バスケットボールでは，相手のフェイントに惑わされぬよう腰に注目します。どんなに激しく動いても，腰が動く先が相手の動く先だからです。柔道では釣り手（相手の襟をつかんだ手）の感覚に注意を払います。釣り手を通して伝わって来る相手の体（たい）の動きが，相手の技の全てを表しているからです。

とかく細かな動きにとらわれると，本質をとらえることが難しくなってしまいます。今回学習するのは，データの細かな変動を緩和し，生のデータからでは得られなかった傾向をつかむための便利な手段です。

移動平均

移動平均（※1）とは，細かな変動を含むデータをスムーズにする（平滑化する）方法です。

平均をとるというと，100個のデータの総計を，データの個数100で割って1つの値を得ることですが，これではデータ全体が増加傾向・減少傾向を持つのか，それともあるピークを持っている山形・谷型の分布を示すのかといった貴重な情報が失われてしまいます。

移動平均は，細かなギザギザを持つグラフになるデータを，なめらかな曲線のグラフになるデータに変換します。

ノイズの多い信号データを受け取った場合に，移動平均をとれば，ノイズの緩和されたデータに出来ます。

株価の細かな変動を平滑化して，ある区間での平均的な株価を得る場合にも利用されます。

図58.2に移動平均の取り方を示します。連続するデータのひとつDiに注目し，自分を含む周囲のデータの平均値をとります。この計算を次々と実行していった結果，グラフの形は凹凸の少ないものになります。

例えば時系列に並んだ100個のデータがあるとします。平均をとる範囲を5とすると，10番目のデータD10の値は，次の式で移動平均値に換算されます（※2）。

先頭から順番にデータを処理する場合には，D8やD9の値に「移動平均をとる以前の値」を用いるように注意してください。また，別法として，「注目するデータの位置を含む前方（過去）範囲の平均を取る」ことも出来ます。こちらの方がアルゴリズムが単純です。

※1）

Moving Average

※2）

株価の世界では，直近10日間の移動平均値を用いるようです。この場合の移動平均値は本日を含めて過去10日間の値の平均です。