std

Стандартное отклонение timeseries данные

Описание

пример

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

tsstd = std(ts,Name,Value) задает дополнительные опции при вычислении стандартного отклонения с помощью одного или нескольких аргументов пары "имя-значение". Для примера tsstd = std (ts, 'Quality', -99, 'MissingData', 'remove') определяет -99 как отсутствующий код качества выборки и удаляет отсутствующие выборки перед вычислением стандартного отклонения.

Примеры

свернуть все

Создайте timeseries объект и вычислите стандартное отклонение выборочных данных.

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

Входные параметры

свернуть все

Входные timeseries, заданный как скаляр.

Типы данных: timeseries

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке 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 диапазоне от -128 до 127. Каждый элемент является кодом качества, который рассматривается как отсутствующие данные.

По умолчанию отсутствующие данные удаляются перед вычислением. Чтобы интерполировать данные вместо их удаления, задайте пару "имя-значение" 'MissingData','interpolation'.

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

Отсутствующий метод данных, заданный как 'remove' для удаления отсутствующих значений или 'interpolate' чтобы заполнить отсутствующие значения путем интерполяции данных. Задайте 'Quality' Пара "имя-значение", чтобы указать, какие выборки данных считаются отсутствующими.

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

Алгоритмы

MATLAB® определяет взвешивание по:

  1. Присоединение взвешивания к каждому временному значению, в зависимости от его порядка, следующим образом:

    • Первая временная точка - длительность первого временного интервала (t(2) - t(1)).

    • Временная точка, который не является ни первой ни последней временной точкой - длительность между серединой предыдущего временного интервала и серединой последующего временного интервала ((t(k + 1) - t(k))/2 + (t(k) - t(k - 1))/2).

    • Последняя временная точка - длительность последнего временного интервала (t(end) - t(end - 1)).

  2. Нормализация взвешивания для каждого времени путем деления каждого взвешивания на среднее значение всех взвешиваний.

    Примечание

    Если на timeseries объект равномерно дискретизируется, тогда нормированное взвешивание для каждого времени равняется 1,0. Поэтому взвешивание по времени не имеет никакого эффекта.

  3. Умножение данных для каждого времени на нормированное взвешивание.

См. также

| | |

Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте