> ## Documentation Index > Fetch the complete documentation index at: https://private-7c7dfe99-fix-nav-issues.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. > Calcula la media móvil exponencial de los valores para el tiempo especificado. # exponentialMovingAverage
## exponentialMovingAverage
Introducido en: v21.11.0 Calcula la media móvil exponencial de los valores para un tiempo determinado. Cada `value` corresponde a un `timeunit` determinado. La semivida `x` es el desfase temporal en el que los pesos exponenciales se reducen a la mitad. La función devuelve una media ponderada: cuanto más antiguo es el punto temporal, menor es el peso del valor correspondiente. **Sintaxis** ```sql theme={null} exponentialMovingAverage(x)(value, timeunit) ``` **Parámetros** * `x` — Período de semivida. [`(U)Int*`](/es/reference/data-types/int-uint) o [`Float*`](/es/reference/data-types/float) o [`Decimal`](/es/reference/data-types/decimal) **Argumentos** * `value` — Valor. [`(U)Int*`](/es/reference/data-types/int-uint) o [`Float*`](/es/reference/data-types/float) o [`Decimal`](/es/reference/data-types/decimal) * `timeunit` — timeunit. La timeunit no es una marca de tiempo (`timestamp`) en segundos, sino un índice del intervalo de tiempo. Puede calcularse con `intDiv`. [`(U)Int*`](/es/reference/data-types/int-uint) o [`Float*`](/es/reference/data-types/float) o [`Decimal`](/es/reference/data-types/decimal) **Valor devuelto** Devuelve una media móvil con suavizado exponencial de los valores de los últimos `x` intervalos de tiempo en el instante más reciente. [`Float64`](/es/reference/data-types/float) **Ejemplos** **Media móvil exponencial básica** ```sql title=Query theme={null} -- Tabla de entrada con datos de temperatura SELECT exponentialMovingAverage(5)(temperature, timestamp) FROM VALUES('temperature Int32, timestamp Int32', (95, 1), (95, 2), (95, 3), (96, 4), (96, 5), (96, 6), (96, 7), (97, 8), (97, 9), (97, 10), (97, 11), (98, 12), (98, 13), (98, 14), (98, 15), (99, 16), (99, 17), (99, 18), (100, 19), (100, 20)) ``` ```response title=Response theme={null} ┌─exponentialM⋯ timestamp)─┐ │ 92.25779635374204 │ └──────────────────────────┘ ``` **Ejemplo con la función `bar`** ```sql title=Query theme={null} SELECT value, time, round(exp_smooth, 3), bar(exp_smooth, 0, 1, 50) AS bar FROM ( SELECT (number = 0) OR (number >= 25) AS value, number AS time, exponentialMovingAverage(10)(value, time) OVER (Rows BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS exp_smooth FROM numbers(50) ) ``` ```response title=Response theme={null} ┌─value─┬─time─┬─round(exp_smooth, 3)─┬─bar────────────────────────────────────────┐ │ 1 │ 0 │ 0.067 │ ███▎ │ │ 0 │ 1 │ 0.062 │ ███ │ │ 0 │ 2 │ 0.058 │ ██▊ │ │ 0 │ 3 │ 0.054 │ ██▋ │ │ 0 │ 4 │ 0.051 │ ██▌ │ │ 0 │ 5 │ 0.047 │ ██▎ │ │ 0 │ 6 │ 0.044 │ ██▏ │ │ 0 │ 7 │ 0.041 │ ██ │ │ 0 │ 8 │ 0.038 │ █▊ │ │ 0 │ 9 │ 0.036 │ █▋ │ │ 0 │ 10 │ 0.033 │ █▋ │ │ 0 │ 11 │ 0.031 │ █▌ │ │ 0 │ 12 │ 0.029 │ █▍ │ │ 0 │ 13 │ 0.027 │ █▎ │ │ 0 │ 14 │ 0.025 │ █▎ │ │ 0 │ 15 │ 0.024 │ █▏ │ │ 0 │ 16 │ 0.022 │ █ │ │ 0 │ 17 │ 0.021 │ █ │ │ 0 │ 18 │ 0.019 │ ▊ │ │ 0 │ 19 │ 0.018 │ ▊ │ │ 0 │ 20 │ 0.017 │ ▋ │ │ 0 │ 21 │ 0.016 │ ▋ │ │ 0 │ 22 │ 0.015 │ ▋ │ │ 0 │ 23 │ 0.014 │ ▋ │ │ 0 │ 24 │ 0.013 │ ▋ │ │ 1 │ 25 │ 0.079 │ ███▊ │ │ 1 │ 26 │ 0.14 │ ███████ │ │ 1 │ 27 │ 0.198 │ █████████▊ │ │ 1 │ 28 │ 0.252 │ ████████████▌ │ │ 1 │ 29 │ 0.302 │ ███████████████ │ │ 1 │ 30 │ 0.349 │ █████████████████▍ │ │ 1 │ 31 │ 0.392 │ ███████████████████▌ │ │ 1 │ 32 │ 0.433 │ █████████████████████▋ │ │ 1 │ 33 │ 0.471 │ ███████████████████████▌ │ │ 1 │ 34 │ 0.506 │ █████████████████████████▎ │ │ 1 │ 35 │ 0.539 │ ██████████████████████████▊ │ │ 1 │ 36 │ 0.57 │ ████████████████████████████▌ │ │ 1 │ 37 │ 0.599 │ █████████████████████████████▊ │ │ 1 │ 38 │ 0.626 │ ███████████████████████████████▎ │ │ 1 │ 39 │ 0.651 │ ████████████████████████████████▌ │ │ 1 │ 40 │ 0.674 │ █████████████████████████████████▋ │ │ 1 │ 41 │ 0.696 │ ██████████████████████████████████▋ │ │ 1 │ 42 │ 0.716 │ ███████████████████████████████████▋ │ │ 1 │ 43 │ 0.735 │ ████████████████████████████████████▋ │ │ 1 │ 44 │ 0.753 │ █████████████████████████████████████▋ │ │ 1 │ 45 │ 0.77 │ ██████████████████████████████████████▍ │ │ 1 │ 46 │ 0.785 │ ███████████████████████████████████████▎ │ │ 1 │ 47 │ 0.8 │ ███████████████████████████████████████▊ │ │ 1 │ 48 │ 0.813 │ ████████████████████████████████████████▋ │ │ 1 │ 49 │ 0.825 │ █████████████████████████████████████████▎ │ └───────┴──────┴──────────────────────┴────────────────────────────────────────────┘ ``` **Uso de window function con cálculos basados en el tiempo** ```sql title=Query theme={null} CREATE TABLE data ENGINE = Memory AS SELECT 10 AS value, toDateTime('2020-01-01') + (3600 * number) AS time FROM numbers_mt(10); -- Calcular timeunit usando intDiv SELECT value, time, exponentialMovingAverage(1)(value, intDiv(toUInt32(time), 3600)) OVER (ORDER BY time ASC) AS res, intDiv(toUInt32(time), 3600) AS timeunit FROM data ORDER BY time ASC ``` ```response title=Response theme={null} ┌─value─┬────────────────time─┬─────────res─┬─timeunit─┐ │ 10 │ 2020-01-01 00:00:00 │ 5 │ 438288 │ │ 10 │ 2020-01-01 01:00:00 │ 7.5 │ 438289 │ │ 10 │ 2020-01-01 02:00:00 │ 8.75 │ 438290 │ │ 10 │ 2020-01-01 03:00:00 │ 9.375 │ 438291 │ │ 10 │ 2020-01-01 04:00:00 │ 9.6875 │ 438292 │ │ 10 │ 2020-01-01 05:00:00 │ 9.84375 │ 438293 │ │ 10 │ 2020-01-01 06:00:00 │ 9.921875 │ 438294 │ │ 10 │ 2020-01-01 07:00:00 │ 9.9609375 │ 438295 │ │ 10 │ 2020-01-01 08:00:00 │ 9.98046875 │ 438296 │ │ 10 │ 2020-01-01 09:00:00 │ 9.990234375 │ 438297 │ └───────┴─────────────────────┴─────────────┴──────────┘ ```