Calcular La Media Móvil De Oracle Sql

Si ve este mensaje, su buscador ha deshabilitado o no soporta JavaScript. Para usar todas las características de este sistema de ayuda, tales como la búsqueda, el navegador debe tener JavaScript habilitado. Promedios móviles ponderados con promedios móviles simples, cada valor de datos en el quotwindowquot en el que se realiza el cálculo se le da una importancia o peso igual. A menudo es el caso, especialmente en el análisis de los datos de precios financiera, que más cronológicamente datos recientes deben llevar a un mayor peso. En estos casos, media móvil ponderada (o media móvil exponencial - ver el siguiente tema) funcionalidad se prefiere a menudo. Considere la misma tabla de valores de datos de ventas durante doce meses: Para calcular una media móvil ponderada: Calcular el número de intervalos de datos están participando en el Movimiento Cálculo del valor promedio (es decir, el tamaño de la quotwindowquot cálculo). Si se dice que la ventana de cálculo a ser n, entonces el valor de datos más reciente en la ventana se multiplica por n, el siguiente más reciente multiplicado por n-1, el valor antes de que multiplicado por n-2 y así sucesivamente para todos los valores en la ventana. Dividir la suma de todos los valores multiplicado por la suma de los pesos para dar la media móvil ponderada sobre esa ventana. Coloque el valor medio ponderado en movimiento en una nueva columna de acuerdo con el posicionamiento de las medias se arrastran descrito anteriormente. Para ilustrar estos pasos, considere si es necesario un 3 meses media móvil ponderada de las ventas en diciembre (utilizando la tabla de arriba de los valores de venta). El término quot3-monthquot implica que el quotwindowquot cálculo es 3, por lo que el móvil ponderado algoritmo de cálculo de promedios para este caso debería ser: O bien, si un 3 meses Weighted Moving Average fueron evaluados en todo el rango original de los datos, los resultados serían : 3 meses AverageHow móvil ponderado para calcular una media móvil de SQL sin una actualización del cursor: Si está trabajando con las nuevas versiones de SQL Server, puede utilizar al sistema de ventanas para lograr la misma cosa. He publicado el código actualizado al final del post. Para este video, todavía me gusta el proceso de pensamiento de anclaje a una fecha. Vídeo: 3 días de media móvil en SQL Una forma eficiente para calcular un promedio móvil en SQL utilizando algunos trucos para fijar los anclajes de la fecha. Hay debates sobre la mejor manera de hacer un SQL media móvil en SQL Server. Algunas personas piensan que hay momentos en que un cursor es más eficiente. Otros piensan que puede hacerlo todo de una manera basada en el conjunto sin el cursor. El otro día iba a calcular una media móvil y mi primer pensamiento fue utilizar un cursor. Hice una cierta investigación rápida y encontré esta pregunta foro: Media móvil en TSQL Hay un post que muestra una subconsulta con una fecha de anclaje para ayudar a encontrar compensar el 1 y 2 días. Aquí está la secuencia de comandos que puede utilizar para probar el SQL 3 días Moving resultado final media. Ésta es la consulta final. Ésta es la consulta que usaría con SQL Server 2012. Compartir esto: estoy trabajando con SQL Server 2008 R2, tratando de calcular una media móvil. Para cada registro, en mi opinión, me gustaría recoger los valores de los 250 registros anteriores, y luego calcular la media para esta selección. Mi punto de vista columnas son las siguientes: TransactionID es único. Para cada TransactionID. Me gustaría calcular el promedio de valor de la columna, más de 250 registros anteriores. Así que para TransactionID 300, recoger todos los valores de 250 filas anteriores (ver descendente está ordenada por TransactionID) y luego en la columna MovAvg escribir el resultado de la media de estos valores. Busco para recoger datos dentro de un rango de registros. preguntó 28 de Oct 14 a las 20: 5821 SQL para el análisis y presentación de informes El tratamiento de valores NULL como entrada a las funciones de funciones de la ventana de la ventana NULL semántica coincide con la semántica NULL para las funciones de agregado de SQL. Otros semántica se pueden obtener por las funciones definidas por el usuario, o mediante el uso de la DECODE o una expresión de caso dentro de la función de ventana. Funciones de ventanas con desplazamiento lógico Un desplazamiento lógico se puede especificar con constantes como el rango de 10 precedente. o una expresión que se evalúa como una constante, o por un intervalo de especificación como RANGO INTERVALO N día / mes / año anterior o una expresión que se evalúa como un intervalo. Con desplazamiento lógico, sólo puede haber una expresión en la lista ORDER BY expresión en la función, con el tipo compatible con numérico si el desplazamiento es numérico o FECHA si se especifica un intervalo. Ejemplo 21-7 Función de agregación acumulativa La siguiente es un ejemplo de amountsold acumulada por ID de cliente por trimestre en 1999: En este ejemplo, el SUM función analítica define, para cada fila, una ventana que comienza al principio de la partición (no acotadas ANTERIOR ) y los extremos, por defecto, en la fila actual. Anidado SUMA s son necesarios en este ejemplo, ya estamos realizando una suma sobre un valor que es en sí misma una suma. agregaciones anidados se utilizan muy a menudo en funciones de agregado analíticas. Ejemplo 21-8 en movimiento Función de agregación este ejemplo de un espectáculos basados ​​en el tiempo de las ventanas, para un cliente, la media móvil de las ventas para el mes en curso y los dos meses anteriores: Tenga en cuenta que las dos primeras filas para el móvil de tres meses en el cálculo de la media datos de salida se basan en un tamaño más pequeño que el intervalo especificado, porque el cálculo de la ventana no puede llegar más allá de los datos recuperados por la consulta. Es necesario tener en cuenta los diferentes tamaños de las ventanas que se encuentran en las fronteras de los conjuntos de resultados. En otras palabras, es posible que tenga que modificar la consulta para incluir exactamente lo que quiere. Centrado en función de agregado Cálculo de funciones de agregado de ventanas centradas alrededor de la fila actual es sencillo. En este ejemplo se calcula para todos los clientes de una media móvil centrada de las ventas durante una semana a finales de diciembre de 1999. Se encuentra un promedio del total de ventas para el día anterior a la fila actual y un día después de la fila actual incluyendo la fila actual también. Ejemplo 21-9 Centered Agregada La partida termina y las filas para cada los productos móviles centradas cálculo del promedio de los datos de salida se basan en sólo dos días, ya que el cálculo de la ventana no puede llegar más allá de los datos recuperados por la consulta. Los usuarios deben tener en cuenta los diferentes tamaños de las ventanas que se encuentran en las fronteras de los conjuntos de resultados: puede ser necesario ajustar la consulta. Funciones de agregado de ventanas en la presencia de duplicados El siguiente ejemplo ilustra cómo las funciones de agregado de ventana calculan valores cuando hay duplicados, es decir, cuando se devuelven varias filas de un solo valor de pedido. La consulta recupera la cantidad vendida a varios clientes durante un intervalo de tiempo especificado. (Aunque utilizamos una vista en línea para definir nuestro conjunto de datos de base, no tiene un significado especial y se puede ignorar.) La consulta define una ventana móvil que va desde la fecha de la fila actual de 10 días earlier. Note que la palabra clave GAMA se utiliza para definir la cláusula de ventanas de este ejemplo. Esto significa que la ventana potencialmente puede contener muchas filas para cada valor de la gama. En este caso, hay tres pares de filas con valores de fecha duplicados. Ejemplo Funciones de agregado 21-10 de ventanas con compensaciones lógico en la salida de este ejemplo, todas las fechas excepto el 6 y el 12 de mayo de regreso dos filas con fechas duplicadas. Examinar los números comentadas a la derecha de la salida para ver cómo se calculan los valores. Tenga en cuenta que cada grupo en paréntesis representa los valores devueltos por un solo día. Tenga en cuenta que este ejemplo sólo se aplica cuando se utiliza la palabra clave rango en lugar de la palabra clave filas. También es importante recordar que con la estufa. sólo se puede usar ORDER BY 1 expresión en la funciones analíticas cláusula ORDER BY. Con la palabra clave filas, puede utilizar para múltiples por las expresiones en las funciones analíticas cláusula ORDER BY. La variación de tamaño de la ventana para cada fila Hay situaciones en las que es útil para variar el tamaño de una ventana para cada fila, sobre la base de una condición especificada. Por ejemplo, es posible que desee hacer la ventana más grande para determinadas fechas y más pequeños para los demás. Suponga que desea calcular la media móvil de precio de las acciones durante los tres días hábiles. Si usted tiene un número igual de filas para cada día durante todos los días laborables y no hay días no laborables se almacenan, a continuación, se puede utilizar una función de ventana física. Sin embargo, si no se cumplen las condiciones señaladas, todavía se puede calcular una media móvil mediante el uso de una expresión en los parámetros de tamaño de ventana. Expresiones en una especificación de tamaño de la ventana se pueden hacer en varias fuentes diferentes. la expresión podría ser una referencia a una columna de una tabla, tal como una tabla de tiempo. También podría ser una función que devuelve el límite correspondiente a la ventana basado en valores de la fila actual. La siguiente declaración para una base de datos hipotético precio de las acciones se utiliza una función definida por el usuario en su cláusula RANGE para ajustar el tamaño de ventana: En esta declaración, ttimekey es un campo de fecha. Aquí, fn podría ser una función PL / SQL con la siguiente especificación: 4 si ttimekey es lunes, martes Si cualquiera de los días anteriores son días de fiesta, se ajusta el recuento adecuadamente. Tenga en cuenta que, cuando la ventana se especifica mediante un número en una función de ventana con ORDER BY en una columna de fecha, a continuación, se convierte en el sentido de que el número de días. También podría haber utilizado la función de conversión literal intervalo, como numtodsinterval (fn (ttimekey), DIA) en lugar de sólo fn (ttimekey) que significa la misma cosa. También puede escribir una función PL / SQL que devuelve un valor de tipo de datos de intervalo. De ventanas de funciones de conjunto con compensaciones físicas para ventanas expresadas en filas, las expresiones sobre pedidos deben ser únicos para producir resultados deterministas. Por ejemplo, la siguiente consulta no es determinista porque timeid no es único en este conjunto de resultados. Ejemplo Funciones de agregado 21-11 de ventanas con desplazamientos físicos Una manera de manejar este problema sería añadir la columna prodid al conjunto de resultados y el orden tanto en timeid y prodid. FirstValue y funciones LASTVALUE Las funciones firstValue y LASTVALUE le permiten seleccionar la primera y última filas de una ventana. Estas filas son especialmente valiosos porque se utilizan a menudo como las líneas de base en cálculos. Por ejemplo, con una partición que contiene todos los datos de ventas ordenados por día, usted puede preguntar cuánto fue cada uno los días de ventas en comparación con el día de ventas en primer lugar (firstValue) del periodo O puede que desee saber, por un conjunto de filas en orden creciente de ventas , ¿Cuál era el tamaño porcentaje de cada venta en la región en comparación con la venta más grande (LASTVALUE) en la región Si la opción IGNORE NULLS se utiliza con firstValue. se devolverá el primer valor no nulo en el conjunto, o NULL si todos los valores son NULL. Si IGNORE NULLS se utiliza con LASTVALUE. se devolverá el último valor no nulo en el conjunto, o NULL si todos los valores son NULL. La opción IGNORE NULLS es particularmente útil en poblar una tabla de inventario correctamente. Informes de funciones de conjunto Después de una consulta ha sido procesado, valores agregados como el número de filas resultantes o un valor medio en una columna se pueden calcular fácilmente dentro de una partición y puestos a disposición de otras funciones de información. Informes funciones de agregación devuelven el mismo valor agregado para todas las filas de una partición. Su comportamiento con respecto a los valores NULL es lo mismo que las funciones de agregado de SQL. La sintaxis es la siguiente: Además, se aplicarán las siguientes condiciones: Un asterisco () sólo está permitido en COUNT () DISTINCT sólo es compatible si corresponden las funciones de agregado que permiten valor de expression1 y expression2 valor puede ser cualquier expresión válida la participación de las referencias de columnas o agregados. La cláusula PARTITION BY define los grupos en los que se calculan las funciones de ventanas. Si la cláusula PARTITION BY está ausente, entonces la función se calcula sobre el conjunto de resultados de consulta. funciones de información puedan aparecer sólo en la cláusula SELECT o la cláusula ORDER BY. La principal ventaja de las funciones de información es su capacidad de hacer varias pasadas de datos en un solo bloque de consulta y acelerar el rendimiento de las consultas. Consultas como Contar el número de vendedores con ventas de más de 10 de las ventas de la ciudad no requieren uniones entre bloques de consulta separadas. Por ejemplo, considere la pregunta para cada categoría de producto, encontrar la región en la que tenía el máximo de ventas. La consulta SQL equivalente utilizando la función de informes de agregación MAX sería: la consulta interna con la función de agregado de informes MAX (SUMA (amountsold)) devuelve: Los resultados de la consulta son completos: Ejemplo 21-12 informes agregados Ejemplo de informes agregados combinados con consultas anidadas permitir que responda a consultas complejas de manera eficiente. Por ejemplo, ¿qué pasaría si quieres conocer los productos más vendidos en su producto más significativo Subcategorías La siguiente es una consulta que encuentra los 5 productos más vendidos de cada subcategoría de producto que aporta más de 20 de las ventas dentro de su categoría de producto: RATIOTOREPORT función la función RATIOTOREPORT calcula la relación de un valor a la suma de un conjunto de valores. Si la expresión de valor de la expresión se evalúa como NULL. RATIOTOREPORT también evalúa a NULL. pero se trata como cero para el cálculo de la suma de los valores para el denominador. Su sintaxis es la siguiente: En este, se aplica lo siguiente: expr puede ser cualquier expresión válida la participación de las referencias de columnas o agregados. La cláusula PARTITION BY define los grupos en los que la función RATIOTOREPORT se debe calcular. Si la cláusula PARTITION BY está ausente, entonces la función se calcula sobre el conjunto de resultados de consulta. Para calcular RATIOTOREPORT de las ventas para cada canal, es posible utilizar la siguiente sintaxis: Funciones GAL / LEAD el GAL y el plomo funciones son útiles para comparar valores cuando las posiciones relativas de las filas se pueden conocer de forma fiable. Trabajan especificando el número de filas que separan la fila de destino de la fila actual. Debido a que las funciones proporcionan acceso a más de una fila de una tabla al mismo tiempo sin un auto-unirse, pueden mejorar la velocidad de procesamiento. La función LAG proporciona acceso a una fila a la dada antes de la posición actual y la función LEAD proporciona acceso a una fila de desplazamiento a una determinada distancia después de la posición actual. LAG / LEAD Sintaxis Estas funciones tienen la siguiente sintaxis: offset es un parámetro opcional y por defecto a 1. predeterminado es un parámetro opcional y es el valor devuelto si desplazada queda fuera de los límites de la tabla o partición. Ver datos de densificación por la información que muestra cómo utilizar las funciones LAG / LEAD para hacer consultas de comparación de periodo a periodo de escasez de datos. PRIMEROS / Funciones pasado, el primero / funciones de agregado ÚLTIMOS le permiten clasificar un conjunto de datos y trabajar con sus hileras de alta clasificación o peor calificaron. Después de encontrar las filas superior o inferior clasificados, una función de agregado se aplica a cualquier columna deseada. Es decir, primero / último permite su clasificación en la columna A, pero devuelve el resultado de un agregado aplicado en las filas de primer rango o de última clasificados de la columna B. Esto es valioso porque evita la necesidad de una auto-unión o subconsulta, mejorando así el rendimiento. Estas funciones sintaxis comienza con una función agregada regular (Min. Max. SUM. AVG. COUNT. VARIACIÓN. STDDEV) que produce un solo valor devuelto por grupo. Para especificar la clasificación utilizada, las funciones de primer / último añadir una nueva cláusula de comenzar con la palabra guardar. Primero / último de sintaxis Estas funciones tienen la siguiente sintaxis: Tenga en cuenta que la cláusula ORDER BY puede tomar múltiples expresiones. PRIMERA / ÚLTIMA como agregados regulares Puede utilizar la primera / última familia de los agregados como funciones de agregado regulares. Ejemplo 21-15 / Apellido del Ejemplo 1 La siguiente consulta Permite comparar el precio mínimo y la lista de precios de nuestros productos. Para cada subcategoría de productos dentro de la categoría de ropa para hombre, devuelve lo siguiente: El precio de lista del producto con el precio mínimo más bajo precio mínimo precio de lista más bajo del producto con el precio más alto precio mínimo mínimo más alto primero / último como informes agregados También puede utilice la primera / última familia de los agregados como informar las funciones de agregado. Un ejemplo es el cálculo de lo que meses tuvieron el mayor y el menor incremento en el recuento de cabeza durante todo el año. La sintaxis de estas funciones es similar a la sintaxis de cualquier otro agregado de informes. Considere el ejemplo en el ejemplo 21-15 de primer / último. ¿Y si quisiéramos encontrar los precios de catálogo de productos individuales y compararlos con los precios de catálogo de los productos en su subcategoría que tenían los más altos y más bajos precios mínimos La siguiente consulta nos deja el hallazgo de que la información para la subcategoría de documentación mediante el uso de primer / último como agregados de informes. Ejemplo 21-16 / Apellido del Ejemplo 2 utilizando el primer y funciones pasada como la presentación de informes agregados hace que sea fácil incluir los resultados de los cálculos de dicho salario como un porcentaje del salario más alto. Funciones inversas Percentil Uso de la función CUMEDIST, se puede encontrar la distribución acumulativa (percentil) de un conjunto de valores. Sin embargo, la operación inversa (búsqueda de lo que calcula el valor de un determinado percentil) no es ni fácil de hacer, ni se calculen de manera eficiente. Para superar esta dificultad, se introdujeron las funciones PERCENTILECONT y PERCENTILEDISC. Estos pueden ser usados ​​tanto como funciones de presentación de informes ventana, así como funciones de agregado normales. Estas funciones necesitan una especificación de ordenación y un parámetro que tiene un valor percentil entre 0 y 1. La especificación tipo se maneja mediante el uso de una cláusula ORDER BY con una sola expresión. Cuando se utiliza como una función de agregado normal, se devuelve un valor único para cada conjunto ordenado. PERCENTILECONT. que es una función continua calculada por interpolación, y PERCENTILEDISC. que es una función de paso que asume valores discretos. Al igual que otros agregados, PERCENTILECONT y PERCENTILEDISC operan en un grupo de filas de una consulta agrupada, pero con las siguientes diferencias: Requieren un parámetro entre 0 y 1 (ambos inclusive). Un parámetro especificado fuera de este rango dará lugar a error. Este parámetro debe especificarse como una expresión que se evalúa como una constante. Requieren una especificación tipo. Esta especificación tipo es una cláusula ORDER BY con una sola expresión. Las múltiples expresiones no están permitidos. Normal agregada Sintaxis inverso Percentil Ejemplo Bases Usamos la siguiente consulta para devolver los 17 filas de datos utilizados en los ejemplos de esta sección: PERCENTILEDISC (x) se calcula mediante la exploración de los valores CUMEDIST en cada grupo hasta encontrar el primero mayor que o igual a x. donde x es el valor de percentil especificado. Para el ejemplo de consulta, donde PERCENTILEDISC (0,5), el resultado es de 5.000, como ilustra el siguiente: El resultado de PERCENTILECONT se calcula por interpolación lineal entre las filas después de ordenar ellos. Para calcular PERCENTILECONT (x). primero calculamos la RN número de fila (1x (n-1)), donde n es el número de filas en el grupo y x es el valor de percentil especificado. El resultado final de la función de agregado se calcula por interpolación lineal entre los valores de las filas en los números de fila CRN ceil (RN) y el piso de FRN (RN). El resultado final será: PERCENTILECONT (X) si (CRN FRN RN), entonces (valor de la expresión de la fila en RN) else (CRN - RN) (valor de la expresión para la fila en FRN) (RN - FRN) (valor de expresión de fila en CRN). Considere la consulta ejemplo anterior, donde se calcula PERCENTILECONT (0,5). Aquí n es 17. El número de fila RN (1 0,5 (n-1)) 9 para ambos grupos. Su puesta en la fórmula, (FRNCRN9), volvemos el valor de la fila 9 como el resultado. Otro ejemplo es, si se quiere calcular PERCENTILECONT (0,66). El número de fila computarizada RN (1 0,66 (n-1)) (1 0,6616) 11.67. PERCENTILECONT (0,66) (12-11.67) (valor de la fila 11) (11.67-11) (valor de la fila 12). Estos resultados son: funciones de agregado de percentiles inversas pueden aparecer en la cláusula HAVING de una consulta como otras funciones de agregación existentes. Como Informes Agregados También puede utilizar las funciones de agregado PERCENTILECONT. PERCENTILEDISC como informar las funciones de agregado. Cuando se utiliza como la presentación de informes funciones de agregado, la sintaxis es similar a los de otros agregados de informes. Esta consulta calcula la misma cosa (límite de crédito mediana para los clientes de este conjunto de resultados, pero los informes de los resultados para cada fila del conjunto de resultados, como se muestra en la siguiente salida: Restricciones inverso percentil para PERCENTILEDISC la expresión en la cláusula ORDER BY puede. ser de cualquier tipo de datos que puede ordenar (numérico, cadena, fecha, etc.). Sin embargo, la expresión en la cláusula ORDER BY debe ser un tipo numérico o de fecha y hora (incluyendo intervalos) debido a la interpolación lineal se utiliza para evaluar PERCENTILECONT. Si la expresión es de tipo DATE. el resultado interpolado se redondea a la unidad más pequeña para el tipo. para un tipo de fecha, el valor interpolado se redondeará al segundo más cercano, para este tipo de intervalo para el segundo más cercano (iNTERVALO dE DÍA dE sEGUNDO) o al mes (INTERVALO dE AÑO aL mES). al igual que otros agregados, las funciones de percentiles inversas ignorar los valores NULL en la evaluación del resultado. Por ejemplo, cuando se quiere encontrar el valor de la mediana de un conjunto, base de datos Oracle ignora los valores nulos y encuentra la mediana entre los valores que no son nulos. Puede utilizar la opción de último NULLS PRIMER / NULLS en la cláusula ORDER BY, pero serán ignorados porque se ignoran los valores NULL. Hipotéticos Rank y distribución de funciones Estas funciones proporcionan una funcionalidad útil para los análisis de hipótesis. A modo de ejemplo, ¿cuál sería el rango de una fila, si la fila se insertó hipotéticamente en un conjunto de otras filas Esta familia de agregados toma uno o más argumentos de una fila hipotética y un grupo ordenado de filas, devolviendo el RANK. DENSERANK. RANGO. PERCENTIL o CUMEDIST de la fila como si hipotéticamente se insertó en el grupo. Rango hipotética y Sintaxis Distribución Aquí, la expresión constante se refiere a una expresión que se evalúa como una constante, y puede haber más de un tipo de expresiones que se pasan como argumentos de la función. La cláusula ORDER BY puede contener uno o más expresiones que definen el orden de clasificación en la que se basa la clasificación. ASC. DESC. NULLS PRIMERO. NULLS últimas opciones estarán disponibles para cada expresión en el ORDER BY. Ejemplo 21-17 Rango hipotético y Distribución Ejemplo 1 Utilizando los datos de la lista de precios de los productos de la tabla se usa en esta sección, se puede calcular el RANK. RANGO. PERCENTIL y CUMEDIST para un suéter hipotética con un precio de 50 para la forma en que encaja dentro de cada una de las subcategorías suéter. La consulta y los resultados son los siguientes: A diferencia de los agregados percentil inversas, la cláusula ORDER BY en la especificación de clasificación para hipotéticas funciones de rango y de distribución puede tener múltiples expresiones. El número de argumentos y las expresiones en la cláusula ORDER BY deben ser los mismos y los argumentos deben ser expresiones constantes del mismo tipo o compatible con el orden correspondiente POR expresión. El siguiente es un ejemplo usando dos argumentos en varias funciones de clasificación hipotéticos. Ejemplo 21-18 Rango y distribución hipotética Ejemplo 2 Estas funciones pueden aparecer en la cláusula HAVING de una consulta al igual que otras funciones agregadas. Ellos no se pueden utilizar ya sea como informar las funciones de agregado o de ventanas funciones de agregado. Regresión lineal Funciones Las funciones de regresión apoyan la instalación de una línea de regresión de mínimos cuadrados ordinarios a un conjunto de pares de números. Puede utilizarlos como ambas funciones agregadas o funciones de ventanas o de información. Las funciones son las siguientes: Oracle se aplica la función al conjunto de (E2 E1.) Pares después de la eliminación de todos los pares para los que de E1 o E2 es nulo. e1 se interpreta como un valor de la variable dependiente (un valor de y), y e2 se interpreta como un valor de la variable independiente (un valor de x). Ambas expresiones deben ser números. Las funciones de regresión se calculan de forma simultánea durante una sola pasada a través de los datos. Con frecuencia se combinan con la COVARPOP. COVARSAMP. y funciones CORR. REGRCOUNT REGRCOUNT función devuelve el número de pares de números no nulos utilizados para acomodar la línea de regresión. Si se aplica a un conjunto vacío (o si no hay pares (E1, E2), donde ninguno de E1 o E2) es nulo, la función devuelve 0. REGRAVGY y REGRAVGX Funciones REGRAVGY y REGRAVGX calcular la media de la variable dependiente y la independiente variable de la línea de regresión, respectivamente. REGRAVGY calcula el promedio de su primer argumento (e1) después de la eliminación (E2) E1. Parejas donde uno de E1 o E2 es nula. Del mismo modo, REGRAVGX calcula el promedio de su segundo argumento (e2), después de la eliminación nula. Ambas funciones devuelven NULL si se aplica a un conjunto vacío. REGRSLOPE y REGRINTERCEPT Funciones La función REGRSLOPE calcula la pendiente de la recta de regresión ajustada a (e2 e1.) Pares no nulo. La función REGRINTERCEPT calcula el punto de intersección de la recta de regresión. REGRINTERCEPT devuelve NULL siempre promedios de pendiente o de la regresión son NULL. REGRR2 Función La función REGRR2 calcula el coeficiente de determinación (generalmente llamado R-cuadrado o la bondad de ajuste) para la línea de regresión. REGRR2 devuelve valores entre 0 y 1 cuando se define la línea de regresión (pendiente de la recta no es nulo), y devuelve NULL en otro caso. Cuanto más cerca esté el valor 1, mejor será la línea de regresión se ajusta a los datos. REGRSXX, REGRSYY, y REGRSXY Funciones REGRSXX. REGRSYY funciones y REGRSXY se utilizan en el cálculo de diversas estadísticas de diagnóstico para el análisis de regresión. Después de la eliminación de pares (E1 E2.) Cuando cualquiera de E1 o E2 es nulo, estas funciones hacen los siguientes cálculos: Ejemplos de regresión lineal Estadísticas Algunas estadísticas de diagnóstico habituales que acompañan análisis de regresión lineal se dan en la Tabla 21-2, las estadísticas de diagnóstico comunes y sus expresiones. Tenga en cuenta que esto libera nuevas funciones le permiten calcular todos estos. Tabla 21-2 comunes las estadísticas de diagnóstico y sus expresiones de ejemplo de cálculo de regresión lineal En este ejemplo, se calcula una recta de regresión de mínimos cuadrados ordinarios que expresa la cantidad vendida de un producto como una función lineal del precio de lista de productos. Los cálculos se agrupan por canal de venta. La pendiente valores. INTCPT. RSQR son la pendiente, intersección y coeficiente de determinación de la línea de regresión, respectivamente. El (entero) valor del contador es el número de productos en cada canal para los cuales están disponibles tanto los datos de precios y cantidades vendidas lista. Conjuntos de elementos frecuentes en lugar de contar con qué frecuencia se produce un evento determinado (por ejemplo, la frecuencia con la que alguien ha comprado la leche en el supermercado), los conjuntos de elementos frecuentes proporciona un mecanismo para el recuento de la frecuencia con múltiples eventos ocurren al mismo tiempo (por ejemplo, la frecuencia con la que alguien ha comprado tanto la leche y cereales, junto a la tienda de comestibles). La entrada a la operación de los conjuntos de elementos frecuentes-es un conjunto de datos que representa colecciones de objetos (conjuntos de elementos). Algunos ejemplos de conjuntos de elementos podrían ser todos los productos que un determinado cliente compró en un solo viaje a la tienda de comestibles (comúnmente llamado una canasta de mercado), las páginas web que un usuario accede en una sola sesión, o los servicios financieros que una determinado cliente utiliza. La noción de un conjunto de elementos frecuente es encontrar esos conjuntos de elementos que se producen con más frecuencia. Si se aplica el operador frecuente conjunto de elementos de las tiendas de alimentos de datos de punto de venta, es posible que, por ejemplo, descubrir que la leche y los plátanos son el par de elementos más comúnmente comprado. conjuntos de elementos frecuentes de este modo se han utilizado en entornos de inteligencia de negocio para muchos años, con la más común es para el análisis de la cesta de mercado en el sector del comercio minorista. conjuntos de elementos frecuentes están integradas con la base de datos, que opera en la parte superior de las tablas relacionales y se accede a través de SQL. Esta integración proporciona un par de ventajas clave: Las aplicaciones que antes dependían de operaciones conjunto de elementos frecuentes ahora beneficiarse de un rendimiento significativamente mejorado, así como la aplicación más simple. aplicaciones basadas en SQL que no utilizaban anteriormente los conjuntos de elementos frecuentes ahora se pueden ampliar para aprovechar esta funcionalidad. análisis de los conjuntos de elementos frecuentes se lleva a cabo con los paquetes DBMSFREQUENTITEMSETS PL / SQL. Ver paquetes PL / SQL y los tipos de referencia para más información. Otras funciones estadísticas Oracle introduce un conjunto de funciones estadísticas de SQL y un paquete de estadísticas, DBMSSTATFUNCS. En esta sección se enumeran algunas de las nuevas funciones junto con la sintaxis básica. Ver PL / SQL Paquetes Tipos de referencia para obtener información detallada sobre el paquete DBMSSTATFUNCS y base de datos Oracle SQL para conocer la sintaxis y la semántica. Estadística descriptiva se puede calcular la siguiente estadística descriptiva: La mediana de un modo conjunto de datos de un conjunto de datos se puede calcular las siguientes estadísticas paramétricas: Spearman Rho Coeficiente Kendalls tau-b Coeficiente Además de las funciones, esta versión tiene un nuevo PL / SQL paquete, DBMSSTATFUNCS. Contiene el descriptiva RESUMEN función estadística, junto con las funciones de apoyo a la distribución apropiado. La función de resumen resume una columna numérica de una mesa con una variedad de estadísticas descriptivas. Las funciones de ajuste de cinco de distribución normales de apoyo, uniforme, Weibull, Poisson y exponencial. Función WIDTHBUCKET Para una expresión dada, la función devuelve el número WIDTHBUCKET cubo que se le asigna el resultado de esta expresión después de que se evalúa. Puede generar histogramas equiwidth con esta función. histogramas Equiwidth conjuntos de datos se dividen en segmentos cuyo intervalo de tamaño (el más alto valor a valor más bajo) es igual. El número de registros en poder de cada cubo variará. Una función relacionada, NTILE. crea cubos equiheight. histogramas Equiwidth se pueden generar sólo para numérico, fecha o tipos de fecha y hora. Así que los tres primeros parámetros deberían ser todas las expresiones numéricas o todas las expresiones de fecha. No se permiten otros tipos de expresiones. Si el primer parámetro es NULL. el resultado es NULL. Si el segundo o el tercer parámetro es NULL. un mensaje de error se devuelve, como un valor NULL no puede denotar cualquier punto final (o cualquier punto) para un rango en una fecha o dimensión valor numérico. El último parámetro (número de cubos) debe ser una expresión numérica que se evalúa como un valor entero positivo 0, NULL. o un valor negativo dará como resultado un error. Cubos están numeradas de 0 a (n = 1). Cubo 0 mantiene la cuenta de valores menores que el mínimo. Cubo (n 1) mantiene el recuento de los valores superiores o iguales al valor máximo especificado. WIDTHBUCKET Sintaxis La WIDTHBUCKET lleva cuatro expresiones como parámetros. El primer parámetro es la expresión que el histograma equiwidth es para. Los parámetros de segunda y tercera son expresiones que denotan los puntos extremos de la gama aceptable para el primer parámetro. El cuarto parámetro indica el número de cubos. Tenga en cuenta los siguientes datos de los clientes de la tabla. que muestra los límites de crédito de 17 clientes. Esta información se recopila en la consulta que se muestra en el ejemplo 21-19. En los clientes de mesa. custcreditlimit la columna contiene valores de entre 1500 y 15000, y podemos asignar los valores de cuatro cubos equiwidth, numerados del 1 al 4, mediante el uso de WIDTHBUCKET (custcreditlimit, 0, 20000, 4). Lo ideal sería que cada cubo es un intervalo cerrado-abierto de la línea número real, por ejemplo, un cubo número 2 se asigna a las puntuaciones entre 5000,0000 y 9999,9999. a veces denotado 5000, 10000) para indicar que 5000 está incluido en el intervalo y se excluye 10.000. Para dar cabida a los valores fuera de la gama 0, 20000), los valores inferiores a 0 se asignan a un cubo de flujo inferior designada que se numera 0, y los valores mayores que o igual a 20.000 son asignados a un cubo desbordamiento designado que se numera 5 (cubos núm 1 en general). Ver Figura 21-3 para una ilustración gráfica de cómo se asignan los cubos. Puede especificar los límites en el orden inverso, por ejemplo, WIDTHBUCKET (custcreditlimit. 20000. 0. 4). Cuando los límites se invierten, los cubos serán intervalos abierto-cerrado. En este ejemplo, el cubo es el número 1 (15000,20000, cubo número 2 es (10000,15000, y el cubo número 4, es (0, 5000. El cubo desbordamiento será numerado 0 (20000. infinito), y el cubo desbordamiento será numerada 5 (- infinito 0 es un error si el parámetro de cubo cuenta es 0 o negativo el g consulta followin muestra los números de cubo de los límites de crédito en la tabla de clientes tanto para los casos en los que los límites se especifican en regular... o inverso. utilizamos un rango de 0 a 20.000. funciones de agregado definidas por el usuario de Oracle ofrece una facilidad para la creación de sus propias funciones, llamadas funciones de agregado definidas por el usuario. Estas funciones están escritos en lenguajes de programación como PL / SQL, Java, .. y C, y se puede utilizar como funciones o agregados en las vistas materializadas analíticas Ver Guía de desarrolladores de Oracle Data Cartridge para obtener más información sobre sintaxis y restricciones Las ventajas de estas funciones son: funciones de alta complejidad se pueden programar utilizando un lenguaje totalmente procesal. escalabilidad superior a otras técnicas cuando las funciones definidas por el usuario están programados para el procesamiento paralelo. tipos de datos de objetos pueden ser procesados. Como un simple ejemplo de una función de agregado definida por el usuario, tenga en cuenta la estadística de inclinación. Este cálculo medidas si un conjunto de datos tiene una distribución desequilibrada sobre su media. Se le dirá si una cola de la distribución es significativamente más grande que el otro. Si ha creado un agregado llamado udskew definida por el usuario y lo aplicó a los datos de límite de crédito en el ejemplo anterior, la instrucción SQL y los resultados podrían tener este aspecto: Antes de construir las funciones de agregado definidas por el usuario, se debe considerar si sus necesidades pueden ser satisfechas en SQL normal. Muchos cálculos complejos son posibles directamente en SQL, en particular mediante el uso de la expresión CASE. Estar con SQL normal permitirá el desarrollo más simple, y muchas operaciones de consulta ya están bien paralelizado-en SQL. Incluso el ejemplo anterior, la estadística de inclinación, se puede crear utilizando el estándar, aunque largo, SQL. CASO Expresiones Oracle soporta ahora simple y buscó las instrucciones CASE. instrucciones CASE son similares en propósito a la declaración DECODE, pero ofrecen más flexibilidad y potencia lógica. También son más fáciles de leer que las declaraciones DECODE tradicionales, y ofrecen un mejor rendimiento también. Se utilizan comúnmente cuando se rompe categorías en cubos como la edad (por ejemplo, 20-29, 30-39, y así sucesivamente). La sintaxis de instrucciones simples es la siguiente: La sintaxis de las sentencias buscado es: Se puede especificar sólo 255 argumentos y cada uno cuando. ENTONCES emparejar cuenta como dos argumentos. Para una solución a este límite, consulte Base de datos Oracle SQL. Suponga que desea encontrar el salario promedio de todos los empleados de la empresa. gato.