Exponenta Banner

станд

Стандартное отклонение данных timeseries

свернуть все на странице

Синтаксис

tsstd = std(ts)
tsstd = std(ts,Name,Value)

Описание

пример

tsstd = std(ts) возвращает стандартное отклонение данных в объекте timeseries.

tsstd = std(ts,Name,Value) задает дополнительные опции при вычислении стандартного отклонения с помощью одного или нескольких аргументов пары "имя-значение". Например, tsstd = std(ts,'Quality',-99,'MissingData','remove') задает-99 как недостающий демонстрационный качественный код и удаляет недостающие выборки прежде, чем вычислить стандартное отклонение.

Примеры

свернуть все

Скрипт Open Live Script

Создайте объект timeseries и вычислите стандартное отклонение выборочных данных.

ts = timeseries((1:10)');
tsstd = std(ts)
tsstd = 3.0277

Входные параметры

свернуть все

Введите timeseries, заданный как скаляр.

Типы данных: timeseries

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: tsstd = std(ts,'Quality',-99,'MissingData','remove')

Индикатор отсутствующего значения, заданный скаляр, вектор, матрица или многомерный массив целых чисел в пределах от-128 к 127. Каждый элемент является качественным кодом, чтобы обработать как недостающие данные.

По умолчанию недостающие данные удалены перед вычислением. Чтобы интерполировать данные вместо того, чтобы удалить его, задайте пару "имя-значение" 'MissingData','interpolation'.

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Недостающий метод данных, заданный или как 'remove', чтобы удалить отсутствующие значения или как 'interpolate', чтобы заполнить отсутствующие значения путем интерполяции данных. Задайте пару "имя-значение" 'Quality', чтобы указать, какие выборки данных рассматриваются, отсутствуя.

Веса, заданные как 'none' или 'time'.
Когда вы задаете 'time', большие временные стоимости соответствуют большим весам.

Алгоритмы

MATLAB® определяет взвешивание:

  1. Присоединение взвешивания к каждой временной стоимости, в зависимости от ее порядка, можно следующим образом:

    • Первый момент времени — длительность первого временного интервала (t(2) - t(1)).

    • Момент времени, который не является ни первым ни последним моментом времени — длительность между средней точкой предыдущего временного интервала к средней точке последующего временного интервала ((t(k + 1) - t(k))/2 + (t(k) - t(k - 1))/2).

    • Последний момент времени — длительность последнего временного интервала (t(end) - t(end - 1)).

  2. Нормализация взвешивания в течение каждого раза путем деления каждого взвешивания на среднее значение всех коэффициентов.

    Примечание

    Если объект timeseries однородно выбирается, то нормированное взвешивание в течение каждого раза 1.0. Поэтому время взвешивая не имеет никакого эффекта.

  3. Умножение данных в течение каждого раза его нормированным взвешиванием.

Смотрите также

| | |

Представлено до R2006a

Документация MATLAB
Поддержка