移动加权平均法是一种常用的统计数据处理运算法，通过移动范围内的样本以及相应的加权因子来对数据进行加权，从而得到较为准确的统计结果。其计算公式如下：
\[
Mw = \frac{\sum_{k=1}^{n} （X_k \cdot W_k）}{\sum_{k=1}^{n} W_k}
\]
其中：
\（ M_w \） 为移动加权平均值，
\（ n \） 为样本范围，
\（ X_k \） 为样本值，
\（ W_k \） 为样本值对应的加权因子。
例如，要计算一段时间内10天的数据的移动加权平均值，可以用以下公式：
\[
M_w = \frac{（X_1 \cdot W_1 + X_2 \cdot W_2 + X_3 \cdot W_3 + \ldots + X_{10} \cdot W_{10}）}{W_1 + W_2 + W_3 + \ldots + W_{10}}
\]
从公式可以看出，移动加权平均法对各个数据的权重都是不相等的。
此外，移动加权平均法还可以应用于存货成本的计算，其计算公式如下：
\[
移动加权平均成本 = \frac{（现有库存成本 + 新进货成本）}{（现有库存数量 + 新进货数量）}
\]
通过这个公式，企业可以实时更新库存商品的平均成本，确保成本计算的准确性。
综上所述，移动加权平均法的计算公式可以根据具体应用场景的不同而有所变化，但其核心思想是通过加权平均来减少数据波动的影响，从而得到更为准确的统计结果。