tijdsgewicht

Een tidsgewicht of tijdsgewicht is een methode om relatieve belangrijkheid toe te kennen aan waarnemingen of gebeurtenissen op basis van hun tijdstip. In tijdreeksen en signaalverwerking bepaalt een tijdsgewicht welke data zwaarder meetellen bij berekeningen zoals gemiddelden, sommen of voorspellende modellen. Het doel is om recente informatie relevanter te maken en verouderde data minder invloed te geven.

De gewichten w_i voor een waarneming i met tijd t_i worden doorgaans bepaald door een tijdsafhankelijke gewichtsfunctie, waarna de gewichten genormaliseerd worden zodat de som van de gewichten één is. Zo blijft de uiteindelijke maatstaf interpreteerbaar als een gemiddelde of kansverdeling over de waarnemingen.

Veelgebruikte vormen zijn onder meer:

- Exponentieel tijdsgewicht: w_i = exp(-λ (T − t_i)), waarbij recente waarnemingen een hoger gewicht krijgen; λ bepaalt de snelheid van afname.

- Lineair tijdsgewicht: w_i ∝ max(0, 1 − α (T − t_i)), waarbij het gewicht lineair afneemt met de leeftijd.

- Tijdvenster: alleen waarnemingen binnen een vast venster [T − W, T] tellen mee.

Toepassingen komen voor in statistiek en data-analyse (tijdsgewogen gemiddelden, trenddetectie), financiën (tijdsgewogen rendement, TWR), meteorologie en klimaatonderzoek (fuseert sensordata met verschillende tijdstippen), en signaalverwerking (fusie van meerdere sensoren met verschillende verwerkingsvertragingen).

Een eenvoudig voorbeeld is het berekenen van een tijdsgewogen gemiddelde van drie waarnemingen met exponentiële gewichten; na normalisatie levert dit een gemiddelde op dat sterker reageert op de meest recente waarde.

Voordelen zijn onder meer betere respons op recente veranderingen; nadelen betreffen de keuze van λ of venstergrootte en mogelijke vertekening bij gevoelige ruis of onvolledige tijdreeksen. Verwante begrippen zijn tijdsgebonden rendement en verschillende gewichtsfuncties.