问题标签 [moving-average]

代码 ：

结果

需要

谢谢你亲爱的

这是我的数据示例：

我想为每个 id 制作一列移动平均分数。

所以我需要以某种方式按 id 对数据进行分组，然后将 MA 函数应用于该分组数据，然后将输出作为另一列“MA_score”

我希望我的输出看起来像这样：

所以，我必须实现一个恒定误报率（CFAR）的算法。它的工作原理是这样的：

我使用的概念是，如果目标窗口包含多个像素，则此运算符 (CFAR) 使用以下检测标准

其中 μt 是目标窗口中像素的平均值。在这种情况下，在 PFA 计算中 t 应替换为 t√n（其中 n 是目标窗口中的像素数），其中 μb 是背景均值，σb 是背景标准差，t 是检测器设计通过以下等式从 PFA 计算的参数：

现在，（方程已经够了！XD），我知道我必须在图像（这是一个二维矩阵）上实现一些循环。我知道我的图像的像素距离比（在两个方向上每个像素大约为 10.054m）。我可以将用户输入的距离转换为像素大小，假设背景窗口是 800m（大约 80 像素），保护窗口是 400m（大约 40 像素），而目标窗口是 20m（大约 2 像素）。我的问题是：

如何循环图像？

这个问题并不像看起来那么容易，至少对我来说不是。你看，我想不通，对于 mxn 像素，如何实现移动窗口。起初我以为目标大小是固定的，我可以硬编码我的像素坐标，但这不是重点。任何帮助表示赞赏:)

编辑：目标窗口在保护窗口内移动。完成后，保护窗口将移动到背景窗口内，上面将再次发生，最后背景窗口将在整个图像中移动！

我写了一个简单的移动平均值，其中温度的移动窗口读取为 0 到 10V 之间的电压。

该算法似乎可以正常工作，但是，它有一个问题，即根据首先填充窗口的温度，移动平均值对于不接近该值的任何值都有偏移。例如，用 temp 运行这个程序。插入室温的传感器产生 4.4V 或 21.3 C。不过，如果我拔下温度。传感器电压降至 1.4V，但移动平均值保持在 1.6V。当我增加窗口大小时，这个偏移量会变小。即使对于小窗口尺寸，如何消除这个偏移量，例如。20 ?

（注意这是 Parker 用 ACROBASIC 为 ACR9000 编写的）

输出 - 已连接温度传感器

...在程序运行时移除温度传感器

移除传感器后，原始平均值和移动平均值之间会出现明显的偏移。

偏移量也以相反的顺序发生：

输出 - 移除温度传感器后开始程序

...在程序运行时连接温度传感器

附加传感器后，原始平均值和移动平均值之间再次出现明显的偏移。

在 zoo 包中有一个名为 rollmean 的函数，它使您能够制作移动平均线。将rollmean(x,3)采用下表中的上一个、当前和下一个值（即 4、6 和 2）。这显示在第二列中。

我想完成同样的工作，但是通过平均第四行中的前 3 个值。这显示在第三列中。谁能告诉我有助于完成此任务的函数名称？

我想知道如何通过参数方法将 ARMA（自回归移动平均）过程转换为 AR（自回归）过程。

即我有一个传递函数 H(z) = (a + b*z)/(c +d*z) 例如H(z) = (0.26 + 0.073*z^-1)/(1 - z^-1)，即自回归 (ARMA)，我想将其转换为 AR 过程，即H(z) = 1/(p + q*z + r*z^2 + ...)（即只有极点系统）。请给一些提示。

提前致谢！

我在以下代码中试图实现的是找到移动平均线；

问题是当我编译时，我收到 temp1 未初始化的警告；在进行了一项小型研究后，我发现变量在未初始化时不会在 C++ 中默认存储空值或零值；

我不能在代码中放入 temp1 = 0 的行，因为下一次迭代需要它的值才能传递给 temp2 变量；这两者都是计算移动平均线所必需的。

所以，基本上这是第一次运行上述程序的问题；因为如果你通过了它，上面的逻辑就足以计算移动平均线了。你们有什么感想？

提前致谢。

我是 R 新手，正在尝试在 30 个观察滚动窗口内计算自举标准偏差 (sd) 和相关标准误差。如果我只想要 sd，下面的函数会适当地执行滚动窗口。但是当我使用引导包添加引导功能时，我得到了下面指定的错误。我收集到我正在尝试将引导结果存储在一个大小不正确的向量中。有没有人对如何在新矩阵的行中存储每个窗口的引导 sd 和相关的 stderror 有任何建议？然后，目标是沿时间序列绘制每个窗口的 sd 和相关的 95% 置信区间。提前感谢您的帮助。

我通过一些基因组分析弄湿了我的脚，有点卡住了。我有一些非常稀疏的数据，需要找到移动平均线超过某个阈值的地方，将每个点标记为 1 或 0。数据属于唯一类型，因此我无法使用可用的程序进行分析。

每个点代表人类基因组上的一个点（碱基对）。每个数据集有 200,000,000 个潜在点。数据本质上是一个约 12000 个索引/值对的列表，其中所有其他点都假定为零。我需要做的是在整个数据集中取一个移动平均值，并返回平均值高于阈值的区域。

我目前正在按顺序从数据集中读取每个点，并围绕我找到的每个点构建一个数组，但这对于大窗口大小来说非常慢。有没有更有效的方法来做到这一点，也许是 scipy 或 pandas？

编辑：下面 Jamie 的魔法代码效果很好（但我还不能投票）！我非常感激。

我有传入的数据，我想计算该数据的平均值、第 95 个和第 99 个百分位数 - 我对最后 1000 个值最感兴趣。在任何时候，我都想查询这个对象以获取三个值中的任何一个（这可以在任何时候发生，而不仅仅是当看到 mod 1000 的数字为 0 时）。有没有办法在不保留最后 1000 个样本的情况下获得这三个值？

这不一定是完美的，所以我们可以使用一些技巧来获得一个好的估计。此外，速度是另一个问题。谢谢

（我将在 C++ 中执行此操作，但我认为这并不重要）