让 AI 检查移动平均：曲线更平了，尖峰和发生时间却可能变了

前天 3阅读

一组数据起伏很大时，AI可能建议加一条移动平均线。线条变顺滑，不代表记录更准确，也不代表未来变得可预测。先让AI写出每个点究竟平均了哪些时刻，再讨论平滑是否适合你要回答的问题。

AI生成概念示意图：高尖峰与较低的宽形状表示平滑会改变呈现，图中形状并非本文精确曲线；不对应真实记录、模型测评或实际软件界面。

先固定窗口与时间标签

以下是原创合成教学数据，没有真实客流记录或模型测评。某展台每小时完成的展示次数，在第一至第六小时依次为三、三、十二、三、三、三。每个数字代表相同长度的一小时，记录完整且没有重复。

本轮先采用向后看的三点等权平均：把当前小时及前两个小时的数值相加，再除以三；结果标在当前小时。第一、第二小时没有足够的更早记录，因此不输出三点平均值，也不偷偷补零。

可复制提示词：“请逐行列出时点、原始计数、参与平均的三个时点、算式与结果。缺少完整窗口时标记无法计算。再给一份居中三点平均的对照，说明它是否用到未来记录。不得将平滑结果称为预测。”

人工复算，第三小时是三加三加十二后除以三，得到六；第四小时是三加十二加三后除以三，也是六；第五小时是十二加三加三后除以三，仍为六；第六小时是三加三加三后除以三，得到三。

向后平均因此在第三、第四、第五小时出现相同的高点六。原始记录只有第三小时达到十二，平滑后却把一次尖峰分摊到三个连续窗口。不能因为第四、第五小时的平均仍高，就写成那两个小时也发生了十二次展示。

请AI把每个原始值进入哪些窗口列出来。第三小时的十二同时进入第三、第四、第五小时的平均，这是高值持续出现的直接原因。人工用三张相邻纸条滑动检查，比只看一条平滑线更容易发现时间错配。

居中窗口在时点两侧各取一个值。第二小时用第一、第二、第三小时，结果为六；第三小时用第二、第三、第四小时，结果为六；第四小时仍为六，第五小时为三。第一、第六小时因缺少一侧记录而不输出。

这样，第二小时的平滑值已经受第三小时尖峰影响。回看完整记录时可以计算，但在第二小时刚结束的现场，第三小时尚未发生，不能拿这个数当作当时已经知道的信息。让AI同时标注窗口方向与可用时间。

向后窗口对变化的呈现通常更滞后，但不要随口说所有尖峰都固定延迟一小时。本例最高值是一段平台，无法只凭最高点指定唯一时刻；延迟怎样衡量，还要先定义比较的是起点、峰顶还是变化中心。

一个端点反例是把缺少的前两小时补成零：第一小时会算成一，第二小时会算成二，看上去逐渐增长，实际上原始记录两小时都是三。这段趋势来自补值规则，而非已经观测到的变化。

窗口宽度也改变问题。三点平均突出较慢的变化，却会降低短暂峰值；若工作目标是核查一次异常时刻，原始记录必须保留。不能把平均线上的数再次当作互不重叠的实际次数来累计。

交付时请AI附上原始序列、窗口清单、空缺端点与文字解释。人工抽查一个尖峰附近的窗口和一个边界窗口。确认这些之后，才决定平滑线是否有助于阅读，而不是让更好看的线条替你决定结论。