Main Content

movvar

설명

예제

M = movvar(A,k)는 국소 k분산값으로 구성된 배열을 반환합니다. 여기서 각 분산은 A의 인접 요소들이 포함된 길이 k의 슬라이딩 윈도우에서 계산됩니다. k가 홀수면 윈도우의 중심은 현재 위치의 요소가 됩니다. k가 짝수면 윈도우의 중심은 현재 요소 및 이전 요소가 됩니다. 윈도우를 다 채우기에 요소가 부족할 때는 윈도우 크기가 끝점에서 자동으로 잘립니다. 윈도우가 잘렸을 때는 윈도우를 채우는 요소들에 대해서만 분산을 구합니다. MA와 크기가 같습니다.

  • A가 벡터인 경우 movvar은 벡터 A의 길이를 따라 연산을 수행합니다.

  • A가 다차원 배열인 경우 movvar은 크기가 1이 아닌 A의 첫 번째 차원을 따라 연산을 수행합니다.

예제

M = movvar(A,[kb kf])는 현재 위치에 있는 요소와 그 위치 뒤로 kb개 요소, 그 위치 앞으로 kf개 요소를 포함하는 길이 kb+kf+1의 윈도우에서 분산을 계산합니다.

예제

M = movvar(___,w)는 위에 열거된 구문 중 하나에 대해 정규화 인자를 지정합니다. w = 0(디폴트 값)인 경우, M은 윈도우 길이 k에 대해 k-1로 정규화됩니다. w = 1인 경우 Mk로 정규화됩니다.

예제

M = movvar(___,w,dim)은 위에 열거된 모든 구문에서 연산을 수행할 A의 차원을 지정합니다. dim을 지정할 때는 항상 위에 열거된 구문에 나와 있는 가중치 w를 지정하십시오. 예를 들어, A가 행렬인 경우, movvar(A,k,0,2)A의 열을 따라 연산을 수행하며 각 행에 대한 k-요소 슬라이딩 분산을 계산합니다. 정규화 인자는 디폴트 값인 k-1입니다.

예제

M = movvar(___,nanflag)는 위에 열거된 구문의 계산에 NaN 값을 포함시킬지 또는 생략할지 여부를 지정합니다. movvar(A,k,'includenan')은 계산에 모든 NaN 값을 포함시키는 반면, movvar(A,k,'omitnan')은 NaN 값을 무시하고 더 적은 수의 점을 대상으로 분산을 계산합니다.

예제

M = movvar(___,Name,Value)는 하나 이상의 이름-값 쌍의 인수를 사용하여 분산에 대한 추가 파라미터를 지정합니다. 예를 들어, x가 시간 값의 벡터인 경우 movvar(A,k,'SamplePoints',x)x에 있는 시간을 기준으로 이동 분산을 계산합니다.

예제

모두 축소

행 벡터의 3점 중심 이동 분산을 계산합니다. 끝점에 있는 윈도우의 요소가 3개 미만일 때는 남은 요소들의 분산을 구합니다.

A = [4 8 6 -1 -2 -3 -1 3 4 5];
M = movvar(A,3)
M = 1×10

    8.0000    4.0000   22.3333   19.0000    1.0000    1.0000    9.3333    7.0000    1.0000    0.5000

행 벡터의 3점 후행 분산을 계산합니다. 끝점에 있는 윈도우의 요소가 3개 미만일 때는 남은 요소들의 분산을 구합니다.

A = [4 8 6 -1 -2 -3 -1 3 4 5];
M = movvar(A,[2 0])
M = 1×10

         0    8.0000    4.0000   22.3333   19.0000    1.0000    1.0000    9.3333    7.0000    1.0000

행 벡터의 3점 중심 이동 분산을 계산하고 각 분산을 윈도우에 있는 요소 수로 정규화합니다.

A = [4 8 6 -1 -2 -3 -1 3 4 5];
M = movvar(A,3,1)
M = 1×10

    4.0000    2.6667   14.8889   12.6667    0.6667    0.6667    6.2222    4.6667    0.6667    0.2500

행렬의 각 행에 대한 3점 중심 이동 분산을 계산합니다. 윈도우가 첫 번째 행에서 시작하고, 행 끝까지 수평으로 슬라이딩한 후, 두 번째 행으로 이동합니다. 차원 인수는 2이고, 이것은 A의 열 방향으로 윈도우를 슬라이딩합니다. 차원을 지정할 때는 항상 정규화 인자를 지정하십시오.

A = [4 8 6; -1 -2 -3; -1 3 4];
M = movvar(A,3,0,2)
M = 3×3

    8.0000    4.0000    2.0000
    0.5000    1.0000    0.5000
    8.0000    7.0000    0.5000

NaN 요소 2개를 포함하는 행 벡터의 3점 중심 이동 분산을 계산합니다.

A = [4 8 NaN -1 -2 -3 NaN 3 4 5];
M = movvar(A,3)
M = 1×10

    8.0000       NaN       NaN       NaN    1.0000       NaN       NaN       NaN    1.0000    0.5000

분산을 다시 계산하되, NaN 값을 생략합니다. movvarNaN 요소를 무시할 경우 윈도우 내에 남아 있는 요소들의 분산을 구하게 됩니다.

M = movvar(A,3,'omitnan')
M = 1×10

    8.0000    8.0000   40.5000    0.5000    1.0000    0.5000   18.0000    0.5000    1.0000    0.5000

시간 벡터 t에 따라 A에 있는 데이터의 3시간 중심 이동 분산을 계산합니다.

A = [4 8 6 -1 -2 -3];
k = hours(3);
t = datetime(2016,1,1,0,0,0) + hours(0:5)
t = 1x6 datetime
Columns 1 through 3

   01-Jan-2016 00:00:00   01-Jan-2016 01:00:00   01-Jan-2016 02:00:00

Columns 4 through 6

   01-Jan-2016 03:00:00   01-Jan-2016 04:00:00   01-Jan-2016 05:00:00

M = movvar(A,k,'SamplePoints',t)
M = 1×6

    8.0000    4.0000   22.3333   19.0000    1.0000    0.5000

행 벡터의 3점 중심 이동 분산을 계산하되, 3개 미만의 점을 사용하는 모든 계산을 출력값에서 무시합니다. 즉, 요소를 3개 가진 완전한 윈도우에서 계산된 분산만 반환하고, 끝점에서의 계산은 무시합니다.

A = [4 8 6 -1 -2 -3 -1 3 4 5];
M = movvar(A,3,'Endpoints','discard')
M = 1×8

    4.0000   22.3333   19.0000    1.0000    1.0000    9.3333    7.0000    1.0000

입력 인수

모두 축소

입력 배열로, 벡터, 행렬, 다차원 배열 중 하나로 지정됩니다.

데이터형: single | double | logical

윈도우 길이로, 숫자형 또는 duration형 스칼라로 지정됩니다. k가 양의 정수 스칼라일 때 중심 위치에서의 분산은 현재 위치의 요소와 주위의 요소를 포함합니다.

예를 들어, movvar(A,3)은 국소 3점 분산으로 구성된 배열을 계산합니다.

movvar(A,3) computation. The elements in the sample window are 1, 3, and 5, so the resulting local variance is 4.

방향 윈도우 길이로, 2개 요소를 포함하는 숫자형 또는 duration형 행 벡터로 지정됩니다. kbkf가 양의 정수 스칼라일 때 계산은 kb+kf+1개 요소에 대해 이루어집니다. 계산은 현재 위치의 요소, 현재 위치 앞의 kb개 요소, 그리고 현재 위치 뒤의 kf개 요소를 포함합니다.

예를 들어, movvar(A,[2 1])은 국소 4점 분산으로 구성된 배열을 계산합니다.

movvar(A,[2 1]) computation. The elements in the sample window are 4, 1, 3, and 5, so the resulting local variance is 2.92.

가중치로, 다음 값 중 하나로 지정됩니다.

  • 0k-1로 정규화합니다. 여기서 k는 윈도우 길이입니다. k=1이면 가중치는 k가 됩니다.

  • 1k로 정규화합니다.

데이터형: single | double

연산을 수행할 차원으로, 양의 정수 스칼라로 지정됩니다. 차원을 지정하지 않을 경우 디폴트 값은 크기가 1보다 큰 첫 번째 배열 차원이 됩니다.

차원 dimmovvar이 계산되는 차원 즉, 지정한 윈도우가 슬라이딩하는 방향을 나타냅니다.

m×n 입력 행렬 A가 있다고 가정합니다.

  • movvar(A,k,0,1)A의 각 열에 대해 k-요소 슬라이딩 분산을 계산하고 m×n 행렬을 반환합니다.

    movvar(A,k,0,1) column-wise operation

  • movvar(A,k,0,2)A의 각 행에 대해 k-요소 슬라이딩 분산을 계산하고 m×n 행렬을 반환합니다.

    movvar(A,k,0,2) row-wise operation

NaN 조건으로, 다음 값 중 하나로 지정됩니다.

  • 'includenan' — 분산을 계산할 때 입력값의 NaN 값을 포함시키며 출력값은 NaN입니다.

  • 'omitnan' — 입력값의 모든 NaN 값을 무시합니다. 윈도우가 NaN 값만 포함하는 경우, movvarNaN을 반환합니다.

이름-값 인수

선택적 인수 쌍을 Name1=Value1,...,NameN=ValueN으로 지정합니다. 여기서 Name은 인수 이름이고 Value는 대응값입니다. 이름-값 인수는 다른 인수 뒤에 와야 하지만, 인수 쌍의 순서는 상관없습니다.

R2021a 이전 릴리스에서는 쉼표를 사용하여 각 이름과 값을 구분하고 Name을 따옴표로 묶으십시오.

예: M = movvar(A,k,'Endpoints','fill')

선행 윈도우와 후행 윈도우 처리 방법으로, 다음 옵션 중 하나로 지정됩니다.

'Endpoints'설명
'shrink'입력값의 끝점 근처의 윈도우 크기를 실제로 존재하는 요소만 포함하도록 축소합니다.
'discard'윈도우가 실제로 존재하는 요소들과 완전히 겹치지 않을 때는 어떤 분산도 출력하지 않습니다.
'fill'존재하지 않는 요소를 NaN으로 대체합니다.
숫자형 스칼라 또는 논리형 스칼라존재하지 않는 요소를 지정한 숫자형 또는 논리형 값으로 대체합니다.

데이터형: double | single | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical | char | string

분산을 계산할 샘플 점으로, 벡터로 지정됩니다. 샘플 점은 A에 있는 데이터의 위치를 나타냅니다. 샘플 점은 균일하게 샘플링할 필요가 없습니다. 기본적으로, 샘플 점 벡터는 [1 2 3 ... ]입니다.

이동 윈도우는 샘플 점을 기준으로 하여 정의되며, 이 샘플 점은 정렬되고 고유한 요소를 가져야 합니다. 예를 들어, t가 입력 데이터에 해당하는 시간 벡터인 경우 movvar(rand(1,10),3,'SamplePoints',t)에는 t(i)-1.5 ~ t(i)+1.5 범위의 시간 구간을 나타내는 윈도우가 있습니다.

샘플 점 벡터의 데이터형이 datetime형 또는 duration형인 경우 이동 윈도우 길이는 duration형이어야 합니다.

샘플 점의 간격이 균일하지 않을 때 'Endpoints' 이름-값 쌍을 지정하면 Endpoints의 값은 'shrink'입니다.

데이터형: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | datetime | duration

세부 정보

모두 축소

분산

N개의 스칼라 관측값으로 구성된 유한 길이 벡터 A의 경우 분산은 다음과 같이 정의됩니다.

V=1N1i=1N|Aiμ|2

여기서 μ는 A의 평균값입니다.

μ=1Ni=1NAi.

일부 분산 정의는 N-1 대신 N이라는 정규화 인자를 사용합니다. w1로 설정하여 인자 N을 지정할 수 있습니다. 두 경우 모두, 평균값은 일반 정규화 인자 N을 가진다고 간주됩니다.

확장 기능

C/C++ 코드 생성
MATLAB® Coder™를 사용하여 C 코드나 C++ 코드를 생성할 수 있습니다.

버전 내역

R2016a에 개발됨

참고 항목

| | | |