我有一个时间序列x_0 ... x_t
。 我想计算数据的指数加权变化。 那是:
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}
REF: http://en.wikipedia.org/wiki/Weighted_mean#Weighted_sample_variance
我们的目标是基本重量是更久远的时间较少的观察。 这是很容易实现,但我想用尽可能多的内置funcitonality越好。 有谁知道这对应于R'
谢谢
ř提供加权平均。 事实上,weighted.mean显示了这个例子?
## 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)
更进一步:
v <- sum(wt * (x - xm)^2)
该Hmisc包包含了你所需要的功能。
从而:
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)
不幸的是,Hmisc包的作者没有包括明确wtd.sd
功能。 你必须平方根wtd.var。
查尔斯康艾
我也从得到错误Hmisc
使用时wtd.var()
函数。 幸运的是, SDMTools
具有类似功能,甚至直接计算SD的你,无需采取方差开方。
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)
Hmisc包提供此功能:
http://rgm2.lab.nig.ac.jp/RGM2/func.php?rd_id=Hmisc:wtd.stats