ง่าย เฉลี่ยเคลื่อนที่ ซอร์สโค้ด

MetaTrader 4 - ผู้เชี่ยวชาญด้านการเคลื่อนที่โดยเฉลี่ย - ผู้เชี่ยวชาญด้าน MetaTrader 4 ผู้เชี่ยวชาญด้านการย้ายค่าเฉลี่ยสำหรับการสร้างสัญญาณการค้าใช้ค่าเฉลี่ยเคลื่อนที่หนึ่งค่า การเปิดและปิดตำแหน่งจะดำเนินการเมื่อค่าเฉลี่ยเคลื่อนที่ตรงกับราคาที่แถบที่เพิ่งมีการสร้าง (ดัชนีแท่งเท่ากับ 1) ขนาดจำนวนมากจะได้รับการปรับให้เหมาะสมตามอัลกอริทึมพิเศษ ที่ปรึกษาผู้เชี่ยวชาญวิเคราะห์ความสอดคล้องกันของค่าเฉลี่ยเคลื่อนที่และแผนภูมิราคาในตลาด การตรวจสอบทำได้โดยใช้ฟังก์ชัน CheckForOpen () ถ้าค่าเฉลี่ยเคลื่อนที่ตรงแถบไปในทางที่อดีตสูงกว่าราคาเปิด แต่ต่ำกว่าราคาปิดจะมีการเปิดสถานะซื้อ หากค่าเฉลี่ยเคลื่อนที่ตรงแถบในลักษณะที่อดีตต่ำกว่าราคาเปิด แต่สูงกว่าราคาปิดจะมีการเปิดสถานะขาย การจัดการด้านการเงินที่ใช้ในผู้เชี่ยวชาญทำได้ง่ายมาก แต่มีประสิทธิภาพ: การควบคุมปริมาณตำแหน่งแต่ละตำแหน่งขึ้นอยู่กับผลการดำเนินการก่อนหน้านี้ อัลกอริธึมนี้ถูกใช้โดยฟังก์ชัน LotsOptimized () ขนาดล็อตพื้นฐานจะคำนวณตามความเสี่ยงที่อนุญาตสูงสุด: พารามิเตอร์ MaximumRisk จะแสดงเปอร์เซ็นต์ความเสี่ยงขั้นพื้นฐานสำหรับแต่ละธุรกรรม มักมีค่าระหว่าง 0.01 (1) ถึง 1 (100) ตัวอย่างเช่นถ้า Free Margin (AccountFreeMargin) เท่ากับ 20,500 และกฎการจัดการเงินทุนกำหนดให้ใช้ความเสี่ยงของ 2 จำนวนล็อตพื้นฐานจะทำให้ 20500 0.02 1000 0.41 การควบคุมความถูกต้องของขนาดของล็อตเป็นสิ่งสำคัญมากและทำให้ผลลัพธ์เป็นไปตามปกติโดยมีค่าที่ยอมรับได้ โดยปกติจะอนุญาตให้เศษส่วนที่มีขั้นตอนที่ 0.1 ขึ้นไป ธุรกรรมที่มีปริมาณ 0.41 จะไม่ถูกดำเนินการ NormalizeDouble () ใช้ฟังก์ชันความถูกต้องไม่เกิน 1 ตัวหลังจากจุด ซึ่งส่งผลให้จำนวนพื้นฐานของ 0.4 การคำนวณล็อตล็อตพื้นฐานบนพื้นฐานของอัตรากำไรฟรีช่วยให้สามารถเพิ่มปริมาณการดำเนินงานได้ขึ้นอยู่กับความสำเร็จในการซื้อขายเช่นการค้ากับ reinvesting นี่คือกลไกพื้นฐานที่มีการจัดการเงินทุนที่จำเป็นเพื่อเพิ่มประสิทธิภาพในการซื้อขาย DecreaseFactor คือขอบเขตที่ขนาดของล็อตจะลดลงหลังจากการซื้อขายที่ไม่มีประโยชน์ ค่าปกติคือ 2,3,4,5 หากการทำธุรกรรมก่อนหน้านี้ไม่ทำกำไรปริมาณที่ตามมาจะลดลงตามปัจจัย DecreaseFactor เพื่อรอช่วงที่ไม่สามารถทำกำไรได้ นี่คือปัจจัยหลักในขั้นตอนวิธีการจัดการทุน ความคิดนี้ง่ายมาก: ถ้าการซื้อขายประสบความสำเร็จเพิ่มขึ้นผู้เชี่ยวชาญจะทำงานร่วมกับข้อมูลพื้นฐานที่ทำกำไรสูงสุด หลังจากการทำธุรกรรมที่ไม่มีประโยชน์ครั้งแรกผู้เชี่ยวชาญจะลดความเร็วจนกว่าจะมีการทำรายการใหม่ที่เป็นบวก อัลกอริธึมช่วยให้สามารถลดความเร็วได้โดยทำอย่างใดอย่างหนึ่งต้องระบุ DecreaseFactor 0 จำนวนธุรกรรมที่ไม่สามารถทำกำไรครั้งล่าสุดได้รับการคำนวณในประวัติการค้า จำนวนขั้นพื้นฐานจะถูกคำนวณใหม่บนพื้นฐานนี้ดังนั้นอัลกอริธึมจึงช่วยให้สามารถลดความเสี่ยงที่เกิดขึ้นได้อย่างมีประสิทธิภาพอันเนื่องมาจากการทำรายการที่ไม่ก่อให้เกิดประโยชน์จำนวนมากต้องได้รับการตรวจสอบขนาดล็อตที่อนุญาตต่ำสุดเมื่อสิ้นสุดการทำงานเนื่องจาก การคำนวณที่ทำไว้ก่อนหน้านี้อาจส่งผลให้เกิดข้อผิดพลาด 0: ผู้เชี่ยวชาญส่วนใหญ่มีไว้สำหรับการทำงานกับช่วงเวลารายวันและในโหมดการทดสอบ - สำหรับการทำในราคาที่ใกล้เคียง มันจะค้าเฉพาะที่เปิดบาร์ใหม่นั่นคือเหตุผลที่โหมดของการทำแบบจำลองทุกติ๊กไม่จำเป็นต้อง ผลการทดสอบแสดงไว้ในรายงานตัวชี้วัดที่ 4 ตัวชี้วัดค่าเฉลี่ยเคลื่อนที่ MA - ตัวบ่งชี้สำหรับ MetaTrader 4 ตัวบ่งชี้ทางเทคนิคค่าเฉลี่ยเคลื่อนที่แสดงค่าเฉลี่ยของราคาตราสารในช่วงเวลาหนึ่ง เมื่อคำนวณค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยหนึ่งค่าจากราคาตราสารในช่วงเวลานี้ เมื่อราคาเปลี่ยนแปลงไปค่าเฉลี่ยเคลื่อนที่จะเพิ่มขึ้นหรือลดลง มีสี่ประเภทของค่าเฉลี่ยเคลื่อนที่คือ Simple (เรียกอีกอย่างว่า Arithmetic), Exponential, Smoothed และ Linear Weighted ค่าเฉลี่ยเคลื่อนที่สามารถคำนวณได้จากชุดข้อมูลลำดับใด ๆ รวมถึงราคาเปิดและปิดราคาสูงสุดและต่ำสุดปริมาณการซื้อขายหรือตัวชี้วัดอื่น ๆ มักเป็นกรณีที่ใช้ค่าเฉลี่ยเคลื่อนที่สองเท่า สิ่งเดียวที่ค่าเฉลี่ยเคลื่อนที่ของแต่ละประเภทแตกต่างกันมากคือเมื่อค่าสัมประสิทธิ์น้ำหนักที่กำหนดให้กับข้อมูลล่าสุดต่างกัน ในกรณีที่เราพูดถึงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายราคาทั้งหมดของช่วงเวลาที่เป็นปัญหามีมูลค่าเท่ากัน เส้นค่าเฉลี่ยเลขยกกำลังเชิงเส้นและแบบ Linear มีมูลค่าเพิ่มมากขึ้นในราคาล่าสุด วิธีที่นิยมใช้ในการตีราคาค่าเฉลี่ยของราคาคือการเปรียบเทียบการเปลี่ยนแปลงของราคากับการดำเนินการด้านราคา เมื่อราคาของตราสารเพิ่มขึ้นเหนือค่าเฉลี่ยเคลื่อนที่สัญญาณซื้อจะปรากฏขึ้นหากราคาปรับตัวลดลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่เรามีสัญญาณการขายอะไรบ้าง ระบบการซื้อขายนี้ซึ่งอิงตามค่าเฉลี่ยเคลื่อนที่ไม่ได้ออกแบบมาเพื่อให้เข้าสู่ตลาดได้อย่างถูกต้องในจุดต่ำสุดและทางออกด้านขวาบนยอด จะช่วยให้สามารถปฏิบัติตามแนวโน้มดังต่อไปนี้: ซื้อเร็ว ๆ นี้หลังจากที่ราคาถึงจุดต่ำสุดแล้วและจะขายได้เร็ว ๆ นี้หลังจากที่ราคาถึงจุดสูงสุดแล้ว Simple Moving Average (Simple Moving Average - Simple Moving Average - Simple Moving Average - Simple Moving Average - Simple Moving Average - SMA) หมายถึงค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยคำนวณโดยสรุปราคาปิดตราสารผ่านช่วงเวลาหนึ่ง ๆ (เช่น 12 ชั่วโมง) ค่านี้หารด้วยจำนวนงวดดังกล่าว SMA SUM (CLOSE, N) N โดยที่: N เป็นจำนวนงวดการคำนวณ ค่าเฉลี่ยเคลื่อนที่แบบ Exponential (EMA) ค่าเฉลี่ยเคลื่อนที่โดยการสุ่มชี้แจงจะคำนวณโดยการเพิ่มค่าเฉลี่ยเคลื่อนที่ของส่วนแบ่งของราคาปิดปัจจุบันเป็นค่าก่อนหน้า ด้วยค่าเฉลี่ยเคลื่อนที่ที่ราบเรียบตามลำดับส่วนราคาล่าสุดมีมูลค่ามากขึ้น ค่าเฉลี่ยเลขคณิตระดับ P-percent จะมีลักษณะดังนี้: ที่ไหน: ปิด: (i) ราคาของการปิดบัญชีสิ้นงวดปัจจุบัน EMA (i-1) ค่าเฉลี่ยเลขทศนิยมของการปิดงวดก่อนหน้า P เปอร์เซ็นต์ของการใช้ราคา Smoothed Moving Average (SMMA) ค่าแรกของค่าเฉลี่ยเคลื่อนที่แบบเรียบนี้คำนวณเป็นค่าเฉลี่ยเคลื่อนที่แบบเรียบ (SMA): SUM1 SUM (CLOSE, N) ค่าเฉลี่ยเคลื่อนที่ที่สองและค่าที่ต่อเนื่องจะคำนวณตามสูตรนี้: ที่ไหน: SUM1 คือ ยอดรวมของราคาปิดสำหรับระยะเวลา N SMMA1 เป็นค่าเฉลี่ยเคลื่อนที่ที่ราบเรียบของแถบแรก SMMA (i) เป็นค่าเฉลี่ยเคลื่อนที่ที่ราบเรียบของแถบปัจจุบัน (ยกเว้นค่าแรก) CLOSE (i) คือราคาปิดปัจจุบัน N คือ ราบเรียบ ค่าเฉลี่ยถ่วงน้ำหนักเชิงเส้น (LWMA) ในกรณีของค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักข้อมูลล่าสุดมีค่ามากกว่าข้อมูลเริ่มต้น ค่าเฉลี่ยถ่วงน้ำหนักที่คำนวณได้จากการคูณกับราคาปิดแต่ละชุดในชุดพิจารณาโดยใช้ค่าสัมประสิทธิ์น้ำหนักบางอย่าง LWMA SUM (ปิด (i) i, N) SUM (i, N) ที่ไหน: SUM (i, N) คือผลรวมของค่าสัมประสิทธิ์น้ำหนัก ค่าเฉลี่ยเคลื่อนที่สามารถใช้กับตัวบ่งชี้ได้ นั่นคือที่การตีความตัวบ่งชี้ค่าเฉลี่ยเคลื่อนที่จะคล้ายกับการตีความค่าเฉลี่ยถ่วงน้ำหนักของราคา: ถ้าตัวบ่งชี้สูงขึ้นเหนือค่าเฉลี่ยเคลื่อนที่ของตัวบ่งชี้นั่นหมายความว่าการเคลื่อนไหวของตัวบ่งชี้ที่เพิ่มขึ้นมีแนวโน้มที่จะดำเนินต่อไป: ถ้าตัวบ่งชี้ต่ำกว่าค่าเฉลี่ยเคลื่อนที่ หมายความว่ามีแนวโน้มว่าจะลดลงต่อไป นี่คือประเภทของค่าเฉลี่ยเคลื่อนที่ในแผนภูมิ: ค่าเฉลี่ยเคลื่อนที่ที่เคลื่อนที่โดยเฉลี่ย (SMMA) (EMA) Smoothed Moving Average (SMMA) ค่าเฉลี่ยเคลื่อนที่เชิงเส้นแบบเชิงเส้น (LWMA) รหัสของเขาทำแบบจำลองของชุดเวลาพร้อมค่าเฉลี่ยเคลื่อนที่แบบเศษส่วนแบบอัตถท (ARFIMA) ที่ใช้อธิบาย ARIMA (ค่าเฉลี่ยเคลื่อนที่แบบอัตถดถอย) และโมเดลเฉลี่ยเคลื่อนไหวเฉลี่ย ARMA (autoregressive moving average) แบบจำลอง ARFIMA อนุญาตให้ใช้ค่าที่ไม่ใช่จำนวนเต็มของพารามิเตอร์ differencing และมีประโยชน์ในการจัดลำดับแบบจำลองด้วยหน่วยความจำนาน รหัสโดยทั่วไปจำลองรูปแบบ ARFIMA (p, d, q) โดย d คือ differencing คำนวณค่าเฉลี่ยเคลื่อนที่ของ Tillson ผู้ใช้สามารถเปลี่ยนพารามิเตอร์ต่างๆเช่นการกวาดเรียบและปัจจัยด้านไดรฟ์ข้อมูลการใช้ตัวกรองอัตราการเคลื่อนที่เฉลี่ย ตัวกรองค่าเฉลี่ยเคลื่อนที่ทำงานโดยเฉลี่ยจำนวนจุดจากสัญญาณขาเข้าเพื่อให้แต่ละจุดในสัญญาณเอาท์พุท ในรูปแบบสมการนี้จะถูกเขียน: ฟังก์ชันนี้จะคำนวณที่ตำแหน่งที่ไม่ทราบตำแหน่ง (Xi, Yi) ที่ระบุว่า IDW (wlt0) หรือการคาดการณ์ SMA (w0) โดยใช้ประเภทพื้นที่ใกล้เคียง r1 (n: จำนวนจุด r: รัศมี) และขนาดพื้นที่ใกล้เคียง r2 Vc วัดค่าที่ตำแหน่ง (Xc, Yc) เครื่องคิดเลข VaR ง่ายให้: - การประเมินการกระจายผลตอบแทนของสินทรัพย์เดียวหรือผลงานของสินทรัพย์ - การคาดการณ์ความผันผวนโดยใช้ค่าเฉลี่ยเคลื่อนที่และขั้นตอนการชี้แจง - ค่าที่ความเสี่ยงของสินทรัพย์เดี่ยว แฟ้มนี้ประกอบด้วยไฟล์ m-m ซึ่งประเมินมูลค่า Value at Risk (VaR) ของพอร์ทโฟลิโอซึ่งประกอบด้วยราคาหุ้น 2 หุ้นโดยใช้อัตราการถ่วงน้ำหนักแบบถ่วงน้ำหนัก (Exponentially Weighted Moving Average) ฟังก์ชันหลักคือ ewmaestimatevar สำหรับการประเมินค่า VaR คุณควรใช้ค่านี้ รหัสนี้คำนวณค่าส่วนเบี่ยงเบนมาตรฐานเฉลี่ยถ่วงน้ำหนักที่ถ่วงน้ำหนักแบบถ่วงน้ำหนักที่ถ่วงน้ำหนักเชิงเส้นค่าส่วนเบี่ยงเบนมาตรฐานถัวเฉลี่ยถ่วงน้ำหนักแบบถ่วงน้ำหนัก (EWMA) ใช้น้ำหนักที่ต่างกันกับการส่งคืนที่ต่างกัน ผลตอบแทนล่าสุดมีน้ำหนักมากขึ้นใน คอนโซลโค้ด Simple Webpage maker เพียงทำให้ไฟล์ HTML สำหรับคุณโดยปัจจัยการผลิตที่คุณใส่ไว้มันเป็นเรื่องง่ายและสนุกเฉลี่ยเฉลี่ยเคลื่อนที่โดยเฉลี่ยเฉลี่ยเคลื่อนที่เฉลี่ยคุณจะได้รับการสนับสนุนให้แก้งานนี้ตามคำอธิบายงานโดยใช้ภาษาใดก็ได้ อาจรู้ คำนวณค่าเฉลี่ยเคลื่อนที่แบบง่ายๆของชุดตัวเลข สร้างคลาการทำงานของรัฐที่ต้องใช้ระยะเวลาและส่งกลับค่าตามปกติที่ใช้ตัวเลขเป็นอาร์กิวเมนต์และส่งกลับค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยของอาร์กิวเมนต์จนถึงตอนนี้ ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยเป็นวิธีการคำนวณจำนวนกระแสเฉลี่ยโดยเฉลี่ยเพียง 160 หมายเลข 160 P จากสตรีม 160 ซึ่ง 160 P 160 เรียกว่าช่วงเวลา สามารถใช้งานได้โดยการเรียกใช้ initialing routine กับ 160 P 160 เป็นอาร์กิวเมนต์ของมัน 160 I (P), 160 ซึ่งควรจะคืนค่าตามปกติซึ่งเมื่อเรียกกับแต่ละสมาชิกต่อเนื่องของสตรีมตัวเลขคำนวณค่าเฉลี่ยของ ), 160 P 160 ตัวสุดท้ายของพวกเขาอนุญาตให้เรียก 160 SMA () นี้ คำ 160 160 stateful ในคำอธิบายงานหมายถึงต้อง 160 SMA () 160 เพื่อจดจำข้อมูลบางอย่างระหว่างการโทรไป 160 ระยะเวลา 160 P 160 ตู้ที่สั่งซื้ออย่างน้อย 160 160 หมายเลขล่าสุดจากแต่ละ การโทรแต่ละครั้ง Stateful 160 หมายความว่าการเรียกเลขหมาย 160 I (), 160 initializer 160 ควรจะแยกแต่ละครั้งที่ทำ 160 ไม่ 160 รัฐที่บันทึกไว้เพื่อให้สามารถใช้ข้อมูลได้สองแบบ Pseudo-code สำหรับการใช้ 160 SMA 160 คือ: รุ่นนี้ใช้คิวถาวรเพื่อเก็บค่า p ล่าสุด แต่ละฟังก์ชันที่ส่งกลับมาจาก init-moving-average จะมีสถานะเป็นอะตอมที่เก็บค่าคิวไว้ การใช้งานนี้ใช้รายการแบบวงกลมเพื่อจัดเก็บตัวเลขภายในหน้าต่างที่จุดเริ่มต้นของตัวชี้ย้ำแต่ละอันหมายถึงเซลล์ของรายการซึ่งเก็บค่าที่เพิ่งย้ายออกจากหน้าต่างและจะแทนที่ด้วยค่าที่เพิ่มขึ้น การใช้การแก้ไข Closure ปัจจุบันนี้ sma cant เป็น nogc เนื่องจากจัดสรรการปิดบน heap การวิเคราะห์หนีบางอย่างสามารถลบการจัดสรรฮีปได้ การใช้การแก้ไข Struct รุ่นนี้จะหลีกเลี่ยงการจัดสรรฮีปของการปิดเพื่อเก็บข้อมูลไว้ในกรอบกองซ้อนของฟังก์ชันหลัก เอาท์พุทเดียวกัน: เพื่อหลีกเลี่ยงการประมาณจุดลอยเก็บซ้อนขึ้นและการเจริญเติบโตรหัสสามารถดำเนินการรวมเป็นงวดในอาร์เรย์แถววงกลมทั้งหมด การใช้งานนี้จะสร้างอ็อบเจ็กต์ร่วมกันสองสถานะ (ฟังก์ชัน) เป็น idiomatic ใน E เพื่อแยกข้อมูลจาก output (อ่านจากเขียน) แทนที่จะรวมไว้ในวัตถุหนึ่ง โครงสร้างนี้เหมือนกับการใช้งาน Standard DeviationE โปรแกรม Elixir ด้านล่างสร้างฟังก์ชันที่ไม่ระบุตัวตนด้วยระยะเวลาฝังตัว p ซึ่งใช้เป็นระยะเวลาของค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย ฟังก์ชัน run จะอ่านข้อมูลตัวเลขและส่งผ่านไปยังฟังก์ชันที่ไม่ระบุตัวตนที่สร้างขึ้นใหม่จากนั้นตรวจสอบผลที่ได้รับจาก STDOUT ผลลัพธ์แสดงด้านล่างโดยมีค่าเฉลี่ยตามด้วยข้อมูลที่จัดกลุ่มซึ่งเป็นพื้นฐานของค่าเฉลี่ยเคลื่อนที่แต่ละค่า Erlang มีการปิด แต่ตัวแปรไม่เปลี่ยนรูป วิธีแก้ปัญหาคือการใช้กระบวนการและข้อความง่ายๆผ่าน API ตาม ภาษาเมทริกซ์มีขั้นตอนการคํานวณค่าเฉลี่ยการร่อนสําหรับลำดับรายการที่กำหนด มีประสิทธิภาพน้อยกว่าการวนรอบในคำสั่งต่อไปนี้ แจ้งให้ฉันป้อนข้อมูลอย่างต่อเนื่อง ซึ่งจะถูกเพิ่มลงในตอนท้ายของรายการ L1 L1 สามารถพบได้โดยการกด 2ND1 และค่าเฉลี่ยจะอยู่ใน ListOPS กด ON เพื่อยุติโปรแกรม รายการที่มีค่าเฉลี่ยของอาร์กิวเมนต์ที่ให้มาโปรแกรมที่ส่งกลับค่าที่ง่ายในแต่ละคำร้อง: รายการคือรายการที่มีค่าเฉลี่ย: p คือช่วง: 5 จะแสดงรายการค่าเฉลี่ย: ตัวอย่างที่ 2: การใช้โปรแกรม movinav2 (i. , 5) - เริ่มต้นการคำนวณค่าเฉลี่ยเคลื่อนที่และกำหนดระยะเวลา 5 movinav2 (3, x): x - ข้อมูลใหม่ในรายการ (ค่า 3) และผลลัพธ์จะถูกจัดเก็บในตัวแปร x และแสดง movinav2 (4, x) : x - ข้อมูลใหม่ (ค่า 4) และผลลัพธ์ใหม่จะถูกเก็บไว้ในตัวแปร x และแสดง (43) 2 คำอธิบายของฟังก์ชัน movinavg: ตัวแปร r - เป็นผลลัพธ์ (รายการเฉลี่ย) ที่จะถูกส่งคืนตัวแปร i - เป็นตัวแปรดัชนีและชี้ไปที่จุดสิ้นสุดของรายการย่อยที่รายการถูกเฉลี่ย ตัวแปร z - ตัวแปรผู้ช่วยเหลือฟังก์ชันใช้ตัวแปร i เพื่อกำหนดว่าค่าใดของรายการจะได้รับการพิจารณาในการคำนวณค่าเฉลี่ยถัดไป เมื่อทำซ้ำทุกครั้ง i ตัวแปรจะชี้ไปที่ค่าสุดท้ายในรายการที่จะใช้ในการคำนวณโดยเฉลี่ย ดังนั้นเราจะต้องคิดออกซึ่งจะเป็นค่าแรกในรายการ มักจะต้องพิจารณาองค์ประกอบ p ดังนั้นองค์ประกอบแรกจะเป็นดัชนีที่จัดทำดัชนีโดย (i-p1) อย่างไรก็ตามในการทำซ้ำครั้งแรกที่การคำนวณมักจะเป็นค่าลบดังนั้นสมการต่อไปนี้จะหลีกเลี่ยงดัชนีเชิงลบ: max (i-p1,1) หรือการจัดสมการ max (i-p, 0) 1 แต่จำนวนขององค์ประกอบในการทำซ้ำครั้งแรกจะเล็กลงค่าที่ถูกต้องจะเป็น (ดัชนีสิ้น - เริ่มดัชนีที่ 1) หรือการจัดสมการ (i - (max (ip, 0) 1) 1) แล้ว , (i-max (ip, 0)) ตัวแปร z มีค่าร่วมกัน (max (ip), 0) ดังนั้น beginindex จะเป็น (z1) และ numberofelements จะเป็น (iz) mid (list, z1, iz) จะคืนค่ารายการที่จะรวมเป็นค่าเฉลี่ย ( .) จะรวมพวกเขา sum (.) (iz) ri จะเฉลี่ยพวกเขาและเก็บผลในสถานที่ที่เหมาะสมในรายการผลลัพธ์ fp1 สร้างโปรแกรมบางส่วนกำหนด (ในกรณีนี้) พารามิเตอร์ที่สองและสาม