Расчет взвешенного среднего и стандартного отклонения

Question

У меня есть временной ряд x_0 ... x_t. Я хотел бы вычислить экспоненциально взвешенную дисперсию данных. То есть:

V = SUM{w_i*(x_i - x_bar)^2, i=1 to T} where SUM{w_i} = 1 and x_bar=SUM{w_i*x_i} 

исх: http://en.wikipedia.org/wiki/Weighted_mean#Weighted_sample_variance

Цель состоит в том, чтобы в основном веса наблюдений, которые дальше назад во времени меньше. Это очень просто реализовать, но я хотел бы использовать максимально возможную встроенную функциональность. Кто-нибудь знает, что это соответствует в R?

Thanks

Answer 1

R обеспечивает взвешенное среднее значение. ? На самом деле, weighted.mean показывает этот пример:

## GPA from Siegel 1994 
wt <- c(5, 5, 4, 1)/15 
x <- c(3.7,3.3,3.5,2.8) 
xm <- weighted.mean(x, wt) 

Еще один шаг:

v <- sum(wt * (x - xm)^2) 

Answer 2

Hmisc пакет предоставляет эту функциональность:

http://rgm2.lab.nig.ac.jp/RGM2/func.php?rd_id=Hmisc:wtd.stats

Answer 3

Пакет Hmisc содержит функции тебе нужно.

Таким образом:

x <- c(3.7,3.3,3.5,2.8) 

wt <- c(5, 5, 4, 1)/15 

xm <- wtd.mean(x, wt) 

var <- wtd.var(x, wt) 

sd <- sqrt(var) 

К сожалению, автор пакета Hmisc не включает явную wtd.sd функцию. Вы должны квадратный корень wtd.var.

Чарльз Кангаи

Answer 4

Я тоже получаю ошибки от Hmisc при использовании функции wtd.var(). К счастью, SDMTools имеет сопоставимую функциональность и даже вычисляет SD напрямую для вас, без необходимости принимать квадратичные отклонения.

library(SDMTools) 

x <- c(3.7,3.3,3.5,2.8) 
wt <- c(5, 5, 4, 1)/15 ## Note: no actual need to normalize weights to sum to 1, this will be done automatically. 

wt.mean(x, wt) 
wt.sd(x,wt) 

wt.var(x, wt)