Moving Average Vs Moving Median

Ao calcular uma média móvel em execução, colocar a média no período de tempo médio faz sentido No exemplo anterior, calculamos a média dos primeiros 3 períodos de tempo e colocamos ao lado do período 3. Poderíamos ter colocado a média no meio do Intervalo de tempo de três períodos, isto é, ao lado do período 2. Isso funciona bem com períodos de tempo estranhos, mas não tão bons para períodos de tempo iguais. Então, onde colocamos a primeira média móvel quando M 4 Tecnicamente, a Média Móvel cairá em t 2,5, 3,5. Para evitar este problema, suavizamos as MAs usando M 2. Assim, suavizamos os valores suavizados. Se nós medimos um número par de termos, precisamos suavizar os valores suavizados. A tabela a seguir mostra os resultados usando M 4. Eu li em muitos lugares Que a mediana móvel é um pouco melhor do que a média móvel para algumas aplicações, porque é menos sensível a outliers. Eu queria testar essa afirmação em dados reais, mas não consigo ver esse efeito (verde: mediana, vermelha: média). Veja aqui: tentei com vários valores para a largura da janela (aqui no código 1000) e sempre foi o mesmo: a mediana móvel não é melhor do que a média móvel (ou seja, não menos sensível a outliers). O mesmo com a largura da janela 10000 (10000 a largura do pico). Você pode fornecer um exemplo que mostra que a mediana móvel é menos sensível a valores esporádicos do que a média móvel e, se possível, usando a amostra. WAV arquivo data-set (download link). Isto é, é possível fazer uma mediana móvel nesses dados, de modo que o resultado seja como esta curva amarela (ou seja, não mais pico) Esta não é realmente uma resposta, mas pensei que ID informasse o que estou vendo e pedindo mais informações. Eu carreguei seu arquivo test. wav e eu posso ver o sinal traçado abaixo. Então, o que você está recebendo nas parcelas que mostra não é tanto o valor médio, mas é mais como um envelope do sinal. A segunda questão é que o sinal realmente parece ser parte do sinal. Se eu aumentar o zoom, então é isso que eu vejo: o que você realmente está tentando alcançar Obrigado pelo feedback. Abaixo está um código R que faz o seguinte: carrega o arquivo wav. Toma o valor absoluto do sinal (é carregado no canal esquerdo pela biblioteca waveR). Executa um filtro de média móvel de 100 comprimento nos dados para obter algo mais próximo do envelope (sinal vermelho). Em seguida, aplica um filtro médio de comprimentos 201, 2001 e 4001 ao resultado (sinal azul). Do gráfico abaixo, o melhor desempenho é o comprimento 4001. Caso contrário, o efeito da falha ainda está presente. A única coisa que posso ver agora é que o envelope não corresponde ao verdadeiro envelope, bem como a Id. Um melhor detector de envelope pode melhorar isso (por exemplo, o sinal analítico ou tal). Abaixo está um gráfico do envelope calculado mediado com filtro superado no sinal original. Obrigado pelo tempo que gastou nesta questão. Na verdade, tracei a mediana e a média do valor absoluto do sinal. E sim, isso dá uma idéia do envelope, isso é o que eu quero. O que eu esperava (graças à mediana em vez de significar) era algo assim. Captura de tela. Infelizmente, independentemente da largura da janela para a mediana. O pico está sempre aqui. Enquanto muitos documentos dizem quotthe mediana tem a vantagem de diminuir o efeito de valores outrais. Ndash Basj 30 de novembro 15 às 14:01 Direita, então a pergunta I39m perguntando é: quotoutlier do whatquot. -) Tomar mediana ou média direta dos dados que você terá resultados sem sentido. A filtragem mediana só funciona bem quando algumas amostras (em relação ao comprimento da janela) estão fora do alcance esperado. Como os dados que você possui são positivos e negativos, a mediana não é realmente apropriada para isso. Tomar a mediana do envelope deve funcionar melhor. Você pode até querer colocar um filtro passa-baixa simples no valor absoluto para obter um valor de envelope mais estável. Ndash Peter K. 9830 30 de novembro 15 às 14:05