mean

Media de datos de timeseries

contraer todo en la página

Sintaxis

tsmean = mean(ts)
tsmean = mean(ts,Name,Value)

Descripción

tsmean = mean(ts) devuelve la media de las muestras de datos de un objeto timeseries.

ejemplo

tsmean = mean(ts,Name,Value) especifica opciones adicionales cuando calcula la media usando uno o más argumentos de par nombre-valor. Por ejemplo, tsmean = mean(ts,'Quality',-99,'MissingData','remove') define -99 como el código de calidad de muestras faltantes y elimina las muestras faltantes antes de calcular la media.

Ejemplos

contraer todo

Abrir script en vivo

Cree un objeto timeseries y calcule la media de las muestras de datos.

ts = timeseries((1:5)');
tsmean = mean(ts)
tsmean = 
3

Argumentos de entrada

contraer todo

timeseries de entrada, especificado como escalar.

Tipos de datos: timeseries

Argumentos de par nombre-valor

contraer todo

Especifique pares opcionales de argumentos como Name1=Value1,...,NameN=ValueN, donde Name es el nombre del argumento y Value es el valor correspondiente. Los argumentos nombre-valor deben aparecer después de otros argumentos, pero el orden de los pares no importa.

En las versiones anteriores a R2021a, utilice comas para separar cada nombre y valor, y encierre Name entre comillas.

Ejemplo: tsmean = mean(ts,'Quality',-99,'MissingData','remove')

Indicador de valores faltantes, especificado como escalar, vector o arreglo multidimensional de números enteros entre -128 y 127. Cada elemento es un código de calidad que debe tratarse como datos faltantes.

De forma predeterminada, los datos faltantes se eliminan antes del cálculo. Para interpolar los datos en lugar de eliminarlos, especifique el par nombre-valor 'MissingData','interpolation'.

Tipos de datos: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Método de datos faltantes, especificado como 'remove' para eliminar los valores faltantes o 'interpolate' para rellenar los valores faltantes interpolando los datos. Especifique el par nombre-valor 'Quality' para indicar qué muestras de datos se consideran faltantes.

Ponderaciones, especificadas como 'none' o 'time'.
Cuando especifica 'time', los valores de tiempo mayores corresponden a ponderaciones mayores.

Algoritmos

MATLAB® determina la ponderación:

  1. Adjuntando una ponderación a cada valor de tiempo, dependiendo del su orden, de la siguiente forma:

    • Primer punto de tiempo: la duración del primer intervalo de tiempo (t(2) - t(1)).

    • Punto de tiempo que no sea el primero ni el último: la duración desde el punto intermedio del intervalo de tiempo anterior hasta el punto intermedio del intervalo de tiempo posterior ((t(k + 1) - t(k))/2 + (t(k) - t(k - 1))/2).

    • Último punto de tiempo: la duración del último intervalo de tiempo (t(end) - t(end - 1)).

  2. Normalizando la ponderación para cada unidad de tiempo dividiendo cada ponderación por la media de todas las ponderaciones.

    Nota

    Si el objeto timeseries se ha muestreado de manera uniforme, la ponderación normalizada de cada unidad de tiempo es 1,0. Así, la ponderación de tiempo no tiene efecto.

  3. Multiplicando los datos de cada unidad de tiempo por su ponderación normalizada.

Historial de versiones

Introducido antes de R2006a

Consulte también

| | | |