时间序列是连续时间(连续时间或离散时间段)测量值的数据点序列。时间序列分析利用这种自然时间顺序从基础数据中提取含义和趋势。
时间序列数据是具有随时间变化的模式(“趋势”)的数据。当满足以下两个条件时,可以应用定量预测:
- 关于过去的数字信息是可用的;
- 可以合理地假设,过去模式的某些方面将持续到未来。
当你预测随着时间的推移而变化的事情(例如股价、销售数据、利润等)时,时间序列数据很有用。时间序列数据的示例包括:
- IBM每日股价
- 月降雨量
- 亚马逊季度销售业绩
- 谷歌年度利润
https://www.otexts.org/fpp/1/4
时间序列模型试图利用时间的自然单向排序,以便将给定时段的值表示为过去值的函数。时间序列中也使用了相同的思想预测-基于过去数据的未来价值。
通常,时间序列数据点以统一的时间间隔隔开。
时间序列模型通常会反映这样一个事实,即在时间上紧密相连的观测值比相隔更远的观测值更密切相关。
作为起点,请看一下维基百科的页面时间序列.有关更多信息,请参阅Statsoft网站,该网站关于时间序列分析的在线教科书。
对于中的时间序列分析第页,考虑查看时间序列任务视图和标记的问题动物园对于动物园
包装和xts公司对于xts公司
包裹。
标签用法:
标签上的问题时间序列应该是关于实施和编程问题,而不是技术的统计或理论性质。考虑您的问题是否更适合交叉验证、用于统计、机器学习和数据分析的StackExchange站点或数据科学,StackExchange网站,提供与数据科学相关的主题,如时间序列。