Moviendo El Wolfram Medio

Idioma Wolfram Lenguaje revolucionario de programación basado en el conocimiento. Wolfram Cloud Central infraestructura para servicios de amplificación de productos de nube de Wolframs. Ciencia de Wolfram Tecnología que permite la ciencia del universo computacional. Computable Document Format Documentos interactivos basados ​​en la computación. Wolfram Engine Software que implementa el lenguaje de Wolfram. Sistema de Comprensión del Lenguaje Natural Wolfram Lenguaje natural ampliamente implementado basado en el conocimiento. Wolfram Data Framework Marco semántico para datos del mundo real. Wolfram Universal Deployment System Despliegue instantáneo a través de la nube, escritorio, móviles y mucho más. Wolfram Knowledgebase Curated conocimiento computable alimentando WolframAlpha. Resumen del Grupo Tablas de mensajesHistoria y antecedentes Quién primero vino con los promedios móviles Los analistas técnicos han estado utilizando medias móviles ahora durante varias décadas. Son tan omnipresentes en nuestro trabajo que la mayoría de nosotros no sabemos de dónde vinieron. Los estadísticos categorizan los promedios móviles como parte de una familia de herramientas para ldquoTime Series Analysisrdquo. Otros de esa familia son: ANOVA, Media Aritmética, Coeficiente de Correlación, Covarianza, Tabla de Diferencias, Ajuste de Mínimos Cuadrados, Máxima Verosimilitud, Media Móvil, Periodograma, Teoría de Predicción, Variable Aleatoria, Random Walk, Residual, Variance. Puedes leer más sobre cada una de estas y sus definiciones en Wolfram. El desarrollo del ldquomoving averagerdquo se remonta a 1901, aunque el nombre se le aplicó posteriormente. Del historiador de matemáticas Jeff Miller: MOVIENDO LA MEDIA. Esta técnica para suavizar los puntos de datos se utilizó durante décadas antes de que este, o cualquier término general, entró en uso. En 1909 GU Yule (Diario de la Sociedad Real de Estadística, 72, 721-730) describió los promedios quoinstantaneous media de RH Hooker calculado en 1901 como ldquomoving-promedios. Yule no adoptó el término en su libro de texto, pero entró en circulación a través de WI Kingrsquos Elementos del Método Estadístico (1912). LdquoMoving averagerdquo, que se refiere a un tipo de proceso estocástico, es una abreviatura de H. Woldrsquos ldquoprocess of moving averagerdquo (Estudio sobre el análisis de series temporales estacionarias (1938)). Wold describió cómo los casos especiales del proceso habían sido estudiados en la década de 1920 por Yule (en relación con las propiedades del método de correlación de diferencias variables) y Slutsky John Aldrich. De StatSoft Inc. viene esta descripción de Exponential Smoothing. Que es una de varias técnicas para ponderar datos pasados ​​de manera diferente: ldquo El suavizado exponencial se ha vuelto muy popular como un método de pronóstico para una amplia variedad de datos de series temporales. Históricamente, el método fue desarrollado independientemente por Robert Goodell Brown y Charles Holt. Brown trabajó para la Marina de los EE. UU. durante la Segunda Guerra Mundial, donde su misión era diseñar un sistema de seguimiento de la información de control de incendios para calcular la ubicación de los submarinos. Más tarde, aplicó esta técnica a la predicción de la demanda de piezas de repuesto (un problema de control de inventario). Describió esas ideas en su libro de 1959 sobre el control de inventario. La investigación de Holtrsquos fue patrocinada por la Oficina de Investigación Naval de forma independiente, desarrolló modelos de suavización exponencial para procesos constantes, procesos con tendencias lineales y para datos estacionales. El Holtrsquos paper, ldquoForecasting Seasonals and Trends by Exponentially Weighted Moving Averagesrdquo fue publicado en 1957 en O. N.R. Memorándum de investigación 52, Carnegie Institute of Technology. No existe en línea de forma gratuita, pero puede ser accesible por aquellos con acceso a recursos académicos de papel. Hasta donde sabemos, P. N. (Pete) Haurlan fue el primero en utilizar el suavizado exponencial para el seguimiento de los precios de las acciones. Haurlan era un científico de cohetes real que trabajó para JPL en los años 60 tempranos, y así él tenía acceso a una computadora. No los llamó promedios móviles exponenciales (EMAs), o los medios matemáticos de moda matemáticamente ponderados exponencialmente (EWMAs) rdquo. En su lugar, los llamó ldquoTrend Valuesrdquo, y se refirió a ellos por sus constantes de suavizado. Por lo tanto, lo que hoy en día se conoce comúnmente como EMA de 19 días, llamó a Trendrdquo ldquo10. Dado que su terminología era el original para tal uso en el seguimiento de precios de las acciones, por eso seguimos usando esa terminología en nuestro trabajo. Haurlan había empleado EMAs en el diseño de los sistemas de seguimiento de cohetes, que podría por ejemplo necesidad de interceptar un objeto en movimiento como un satélite, un planeta, etc Si el camino hacia el objetivo estaba apagado, entonces algún tipo de entrada tendría que ser aplicada Para el mecanismo de dirección, pero no querían exagerar o underdo esa entrada y se vuelven inestables o no se convierten. Por lo tanto, el tipo correcto de suavizado de datos de entrada fue útil. Haurlan llamó a esto Controldquo proporcional, lo que significa que el mecanismo de dirección no intentaría ajustar todo el error de seguimiento de una vez. Los EMAs eran más fáciles de codificar en circuitos analógicos tempranos que otros tipos de filtros porque sólo necesitan dos piezas de datos variables: el valor de entrada actual (por ejemplo, precio, posición, ángulo, etc.) y el valor EMA anterior. La constante de suavizado sería cableada en los circuitos, por lo que el ldquomemoryrdquo sólo tendría que hacer un seguimiento de esas dos variables. Un promedio móvil simple, por otro lado, requiere mantener un registro de todos los valores dentro del período de retroceso. Así que un 50-SMA significaría mantener un seguimiento de 50 puntos de datos, a continuación, el promedio de ellos. Se ata mucho más poder de procesamiento. Vea más acerca de EMAs versus Simple Moving Averages (SMA) en Exponential Versus Simple. Haurlan fundó el boletín Trade Levels en los años 60, dejando a JPL para ese trabajo más lucrativo. Su boletín fue patrocinador del programa de TV Charting The Market en KWHY-TV en Los Ángeles, el primer programa de televisión de TA, organizado por Gene Morgan. El trabajo de Haurlan y Morgan fue una gran parte de la inspiración detrás del desarrollo de Sherman y Marian McClellanrsquos del Oscilador McClellan y Summation Index, que implican el suavizado exponencial de los datos Advance-Decline. Puede leer un folleto de 1968 titulado Measuring Trend Values ​​publicado por Haurlan a partir de la página 8 del folleto del premio MTA. Que preparamos para los asistentes a la conferencia de la MTA de 2004 donde Sherman y Marian recibieron el premio MTArsquos Lifetime Achievement Award. Haurlan no muestra el origen de esta técnica matemática, pero señala que había estado en uso en la ingeniería aeroespacial durante muchos years.104210881077108410771085108510861077 1076108010891082108810771090108510861077 10871088107710861073108810721079108610741072108510801077 10601091108811001077 1092108010831100109010881072 10891082108610831100107911031097107710751086 10891088107710761085107710751086 1040108410871083108010901091107610851086-109510721089109010861090108510721103 10931072108810721082109010771088108010891090108010821072 1076107410911084107710881085108610751086 1092108010831100109010881072 10891082108610831100107911031097107710751086 10891088107710761085107710751086.