2y3) 4 (لأن إذا كان طويلا من ناقلات غ غ مختلفة يجب أن أغير الدالة) ولكن لديها صيغة غ غ واحدة فقط التي تستخدم الصيغة لجميع القيم من ناقلات غ غ غ غ آمل I39ve إعطاء تفسير واضح غ غ غ غ لوكا غ غ غ غ القائمة البريدية المساعدة غت غ غ البريد الإلكتروني المخفية غ غ cae. wisc. edumailmanlistinfohelp-أوكتاف غ غ غ ردا على هذه المشاركة التي كتبها لوكا ديلوتشي مرحبا، يمكنني أن أفعل وظيفة على المتوسط ​​المتحرك المرجح حيث يتم أخذ القيمة في تلقائي (y12y2y3) 4 (y22y3y4) 4 إتك إتك إند فونكتيون لا أستطيع تكرار الصيغة (y12y2y3) 4 (لأنه إذا كان المتجه طويلا مختلفا يجب أن تغيير الدالة) ولكن لديك صيغة واحدة فقط التي تستخدم الصيغة لجميع القيم المتجه لديك للتفكير في البيانات الخاصة بك بطريقة مختلفة إذا كنت ترغب في استخدام ماتلابوكتاف بكفاءة. يتم تمثيل البيانات على أنها ناقلات أو مصفوفات، ويجب أن تفعل كل العمليات على البيانات بالكامل --- لا تفكر في العناصر y1، Y2، وما إلى ذلك ولكن التعامل مع كامل ناقلات y. سيكون لديك لخلط عناصر ناقلات من مواقف مختلفة، لذلك تحتاج إلى بناء نسخ متغيرة من ناقلات. على سبيل المثال، y (2: إند) هو المتجه الذي العنصر الأول هو العنصر الثاني من y. عندما تفعل ذلك بهذه الطريقة، فإنه يجبر لك على التعرف على المشاكل المختلفة التي اجتاحت تحت البساط على سبيل المثال على سبيل المثال، ما هو معنى المتوسط ​​المرجح ل y1، والتي ليس لديها نقطة بيانات سابقة قد يكون نهج واحد لتكرار (1: نهاية 2) 2 تيمب (2: نهاية -1) درجة الحرارة (3: نهاية)) 4 أو التخلي عن واعترف بأن يمكنك حساب فقط (a: 1 إند-2) 2y (2: إند-1) y (3: إند) (4) هناك دالة أوكتاف تسمى الفلتر () التي يمكن أن تطبق مرشح خطي تعسفي لها (1 2 14،1، y)) وأخيرا، يحتوي أوكتاف على بعض الفلاتر التي بنيت في بلدي المفضلة هو سافيتسكي-غولاي 2-لحظة الحفاظ على فلترمرشحات إير، مرشحات إير، ومعادلة الفرق ثابت معامل المعادلة مرشحات متوسط ​​السببية المتحركة (فير) ناقشنا النظم التي كل s وافرة من الناتج هو مجموع مرجح من (بعض من) عينات من المدخلات. دعونا نأخذ نظام المبلغ المرجح السببية، حيث يعني السببية أن عينة إخراج معين يعتمد فقط على عينة المدخلات الحالية والمدخلات الأخرى في وقت سابق في التسلسل. ولا ينبغي أن تكون النظم الخطية بوجه عام، ولا نظم الاستجابة النبضية المحدودة على وجه الخصوص، سببية. ومع ذلك، السببية هي مريحة لنوع من التحليل الذي كان يجري لاستكشاف قريبا. إذا كنا ترمز المدخلات كقيمة متجه x. والمخرجات كقيم مقابلة للمتجه y. ثم يمكن كتابة مثل هذا النظام حيث حيث يتم تطبيق قيم b كوويتسكوت على عينات الإدخال الحالية والإصدارات السابقة للحصول على عينة الإخراج الحالية. يمكننا أن نفكر في التعبير كمعادلة، مع تساوي معنى علامة يساوي، أو كتدبير إجرائي، مع تساوي علامة معنى التعيين. يتيح كتابة التعبير لكل عينة مخرجات كحلقة ماتلاب من عبارات التعيين، حيث x هو متجه N - طول لعينات المدخلات، و b هو متجه طول M من الأوزان. من أجل التعامل مع الحالة الخاصة في البداية، سوف نقوم بتضمين x في متجه أطول شهات الذي أول عينات M-1 هي صفر. سنكتب التجمیع المرجح لكل ذ (ن) كمنتج داخلي، وسوف نقوم ببعض التلاعب في المدخلات (مثل عكس ب) لھذه الغایة. هذا النوع من النظام غالبا ما يسمى مرشح المتوسط ​​المتحرك، لأسباب واضحة. ومن مناقشاتنا السابقة، ينبغي أن يكون واضحا أن مثل هذا النظام خطي ومتحول. وبطبيعة الحال، سيكون أسرع بكثير لاستخدام ماتلاب كونفولوتيون وظيفة كونف () بدلا من مافيلت لدينا (). بدلا من النظر في عينات M-1 الأولى من المدخلات لتكون صفر، يمكن أن نعتبرها لتكون نفس العينات M-1 الماضي. هذا هو نفس معاملة المدخلات بشكل دوري. حسنا استخدام كمافيلت () كاسم وظيفة، وتعديل صغير من مافيلت في وقت سابق () وظيفة. عند تحديد الاستجابة النبضية لنظام ما، لا يوجد عادة فرق بين هذين، لأن جميع العينات غير الأولية من المدخلات هي صفر: بما أن نظام من هذا النوع هو الخطية والتحول ثابت، ونحن نعلم أن تأثيره على أي الجيبية سوف تكون فقط على نطاق وتحويله. هنا من المهم أن نستخدم النسخة الدائرية يتم تحويل النسخة المحكومة بشكل دائري وتحجيم قليلا، في حين أن النسخة مع الالتفاف العادي هو مشوهة في البداية. دعونا نرى ما هو بالضبط التحجيم والتحول هو باستخدام ففت: كل من المدخلات والمخرجات لديها السعة فقط في الترددات 1 و -1، وهو كما ينبغي أن يكون، نظرا لأن المدخلات كان الجيبية وكان النظام الخطية. وتكون قيم الخرج أكبر بنسبة 10.62518 1.3281. هذا هو كسب النظام. ماذا عن المرحلة نحن بحاجة فقط للنظر حيث السعة غير الصفر: المدخلات لديها مرحلة pi2، كما طلبنا. يتم تحويل مرحلة الإخراج عن طريق 1.0594 إضافية (مع علامة المعاكس للتردد السلبي)، أو حوالي 16 من دورة إلى اليمين، كما يمكننا أن نرى على الرسم البياني. الآن دعونا محاولة الجيبية مع نفس التردد (1)، ولكن بدلا من السعة 1 و pi2 المرحلة، ويحاول محاولة السعة 1.5 و المرحلة 0. ونحن نعلم أن التردد فقط 1 و -1 سيكون لها سعة غير الصفر، لذلك دعونا مجرد نظرة عندهم: مرة أخرى نسبة الاتساع (15.937712.0000) هي 1.3281 - أما بالنسبة للمرحلة فإنه تحول مرة أخرى من قبل 1.0594 إذا كانت هذه الأمثلة نموذجية، يمكننا أن نتوقع تأثير نظامنا (استجابة دفعة .1 .2 .3 4. 5) على أي جيبية مع التردد 1 - سيتم زيادة السعة بعامل 1.3281 وسوف تتحول المرحلة (تردد إيجابي) 1.0594. يمكن أن نذهب إلى حساب تأثير هذا النظام على الجيوب الأنفية من الترددات الأخرى بنفس الطرق. ولكن هناك طريقة أبسط بكثير، واحدة التي تحدد النقطة العامة. وبما أن التفاف (دائري) في المجال الزمني يعني التكاثر في مجال الترددات، من ذلك يعني أن دفت للاستجابة النبضية هي نسبة دفت للخرج إلى دفت للإدخال. في هذه العلاقة معاملات دفت هي أرقام معقدة. منذ عبس (c1c2) عبس (c1) عبس (c2) لجميع الأعداد المركبة c1، c2، تخبرنا هذه المعادلة أن طيف الاتساع للاستجابة النبضية سيكون دائما نسبة طيف الاتساع للناتج إلى دخل المدخل . وفي حالة طيف الطور، تكون الزاوية (c1c2) الزاوية (c1) - الزاوية (c2) لكل c1، c2 (مع شرط أن تكون المراحل المختلفة ب n2pi متساوية). ولذلك فإن الطيف الطوري للاستجابة النبضية سيكون دائما الفرق بين أطياف الطور للإخراج والمدخل (مع أي تصحيحات بواسطة 2pi مطلوبة للحفاظ على النتيجة بين - pi و بي). يمكننا أن نرى آثار المرحلة أكثر وضوحا إذا كنا إلغاء التفاف تمثيل المرحلة، أي إذا أضفنا مضاعفات مختلفة من 2pi حسب الحاجة لتقليل القفزات التي تنتجها الطبيعة الدورية للزاوية () وظيفة. وعلى الرغم من أن الاتساع والطور يستخدمان عادة لعرض رسومية بل وجدولية، حيث إنها طريقة بديهية للتفكير في آثار النظام على مختلف مكونات تردد مدخلاته، فإن معاملات فورييه المعقدة هي أكثر فائدة من الناحية الجبرية، لأنها تسمح تعبير بسيط عن العلاقة النهج العام الذي شاهدناه للتو سيعمل مع مرشحات تعسفية من نوع رسم، حيث كل عينة الإخراج هو مجموع مرجح من بعض مجموعة من عينات المدخلات. وكما ذكر سابقا، غالبا ما تسمى هذه المرشحات مرشحات الاستجابة النبضية المحدودة، لأن الاستجابة النبضية ذات حجم محدود، أو أحيانا تتحرك المرشحات المتوسطة. ويمكننا تحديد خصائص استجابة التردد لمثل هذا المرشاح من الاتحاد الفرنسي للتنس مقابل استجابته النبضية، ويمكننا أيضا تصميم مرشحات جديدة بالخصائص المطلوبة بواسطة إفت من مواصفات استجابة التردد. مرشحات الانحدار الذاتي (إير) سيكون هناك القليل من النقاط في وجود أسماء لمرشحات الأشعة تحت الحمراء ما لم يكن هناك نوع آخر (أنواع) لتمييزها عن، وبالتالي فإن أولئك الذين درسوا البراغماتية لن يفاجأوا لمعرفة أن هناك بالفعل نوع رئيسي آخر من الخطي مرشح الوقت ثابتة. وتسمى هذه المرشحات أحيانا عودية لأن قيمة المخرجات السابقة (فضلا عن المدخلات السابقة) أهمية، على الرغم من أن الخوارزميات مكتوبة عموما باستخدام البنى التكرارية. وتسمى أيضا مرشحات الاستجابة اللانهائية (إير) اللانهائي، لأنه بشكل عام استجابتها للدافع يمضي إلى الأبد. كما أنها تسمى أحيانا مرشحات الانحدار الذاتي، لأن المعاملات يمكن اعتبارها نتيجة للقيام الانحدار الخطي للتعبير عن قيم إشارة كدالة لقيم الإشارة السابقة. ويمكن رؤية علاقة مرشحات الأشعة تحت الحمراء (إير) و إير (إير) بوضوح في معادلة فرق ثابت للمعامل الثابت، أي تحديد مجموع مرجح للنواتج يساوي مجموع مرجح للمدخلات. هذا هو مثل المعادلة التي أعطيناها سابقا لفلتر المعلومات المسببة للأشعة، باستثناء أنه بالإضافة إلى مجموع الوزن المرجح من المدخلات، لدينا أيضا مجموع مرجح من النواتج. إذا كنا نريد أن نفكر في هذا كإجراء لتوليد عينات الإخراج، ونحن بحاجة إلى إعادة ترتيب المعادلة للحصول على تعبير عن عينة الانتاج الحالي ذ (ن)، اعتماد الاتفاقية أن (1) 1 (على سبيل المثال عن طريق تحجيم البعض كما و بس)، يمكننا التخلص من المصطلح 1a (1): y (n) b (1) x (n) b (2) x (n-1). b (nb1) x (n-نب) - a (2) y (n-1) -. - a (Na1) y (n-نا) إذا كان كل (n) بخلاف (1) صفرا، فإن هذا يقلل من صديقنا القديم مرشح فير للسببية. هذه هي الحالة العامة لمرشح لتي (سببية) لتي، ويتم تنفيذه بواسطة مرشح وظيفة ماتلاب. يتيح النظر في الحالة التي تكون فيها معاملات b بخلاف b (1) صفرا (بدلا من حالة فير، حيث تكون a (n) صفرا): وفي هذه الحالة، تحسب عينة الإخراج الحالية y (n) (n-1)، y (n-2)، إلخ. للحصول على فكرة عما يحدث مع هذه الفلاتر، يتيح البدء بالحالة حيث: وهذا هو، وعينة الانتاج الحالي هو مجموع عينة المدخلات الحالية ونصف عينة الانتاج السابقة. حسنا اتخاذ دفعة الدافع من خلال بضع خطوات الوقت، واحدة في وقت واحد. يجب أن يكون واضحا في هذه المرحلة أنه يمكننا بسهولة كتابة تعبير عن قيمة عينة الناتج نث: هو فقط (إذا ماتلاب عد من 0، وهذا سيكون ببساطة .5n). وبما أن ما نقوم بحسابه هو الاستجابة النبضية للنظام، فقد أثبتنا مثالا على أن الاستجابة النبضية يمكن أن تحتوي بالفعل على عدد لا نهائي من العينات غير الصفرية. لتنفيذ هذا التصفية الأولى من الدرجة الأولى في ماتلاب، يمكننا استخدام الفلتر. سوف تبدو هذه الدعوة كما يلي: والنتيجة هي: هل هذا العمل لا يزال حقا الخطية يمكننا أن ننظر في هذا تجريبيا: لنهج أكثر عمومية، والنظر في قيمة عينة الإخراج ذ (ن). من خلال استبدال المتعاقبة يمكننا أن نكتب هذا كما هو تماما مثل صديقنا القديم شكل جمع الالتفاف من فلتر معلومات الطيران، مع الاستجابة النبضية التي يقدمها التعبير .5k. وطول الاستجابة النبضية لانهائية. وبالتالي، فإن نفس الحجج التي استخدمناها لإظهار أن فلاتر معلومات النطاق (فير) خطي ستطبق الآن هنا. حتى الآن قد يبدو هذا مثل الكثير من الضجة حول ليس كثيرا. ما هو هذا الخط كله من التحقيق جيدة للرد على هذا السؤال على مراحل، بدءا من مثال. انها ليست مفاجأة كبيرة أننا يمكن حساب عينة أضعية من قبل الضرب العودية. دعونا ننظر إلى مرشح العودية أن يفعل شيئا أقل وضوحا. هذه المرة جعله جيدا مرشح من الدرجة الثانية، بحيث الدعوة لتصفية سيكون من شكل يتيح تعيين معامل الانتاج الثاني a2 إلى -2cos (2pi40)، والناتج الثالث معامل a3 إلى 1، والنظر في دفعة استجابة. غير مفيد جدا كمرشح، في الواقع، ولكنه يولد موجة جيبية عينات (من دفعة) مع ثلاثة مضاعفة يضيف لكل عينة من أجل فهم كيف ولماذا يفعل ذلك، وكيف يمكن تصميم المرشحات العودية وتحليلها في والحالة أكثر عمومية، ونحن بحاجة إلى خطوة إلى الوراء ونلقي نظرة على بعض الخصائص الأخرى من الأرقام المعقدة، على الطريق إلى فهم تحويل z. Documentation يوضح هذا المثال كيفية استخدام مرشحات المتوسط ​​المتحرك وإعادة عزل لعزل تأثير المكونات الدورية من الوقت من اليوم على قراءات درجة الحرارة ساعة، وكذلك إزالة الضوضاء خط غير المرغوب فيها من قياس الجهد حلقة مفتوحة. ويبين المثال أيضا كيفية تسهيل مستويات إشارة الساعة مع الحفاظ على الحواف باستخدام مرشح متوسط. يوضح المثال أيضا كيفية استخدام فلتر هامبيل لإزالة القيم المتطرفة الكبيرة. الدافع التمويه هو كيف نكتشف الأنماط الهامة في بياناتنا في حين ترك الأشياء التي هي غير مهمة (أي الضوضاء). نحن نستخدم تصفية لتنفيذ هذا التمهيد. هدف التمهيد هو إحداث تغييرات بطيئة في القيمة بحيث أسهل لرؤية الاتجاهات في بياناتنا. في بعض الأحيان عند فحص بيانات الإدخال قد ترغب في تسهيل البيانات من أجل رؤية اتجاه في الإشارة. في مثالنا لدينا مجموعة من قراءات درجة الحرارة في مئوية أخذت كل ساعة في مطار لوغان لكامل شهر يناير 2011. لاحظ أننا يمكن أن نرى بصريا تأثير أن الوقت من اليوم لديه على قراءات درجة الحرارة. إذا كنت مهتما فقط في التغير في درجة الحرارة اليومية على مدار الشهر، وتقلبات ساعة تسهم فقط الضوضاء، والتي يمكن أن تجعل من الصعب التعرف على الاختلافات اليومية. ولإزالة تأثير الوقت من اليوم، نود الآن تسهيل بياناتنا باستخدام فلتر متوسط ​​متحرك. مرشاح متوسط ​​متحرك في أبسط أشكاله، فإن مرشاح المتوسط ​​المتحرك للطول N يأخذ متوسط ​​كل N عينة متعاقبة من شكل الموجة. ولتطبيق مرشح متوسط ​​متحرك على كل نقطة بيانات، نقوم ببناء معاملاتنا في عامل التصفية بحيث تكون كل نقطة مرجحة على قدم المساواة وتساهم ب 124 في المتوسط ​​الكلي. هذا يعطينا متوسط ​​درجة الحرارة على مدى كل 24 ساعة. فيلتر ديلاي لاحظ أن الإخراج المصفى يتأخر بنحو اثني عشر ساعة. ويرجع ذلك إلى حقيقة أن عامل تصفية المتوسط ​​المتحرك له تأخير. أي مرشح متماثل طول N سوف يكون لها تأخير من (N-1) 2 عينات. يمكننا حساب هذا التأخير يدويا. استخراج الفروق المتوسطة بدلا من ذلك، يمكننا أيضا استخدام فلتر المتوسط ​​المتحرك للحصول على تقدير أفضل لكيفية تأثير الوقت من اليوم على درجة الحرارة الكلية. للقيام بذلك، أولا، طرح البيانات ممهدة من قياسات درجة الحرارة ساعة. بعد ذلك، صنف البيانات المختلفة إلى أيام واحصل على المتوسط ​​خلال كل 31 يوما في الشهر. استخراج الذروة المغلف في بعض الأحيان نود أيضا أن يكون لها تقدير متفاوت بسلاسة لكيفية ارتفاعات وانخفاض مستويات الحرارة لدينا إشارة تغيير يوميا. للقيام بذلك يمكننا استخدام وظيفة المغلف لربط أعلى مستوياته القصوى والهبوط المكتشفة على مجموعة فرعية من فترة 24 ساعة. في هذا المثال، علينا أن نضمن أن هناك ما لا يقل عن 16 ساعة بين كل ارتفاع الشديد والمتطرف الشديد. ويمكننا أيضا أن نحصل على فكرة عن الكيفية التي تتجه بها الرتفاعات والهبوط من خلال أخذ المتوسط ​​بين النقيضين. عوامل التصفية المتوسطة المتحركة المرجحة أنواع أخرى من المرشحات المتوسطة المتحركة لا تزن كل عينة بالتساوي. مرشح مشترك آخر يتبع توسع الحدين من (12،12) n هذا النوع من المرشح يقترب من منحنى العادي للقيم الكبيرة من n. ومن المفيد لتصفية الضوضاء عالية التردد ل n الصغيرة. للعثور على معاملات للمرشح ذي الحدين، 1212 12 مع نفسه ومن ثم تكرارا تزامن الإخراج مع 12 12 عدد محدد من المرات. في هذا المثال، استخدم خمس تكرارات إجمالية. مرشح آخر يشبه إلى حد ما مرشح توسع غاوس هو مرشح المتوسط ​​المتحرك الأسي. هذا النوع من المرشح المتوسط ​​المتحرك المرجح يسهل بناؤه ولا يتطلب حجم نافذة كبير. يمكنك ضبط عامل تصفية متوسط ​​متحرك أضعافا مضاعفة بواسطة معلمة ألفا بين الصفر وواحد. وهناك قيمة أعلى من ألفا يكون أقل تمهيد. التكبير في القراءات ليوم واحد. اختر بلدك التحليل الفني - المتوسط ​​المتحرك المتوسط ​​الخطي (لوما) يكتب ماركوس هولاند: مؤشر لوما هو مؤشر فني يستجيب بشكل أسرع من لسوكسيمبل تتحرك أفيراجيرسكو (سما) إلى التطورات السعرية الجديدة لأن أحدث قراءاتها يتم التأكيد أكثر من تلك القديمة. ومع ذلك، فإن لوما ليست شعبية مثل (سما) و لسوكسوننتيال تتحرك أفيراجيرسكو (إما). وقد تم تصميم لوما لمواجهة المشاكل المتخلفة التي تم تحديدها مع سما بطريقة مماثلة لل إما. على الرغم من أن لوما يضع المزيد من التأكيد على أحدث البيانات من خلال نشر تقنيات مماثلة ل إما، فإنه يختلف في أن يتم استخدام التقدم الخطي لوزن أحدث قراءات لها. على سبيل المثال، إذا كنت تستخدم لوما لمدة خمسة أيام، ثم سعر الإغلاق لليوم الأول سوف تضرب في واحد، في اليوم الثاني من قبل اثنين، واليوم الخامس (اليوم الخامس) من قبل خمسة. ثم يتم الحصول على القيم النهائية بقسمة القراءات اليومية بالوزن. على هذا النحو، فإن قراءات لوما الأحدث تلقي المزيد من التركيز مقارنة مع كبار السن. سوف تجد أن لوما أفضل نشرها كمؤشر تقني طويل الأجل لأن أهمية الترجيح يزيد مع الأطر الزمنية أطول. يمكنك استخدام لوما بنفس الطريقة التي تستخدم إما. سوف تجد أن العديد من التجار الاستفادة من مزيج من لوما و سما في وقت واحد. وذلك لأنك يمكن أن تتلقى تنبيهات شراء وبيع عندما هذين المتوسط ​​المتحرك كروس. بالإضافة إلى ذلك، يمكنك تأكيد الاتجاهات عن طريق تحديد متى سما و لوما تتحرك في اتجاهات متطابقة. يمكنك تأكيد هذه الميزات على الرسم البياني غبوسد أعلاه. ستلاحظ نحو منتصف المخطط أن معبر لوما (الخط الأحمر) فوق سما (الخط الأسود) مصحوبا حركة سعر صعودية. تحتاج إلى أن نقدر أن يتم تقييم لوما بضرب عدد محدد من الأيام السابقة قراءات مع عامل مرجح. يتم تحديد معامل الوزن باستخدام عدد الأيام الذي تختاره للمتوسط ​​المتحرك. لتحديد المتوسط ​​المتحرك الأنسب للمتطلبات الخاصة بك، تحتاج إلى أن نقدر أنها تؤدي بشكل مختلف اعتمادا على معاملات الوزن المرتبطة أحدث قراءات البيانات الخاصة بهم. على سبيل المثال، يتم حساب قراءات سما عن طريق كل إطار زمني متساوي الأهمية سواء كان جديدا أم قديما. في المقابل، فإن إما و لوما وضع أكثر من ذلك بكثير التأكيد على أحدث قراءاتهم. بالإضافة إلى ذلك، يتم حساب قراءات المؤشرات الفنية أفيراجيرسكو باستخدام عدد من العوامل، أي أعلى وأدنى وأسعار الافتتاح والختام من كل إطار زمني، وما إلى ذلك كما يجب أن تكون قادرا على تأكيد من دراسة الرسم البياني أعلاه، يمكنك سوف تتلقى إشارات البيع والشراء عندما ينخفض ​​السعر تحت وتسلق فوق لوما. ومع ذلك، سوف تجد أن لوما ليس المؤشر الفني المثالي للاستفادة من أجل تحديد انعكاسات الأسعار المرتبطة بداية ونهايات الاتجاهات. يوضح الرسم البياني أعلاه المتوسطات المتحركة المختلفة في العمل. سما اللون الأخضر هو إما الأزرق و لوما هو الذهب. من دراسة الرسم البياني أعلاه، يمكنك التأكد من أن لوما يستجيب أسرع إلى التغيرات في الأسعار لأن هذا المؤشر يتم تأكيد أحدث القيم أكثر من قراءاتها القديمة. وبالتالي، فإن العديد من التجار يستغلون هذه الميزة القيمة ل لوما لمساعدتهم على تحديد ما إذا كان السعر يتداول اتجاها صعوديا أو هبوطيا. على سبيل المثال، على الرسم البياني أعلاه، فإن لوما يعبر فوق سما عند بداية الاتجاه الصاعد المعروض في منتصف الرسم البياني. و لوما ثم لا يزال أعلى بكثير من سما كما يتسلق السعر. هناك سمة رئيسية أخرى هي أن السعر يبقى باستمرار فوق لوما خلال هذا الاتجاه الصاعد. و إما يعرض أيضا نفس الميزات لكنها ليست متميزة مثل تلك لوما. يظهر الرسم البياني التالي أن لوما لا يزال جيدا تحت سما خلال الاتجاه الهبوطي. ومع ذلك، يجب أن تلاحظ أيضا أن إما يعبر أدنى سما في بداية الاتجاه الهبوطي أسرع بكثير من لوما. في الواقع، لوما لا يحقق هذا الوضع حتى الاتجاه متطور تماما. هذا هو السبب في أن التجار يفضلون إما للكشف عن انعكاسات الأسعار على حساب لوما. ومع ذلك، فإن لوما لا يزال الخيار الأول لتتبع ورصد الاتجاهات بمجرد أن يتم تطويرها بالكامل. كوبي 2013 حقوق الطبع والنشر ماركوس هولندا - جميع الحقوق محفوظة تنويه: ما سبق هو مسألة رأي المقدمة لأغراض المعلومات العامة فقط وليس المقصود أن المشورة في مجال الاستثمار. إن المعلومات والتحليلات الواردة أعلاه مستمدة من مصادر واستخدام طرق يعتقد أنها موثوقة، ولكن لا يمكننا قبول المسؤولية عن أي خسائر قد تتكبدها نتيجة لهذا التحليل. يجب على الأفراد التشاور مع المستشارين الماليين الشخصية نسخة 2005-2016 MarketOracle. co. uk - أوراكل السوق هو حر تحليل الأسواق المالية اليومية أمب التنبؤ النشر على الانترنت.