Flytte Gjennomsnittet Pl Sql

Jeg har lest diskusjonen du nevnte. Det er aktuelt for PostgreSQL siden det er tillatt å lage brukerdefinert aggregatfunksjon ved hjelp av SQL i PostgreSQL, men ikke tillatt i SQL Server. Bruk rekursiv CTE er en mulig måte i SQL Server, men jeg merker at CTE måten kan medføre mer tabellskanning enn vindusfunksjoner Så jeg lager dette innlegget for å spørre om det er mulig å beregne eksponentielt glidende gjennomsnitt ved hjelp av SQL Server 2012-vindufunksjonen, akkurat som å beregne enkel glidende gjennomsnitt xiagao1982 14 april klokken 2 53. Først beregner du EMA SMA x i stedet for EMA x For det andre er utjevningskonstanten faktisk beta-verdien i min formel, ikke alfa. Med disse to endringene ser SQLFiddle ut som dette. Det er imidlertid fortsatt en liten forskjell mellom det faktiske resultatet og det forventede resultatet Jeg ville gå tilbake og se om deres EMA-definisjon samsvarer med den jeg kjenner Sebastian Meine 7 mai 13 på 13 46. Jeg så bare på skjemaet i regnearket du vedlegget, og det er langt fra standarden EMA-definisjon Min formel beregner eksponentielt glidende gjennomsnitt for de siste ti radene Regnearket beregner først standard gjennomsnittet i løpet av de siste ti radene og deretter det ubegrensede eksponentielt vektede glidende gjennomsnittet over alle gjennomsnitt. Dette følger skjemaet her Sebastian Meine 7. mai kl 13 . Bruk et enkelt bevegelige gjennomsnitt for å utjevne data er en ganske populær teknikk, det er så ille, at det primære eksemplet i SQL Anywhere Help er langt fra enkelt. Hva gjør dette eksempelet så komplisert. I tillegg til problemstillingen, beregner det det bevegelige gjennomsnittet av alle produktsalg, etter måned, i år 2000. Her er det som gjør det komplekst. to referanser til AVG-funksjonen. a GRUPPE AV som alle i seg selv gjør omtrent alle SELECT-skraper. en skjult WINDOW clause. a WINDOW-klausul som ikke bruker WINDOW-søkeordet, slik at de uinitierte folkene som trenger eksempler mer enn noen andre, er det ikke åpenbart at en WINDOW er involvert i det hele tatt. Ikke bare noe WINDOW-klausul, husk deg, men en som inneholder hver enkelt komponent du kan kode i en WINDOW. a PARTITION BY. a RANGE-klausul ikke en enkel ROWS-klausul, men fullblåst RANGE-klausul, en som har et intimt forhold til ORDEREN BY Jeg vet hva en rad er, men hva redigeres er en RANGE. Men vent, det er mer. Valget av RANGE over ROWS i dette eksemplet er avgjørende for riktig bruk av spørringen for en mer fullstendig diskusjon av dette bestemte eksempelet, se eksempel 23 - Computing a Moving Average i Glenn Paulleys utmerkede OLAP-papir. La oss nå komme tilbake på sporet. En virkelig virkelig enkel flytende gjennomsnitt. Følgende eksempel viser 10 dagers verdier sammen med det bevegelige gjennomsnittet av dagens verdi og i går s WINDOW-klausulen på linjer 21 til 23 definerer et bevegelsesvindu som inneholder to rader i dag s rad CURRENT ROW og i går s rad 1 PRECEDING. the WINDOW ORDER BY-setningen bestemmer hva PRECEDING betyr forrige rad av and. the ROWS-klausulen bestemmer størrelsen på vinduet alltid to rader. Uttrykket AVG OVER twodays på linje 19 refererer til WINDOW-klausulen etter navn, og det forteller SQL Anywhere å beregne gjennomsnittet av de to verdiene som eksisterer i 2-rads glidende vindu, for hver rad i resultatsettet. Så for 2012 -02-02 gjennomsnittet 10 og 20 er 15 000000.for 2012-02-03 gjennomsnittet av 20 og 10 er 15 000000.for 2012-02-04 gjennomsnittet av 10 og 30 er 20 000000.for 2012-02 -10 gjennomsnittet på 10 og 60 er 35 000000.Oops, hva med den første row. The 2012-02-01-raden har ikke en PRØVENDE rad, så hva er gjennomsnittet over det bevegelige vinduet. Ifølge Glenn Paulleys s hvite papir i tilfelle et bevegelig vindu antas det at rader med null-verdier eksisterer før første rad, og etter siste rad i inpu t. Det betyr at når vinduet som beveger seg 2012-02-01 som CURRENT ROW, inneholder 1 PRECEDING-raden NULL-verdier, og når SQL Anywhere beregner en AVG som inneholder en NULL-verdi, teller det ikke at NULL i det hele tatt ikke er i teller eller i nevneren når du beregner gjennomsnittet Her er bevis Det er derfor twodayaverage 10 000000 for første rad 2012-02-01. Skrevet av Breck Carter klokken 3 47 PM. Det var et fint spørsmål om OTN i dag om det er en standard Oracle-funksjon for å beregne eksponentielt glidende gjennomsnitt Svaret er at det ikke finnes en slik funksjon, men med modellklausulen kan du beregne det veldig enkelt Og det er et godt eksempel på hva jeg mener med variabelt antall beregninger basert på beregnede verdier, skrevet i min tredje del av modellen klausulen tutorial. Before i dag, visste jeg ikke engang et eksponentielt glidende gjennomsnitt var akkurat Du kan lese mer om det her på Wikipedia eller her med et fint eksempel Fra den første linken. Et eksponentielt glidende gjennomsnitt EMA, a vektfaktorer som faller eksponentielt Vektingen for hvert eldre datapunkt faller eksponentielt, noe som gir mye større betydning for de siste observasjonene, mens det fortsatt ikke fjernes eldre observasjoner helt. Fra den andre lenken. Formelen for beregning av en eksponentiell flytende gjennomsnittlig EMA er. X Nåværende EMA dvs. EMA skal beregnes. C Gjeldende opprinnelige dataverdi. K Glatting Constant. P Tidligere EMA. Den første EMA i området som skal beregnes, er vilkårlig og kan være den tilsvarende opprinnelige dataværdi eller ofte en enkel flytende gjennomsnittsverdi. K utjevning konstant 2 1 n. Og denne formelen følges av et eksempel som jeg utvidet litt, ved hjelp av denne tabellen. Oppføringene fra produktet En samsvar med eksemplet i lenken Jeg lagde tallene fra produktet B Her er spørsmålet om modellklausul som implementerer formelen Merk hvordan formelen direkte oversetter til den eneste regelen av modellklausulen The utjevning konstant K er satt til 5, basert på et vindu av verdier n som tilsvarer 3.Challenge prøve dette uten modellklausulen og se om du kan komme opp med noe mer omfattende.11 2 funksjoner i bruk. med det som velg en produktdato 2009-01-01 måned, 10 beløp fra dobbelt union alle velg A, dato 2009-02-01, 15 fra dobbelt union alle velg A, dato 2009-03-01, 17 fra dual union alle velg A, dato 2009-04 -01, 20 fra dual union alle velg A, dato 2009-05-01, 22 fra dual union all select A, dato 2009-06-01, 20 fra dual union alle velg A, dato 2009-07-01, 25 fra dual union alle velg A, dato 2009-08-01, 27 fra dual union alle velg A, dato 2009- 09-01, 30 fra dual union alle velg A, dato 2009-10-01, 35 fra dual union alle velg A, dato 2009-11-01, 37 fra dual union alle velg A, dato 2009-12-01, 40 fra toforeningen alle velger B, dato 2009-01-01, 0 fra tounion alle velger B, dato 2009-02-01, 50 fra dobbeltforening alle velg B, dato 2009-03-01, 10 fra dual union all select B, dato 2009-04-01, 40 fra dual union alle velg B, dato 2009-05-01, 15 fra dual union alle velg B, dato 2009-06-01, 35 fra dual union alle velg B, dato 2009- 07-01, 30 fra dual union alle velger B, dato 2009-08-01, 30 fra dual union alle velg B, dato 2009-09-01, 20 fra dual union alle velg B, dato 2009-10-01, 20 fra dual union alle velger B, dato 2009-11-01, 20 fra dual union alle velger B, dato 2009-12-01, 20 fra dual, rns som velg dat rownumber over partisjon etter produkt rekkefølge etter måned rn - 2 1 telle over partisjon etter produkt k 0 5 k fra dat, res produkt, måned, mengde, rn, x som velg x fra rns r hvor rn 1 union alle velger - es x es xx fra rns ns, res er der 1 og velg produkt, måned, beløp, rn, runde x, 3 EMA fra res rekkefølge etter produkt, month. after beregne lukkede skjema Jeg kom opp med følgende kode som at hvis det er mer som en forvirring enn noe omfattende Ideen er å lage løpende multipler ved hjelp av en strengkonsentasjon og xml-eval-funksjonaliteten. De lukkede formene av de spesielle tilfellene trenger bare løpende summer. Det er generelt og to spesielle tilfeller som er mye enklere. Med t1 som valgt produkt, måned, beløp, mengde ci, rownumber over partisjon etter produkt rekkefølge etter måned rn, --2 1 rownumber over partisjon etter produkt rekkefølge etter måned ki 0 5 ki fra salg, t2 som velg produkt, måned, beløp, tilfelle når rn 1 deretter 1 annet ki ende ci ai, tilfelle når rn 1 deretter 1 annet 1 - ki ende bi fra t1, t3 som SELECT produ ct, Måned, beløp, ai, xmlquery SKIFT Wmconcat bi over DELISJON AV produkt BESTILL PER MÅNED ROR MELLOM ubundet foregående OG HØYRE RÅD,, RETURNING mi FRA t2, t4 som velg produkt, måned, beløp, mi, ai mi xi fra t3 VELG produkt, MÅNED, mengde, runde mi SUM xi over DELISJON AV produkt ORDER PER MÅNEDRER MELLOM ubundet foregående OG HØYRE RÅD, 3 eMA FRA t4.Spesielt tilfelle K 0 5.Velg t1 som velg produkt, måned, beløp, rownummer over partisjon etter produkt rekkefølge etter måned rn, mengde strøm 2, nvl nullif rownumber over partisjon etter produkt rekkefølge etter måned - 1, 0, 1 ci fra salg velg produkt, måned, beløp, runde sum ci over partisjon etter produkt rekkefølge etter måned rader mellom ubundet forrige og nåværende radmakt 2, rn, 3 ema fra t1. Spesielt tilfelle K 2 1 i. med t1 som velg produkt, måned, beløp, rownumber over partisjon etter produkt rekkefølge etter måned rn, beløp rownummer over partisjon etter produkt rekkefølge etter måned ci fra salg velg produkt, måned, beløp, runde sum ci over partit ion etter produkt rekkefølge etter måned rader mellom ubundet foregående og nåværende rad 2 rn rn 1, 3 ema fra t1.Jeg legger inn beviset på lukket form hvis noen er interessert i den. Dette er et godt eksempel på moro med SQL. A. kombinasjon av XMLQuery, den uokumenterte wmconcat og analytiske funksjoner med windowing-klausulen Jeg liker det Selv om det ikke er så omfattende som modellklausulvarianten og Rafu s rekursiv med en, som du sa selv. Og jeg vil gjerne se beviset på den lukkede formen. Jeg taklet et annet spørsmål om hvordan man optimaliserer utjevningskonstanten. SELECT k - utjevning konstant mse - gjennomsnittlig kvadratfeil FRA VELG FRA SALG MODELL DIMENSJON ETTER PRODUKT ROWNUMBER OVER DELISJON AV PRODUKT ORDER AV MÅNED ASC RN MÅL mengder - salgsmengde måned - måned 0 AS C 0 AS P 0 AS X 0 AS SE - kvadratfeil - - arbeidsrad og attributter - en arbeidsrad er produkt X, rn 1 - b arbeidsattributter er som følger 0 AS SSE - sum SE for alle produkter måneder 0 AS MSE - betyr SSE for alle pr oducts måneder 0 AS k - for alle produkter måneder 0 AS PreMSE - tidligere MS MSE for alle produkter måneder 0 AS diff - mellom nåværende MSE og tidligere 0 1 AS delta - innledende inkrement 0 AS prioritet - startpunkt - - REGLER ITERATE 99 TIL MIS DIFFORT A, 1 0 00010 C noen, RN-beløp cv, cv KA, 1 prioriterte A, 1 delta A, 1 X noen, rn BESTILL BY produkt, ASC COALESCE KA, 1 C cv, cv 1 - KA, 1 X cv, cv -1, C cv, cv P produkt, rn X cv, cv -1 SE produkt, RN POWER C cv, cv - X cv, cv -1, 2 SSE A, 1 SUM SE noen , noen MSE A, 1 SUM SE, noen 24 diff A, 1 CASE iterasjonsnummer når 0 da NULL ELSE preMSE A, 1 - MSE A, 1 END preMSE A, 1 MSE A, 1 delta A, 1 CASE WHEN diff A, 1 0 THEN - abs delta A, 1 2 ELSE abs delta A, 1 END prioriterte A, 1 KA, 1 hvor produkt A og rn 1 K MSE ---------- -------- - 599999237 174 016094.