关于

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：

1. 关于过去的数字信息是可用的；
2. 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。