Diese Diskussionsseite dient dazu, Verbesserungen am Artikel „Gleitender Mittelwert“ zu besprechen. Persönliche Betrachtungen zum Thema gehören nicht hierher. Für allgemeine Wissensfragen gibt es die Auskunft.
Letzter Kommentar: vor 11 Jahren2 Kommentare2 Personen sind an der Diskussion beteiligt
Beispiele für die Verwendung des gewichteten gleitenden Mittelwertes und des exponentiell geglätteten Mittelwertes (wann ist die Verwendung angezeigt bzw. sinnvoll?) wären gut. -- Acky6915:25, 5. Okt. 2010 (CEST)Beantworten
Deine Bearbeitungen im o. g. Artikel sind durchweg in Ordnung. Ich bin jedoch dennoch nicht damit einverstanden. Im Grunde ist mir die systemtheoretische Beschreibung auch lieber, gleitende Mittelwerte werden aber auch noch von einer Vielzahl anderer Fachleute aus den Wirtschaftswissenschaften, Statistik, u. ä. verwendet. Und die verstehen wohl jetzt nur noch Bahnhof.
Da du dir offensichtlich einige Mühe gegeben hast, revertiere ich erstmal nicht, sondern bitte dich, deine Erörterungen so anzupassen, dass der Artikel seine allgemeinverständlichere Form wiedererhält.
Ja, ich kann das natürlich auch mit einer Filtermaske [1 1 1] gefaltete Sweepsignal einpflegen. Es ist nur leider nicht so eindrucksvoll, da es nur eine Auslöschungsstelle bei etwa zwei Drittel des Sweeps hat. Prinzipiell würde ich es daher höchstens als Ergänzung, aber nicht als Ersatz sehen. Was hältst du davon, Erzbischof?
Gut, die Frage ist also: An wen richtet sich der Artikel. Gleitende Mittelwerte kommen zugegebenermaßen nicht nur in der Filtertheorie (und den sich darauf stützenden signalverarbeitenden Disziplinen wie bspw. der Bildverarbeitung) vor, sondern auch in den genannten Bereichen, deren Auffassung des gleitenden Mittelwerts anders motiviert ist. Wie dem auch sei: Die Probleme des trivialen gleitenden Mittelwerts handeln sich alle ein, ob sie es nun wissen oder nicht.
Ich verschließe mich nicht einer Änderung der Einleitung. Nur: Was da vorher stand, war nicht so ganz korrekt. Ein paar Beispiele: gleitende Mittelwerte werden nicht nur verwendet, Zeitreihen zu analysieren (Stichwort Bildverarbeitung). Weiterhin kann der hot spot, also der Ort des Ergebnisses, nicht nur auf der rechten (wenn man ein Signal von links nach rechts durcharbeitet) Position platziert sein (Es stand da: Für jeden Zeitpunkt t wird für eine Menge vorangegangener Werte ein gewichteter Mittelwert berechnet.), sondern durchaus auch zentriert. Für Zeitreihen klingt das seltsam (für einen Zeitpunkt t werden die Datenwerte t_(k-1) bis t_(k+1) in die Berechnung des Mittelwerts einbezogen), da es Daten aus der Zukunft des Zeitpunkts t benötigt. Dann stand in dem ursprünglichen Text auch noch, dass über diese Werte ein gewichteter Mittelwert berechnet wird. Das stimmt ja so auch nur, wenn man den ungewichteten Mittelwert als Sonderfall des gewichteten Mittelwerts auffasst. Eine mathematisch sicher einleuchtende Erklärung, aber für den Normalo, der beispielsweise schon Schwierigkeiten damit hat, Bremsen als negative Beschleunigung zu verstehen, sicher eine Überforderung.
Normal@s mögen weder zweidimensionale Mittelwerte noch gewichtete Mittelwerte, noch verschobene oder zentrierte. Ich wuerde sagen, einfaches an den Anfang. Zum Bild: ok, auch wenn das Bild nicht so eindrucksvoll ist, waere es gut. Welche Filtermasken genau hast du bei deinen Bildern genommen? Am Besten auf den Bildbeschreibungen nachtragen! LG, --Erzbischof19:23, 29. Nov. 2012 (CET)Beantworten
Ok, prima, ich habe auch noch mal in die Sache reingeschaut. Die Response-Funktion fuer den zentrierten 3-MA ist
, die Phasenverschiebung ist
,
d.h. alle Frequenzen, die schneller schwingen als , wie zum Beispiel die Schwingung mit in deinen Bildern, sind um eine Zeiteinheit verschoben. Jetzt brauchen wir nur noch dein Frequenzsweepbild und suchen die Response-Funktion fuer die Binomial-Filter raus, und dann nimmt der Artikel schon Gestalt an. --Erzbischof20:17, 30. Nov. 2012 (CET)Beantworten
In der Beschreibung kann beispielsweise auf das Verhalten des gleitenden Mittelwerts im Bereich t = 7 bis 12 hingewiesen werden, wo das Filter eben nicht glättet (postulierte Tiefpasseigenschaft), sondern ein zwar gedämpftes, aber doch invertiertes Signal erzeugt (wo das Originalsignal hochgeht, geht's beim Mittelwert runter und umgekehrt). Bei einem echten Tiefpass wie dem Binomialfilter tritt das nicht auf; dort ist das Signal tatsächlich geglättet.
Schoen, sehr aufschlussreich, dazu passend habe weiter oben berechnet, für welche Frequenzen der gleitende Mittelwert 3 invertiert ist. Vielleicht könnte man gegen Ende die Zahlen 29 29 24 27 21 19 33 durch 25 20 15 25 20 16 19 ersetzen. --[Benutzer:Erzbischof|Erzbischof]] 20:20, 30. Nov. 2012 (CET)
Hier mein Part: Die Übertragungsfunktionen und für (zentrierten) MA und Binomialfilter der Ordnung 3. In rot der Frequenzbereich, wo der einfache MA ein verschobenes Signal erzeugt. --Erzbischof14:37, 1. Dez. 2012 (CET)Beantworten
Letzter Kommentar: vor 11 Jahren2 Kommentare2 Personen sind an der Diskussion beteiligt
Beim Durchlesen der Abschnitte fällt auf, dass immer der Zeitbezug gewählt wird. Ich hatte bereits die Einleitung so angepasst, dass Zeitreihen nur ein Anwendungsfall, aber nicht der ausschließliche Anwendungsfall sind.
Wer macht mit, die übrigen Abschnitte ebenfalls so umzuschreiben, dass zunächst die prinzipielle Berechnung bzw. eine Motivation oder die Grundidee des Verfahrens beschrieben wird und erst im Anschluss an die allgemeine Berechnungsvorschrift eine Lösung für den Anwendungsfall Zeitreihe vorgestellt wird? -- Gut informiert (Diskussion) 17:35, 3. Dez. 2012 (CET)Beantworten
Eine eindimensionale Datenreihe ist der einfachste Fall, es muss nicht unbedingt eine Zeitreihe sein, aber es ist einfacher von Zukunft und Vergangenheit als Werten mit hohem Index und Werten mit niedrigem Index zu sprechen. Ein mehrdimensionales Datenobjekt wie ein Bild ist dagegen meines Erachtens zu kompliziert für den Anfang. --Erzbischof18:22, 3. Dez. 2012 (CET)Beantworten
Letzter Kommentar: vor 1 Jahr2 Kommentare2 Personen sind an der Diskussion beteiligt
Also meine Oma würde das nicht verstehen. Wäre die Ergänzung eines konkreten Beispiels mit einer knappen Beispielrechnung (zumindest erste Zeile mit echten Zahlen möglich)??? --Crosby Newton (Diskussion) 17:57, 14. Dez. 2014 (CET)Beantworten
Die Beschreibung hier weicht stark von der in der en.wikipedia ab, wo mit zeitlich konstant abfallenden, damit der Zeit statt den Variablen angepassten, Werten gearbeitet wird. Nachtrag: Sehe gerade, dass dies hier dem Abschnitt "Linear gewichteter gleitender Durchschnitt" entspricht.HJHolm (Diskussion) 10:48, 18. Dez. 2022 (CET)Beantworten
Letzter Kommentar: vor 1 Jahr3 Kommentare3 Personen sind an der Diskussion beteiligt
"gleitender Durchschnitt" taucht in der Literatur deutlich häufiger auf als "gleitender Mittelwert" und wäre auch konsistent mit dem englischen Begriff "moving average", ich plädiere daher für eine Verschiebung auf "gleitender Durchschnitt".--Jonski (Diskussion) 17:44, 14. Mai 2019 (CEST)Beantworten
Noch was Sprachliches: "Das" Filter ist zwar laut Duden in der Technik verbreitet, aber beißt sich erheblich mit dem laut Duden allgemein üblichen "der" Filter, und scheint daher auf eine irgendwo mal aufgetauchte sprachliche Inkompetenz zurückzugehen. Da traut sich dann niemand, den Professor zu korrigieren.HJHolm (Diskussion) 11:04, 18. Dez. 2022 (CET)Beantworten
Letzter Kommentar: vor 11 Monaten1 Kommentar1 Person ist an der Diskussion beteiligt
Ich oute mich jetzt mal als Nicht-Mathematiker/-Physiker und stelle die (vermutlich dumm-kindische) Frage in den Raum: Warum glättet man Zahlenreihen? Was will man damit erreichen? Eine bessere Übersichtlichkeit? Weniger statistische Ausreißer? ...?