This HTML5 document contains 387 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dbpedia-dahttp://da.dbpedia.org/resource/
dbpedia-elhttp://el.dbpedia.org/resource/
dbthttp://dbpedia.org/resource/Template:
n65http://zbw.eu/stw/descriptor/
dbpedia-nohttp://no.dbpedia.org/resource/
dbpedia-svhttp://sv.dbpedia.org/resource/
wikipedia-enhttp://en.wikipedia.org/wiki/
n37http://www.springernature.com/scigraph/things/subjects/
dbpedia-bghttp://bg.dbpedia.org/resource/
dbpedia-fihttp://fi.dbpedia.org/resource/
dbrhttp://dbpedia.org/resource/
n66https://www.packtpub.com/product/machine-learning-for-time-series-with-python/
dbpedia-arhttp://ar.dbpedia.org/resource/
dbpedia-ethttp://et.dbpedia.org/resource/
dbpedia-hehttp://he.dbpedia.org/resource/
n12http://tl.dbpedia.org/resource/
dbpedia-frhttp://fr.dbpedia.org/resource/
n63http://dbpedia.org/resource/Wikt:
n34http://commons.wikimedia.org/wiki/Special:FilePath/
skoshttp://www.w3.org/2004/02/skos/core#
dbpedia-mkhttp://mk.dbpedia.org/resource/
n56http://www.itl.nist.gov/div898/handbook/pmc/section4/
dctermshttp://purl.org/dc/terms/
dbpedia-cshttp://cs.dbpedia.org/resource/
rdfshttp://www.w3.org/2000/01/rdf-schema#
dbpedia-azhttp://az.dbpedia.org/resource/
dbpedia-kkhttp://kk.dbpedia.org/resource/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n18http://dbpedia.org/resource/File:
dbphttp://dbpedia.org/property/
dbpedia-euhttp://eu.dbpedia.org/resource/
n22http://jv.dbpedia.org/resource/
n25http://ur.dbpedia.org/resource/
xsdhhttp://www.w3.org/2001/XMLSchema#
dbpedia-ukhttp://uk.dbpedia.org/resource/
dbpedia-idhttp://id.dbpedia.org/resource/
dbohttp://dbpedia.org/ontology/
dbpedia-vihttp://vi.dbpedia.org/resource/
dbpedia-pthttp://pt.dbpedia.org/resource/
dbpedia-huhttp://hu.dbpedia.org/resource/
dbpedia-jahttp://ja.dbpedia.org/resource/
dbchttp://dbpedia.org/resource/Category:
dbpedia-plhttp://pl.dbpedia.org/resource/
dbpedia-dehttp://de.dbpedia.org/resource/
dbpedia-ruhttp://ru.dbpedia.org/resource/
dbpedia-rohttp://ro.dbpedia.org/resource/
wikidatahttp://www.wikidata.org/entity/
goldhttp://purl.org/linguistics/gold/
dbpedia-nlhttp://nl.dbpedia.org/resource/
n21https://global.dbpedia.org/id/
dbpedia-slhttp://sl.dbpedia.org/resource/
n52http://zbw.eu/stw/mapping/dbpedia/
dbpedia-ithttp://it.dbpedia.org/resource/
dbpedia-cahttp://ca.dbpedia.org/resource/
provhttp://www.w3.org/ns/prov#
dbpedia-nnhttp://nn.dbpedia.org/resource/
foafhttp://xmlns.com/foaf/0.1/
n64http://su.dbpedia.org/resource/
dbpedia-simplehttp://simple.dbpedia.org/resource/
dbpedia-zhhttp://zh.dbpedia.org/resource/
dbpedia-kohttp://ko.dbpedia.org/resource/
n35http://lt.dbpedia.org/resource/
dbpedia-trhttp://tr.dbpedia.org/resource/
dbpedia-glhttp://gl.dbpedia.org/resource/
dbpedia-fahttp://fa.dbpedia.org/resource/
dbpedia-eshttp://es.dbpedia.org/resource/
freebasehttp://rdf.freebase.com/ns/
owlhttp://www.w3.org/2002/07/owl#

Statements

Subject Item
dbr:Time_series
rdf:type
owl:Thing
rdfs:label
Zeitreihenanalyse Tidsserie Часовий ряд 시계열 Tijdreeksanalyse Serie storica Denbora serie Časová řada 時間序列 Deret waktu Time series Série temporelle متسلسلة زمنية Serie temporal Χρονολογικές Σειρές Временной ряд 時系列 Sèrie temporal Série temporal Szereg czasowy
rdfs:comment
Estatistikan, denbora-segida, datu-serie kronologikoa edo serie kronologikoa aldagai bati buruz jasotako datu multzoa da, denboran zehar kokaturiko une ezberdinetan, gehienetan era erregularrean (egunero, urtero, ...). Adibidez, toki bateko eguneroko tenperatura maximoa, hilabeteroko auto salmenta eta haur baten urteroko garaiera denbora serie ezberdinak dira. Временно́й ряд (динамический ряд, ряд динамики) — собранный в разные моменты времени статистический материал о значении каких-либо параметров (в простейшем случае одного) исследуемого процесса. Каждая единица статистического материала называется измерением или отсчётом, также допустимо называть его уровнем на указанный с ним момент времени. Во временном ряде для каждого отсчёта должно быть указано время измерения или номер измерения по порядку. Временной ряд существенно отличается от простой выборки данных, так как при анализе учитывается взаимосвязь измерений со временем, а не только статистическое разнообразие и статистические характеристики выборки. Tijdreeksanalyse is een deelgebied van de wiskunde dat methoden bestudeert voor de analyse van zogenaamde tijdreeksen, reeksen van data geïndexeerd met de tijd als parameter. Meestal betreft het gegevens die gedurende een bepaalde periode op equidistante tijdstippen zijn waargenomen. Voorbeelden van tijdreeksen zijn de dagelijkse sluitingswaarde van de Dow Jones index en het jaarlijkse stroomvolume van de Nijl bij Aswan. Tijdreeksanalyse beoogt onder andere zinnige statistieken en andere karakteristieken te beschrijven. Tijdreeksanalyse wordt veel gebruikt om met behulp van een model een goede voorspelling te geven, zoals de waarde van een aandeel. Tijdreeksgegevens hebben een natuurlijke tijdsordening. Dit onderscheidt tijdreeksanalyse van andere gemeenschappelijke data-analyseproblemen, 時系列（じけいれつ、英: time series）とは、ある現象の時間的な変化を、連続的に（または一定間隔をおいて不連続に）観測して得られた値の系列（一連の値）のこと。例えば、統計学や信号処理で時間経過に従って計測されるデータ列であり、（通常、一定の）ある時間間隔で測定される。均一間隔では無い場合は点過程と呼ぶ。 Dalam statistika dan pemrosesan sinyal, deret waktu adalah rangkaian data yang berupa nilai pengamatan (pengamatan) yang diukur selama kurun waktu tertentu, berdasarkan waktu dengan interval yang sama. Beberapa Contoh data deret waktu adalah produksi total tahunan produk pertanian indonesia, harga penutupan harisan sebuah saham di pasar modal untuk kurun waktu satu bulan, suhu udara per jam, dan penjualan total bulanan sebuah pasar swalayan dalam waktu satu tahun. En tidsserie är en serie av datapunkter som är observerade över en given tid. Den vanligaste typen av tidsserie är en sekvens tagen vid successiva punkter i tiden med samma avstånd mellan mätningarna. Exempel på tidsserier är gps-positioner, en akties värde och befolkningsmängd mätta över tid. 시계열(時系列, 영어: time series)은 일정 시간 간격으로 배치된 데이터들의 수열을 말한다. 시계열 해석(time series analysis)라고 하는 것은 이런 시계열을 해석하고 이해하는 데 쓰이는 여러 가지 방법을 연구하는 분야이다. 예컨대, 이런 시계열이 어떤 법칙에서 생성되어서 나오느냐는 기본적인 질문을 이해하는 것이 궁극적인 목표라고 할 수 있다. 시계열 예측(time series prediction)이라고 하는 것은 주어진 시계열을 보고 수학적인 모델을 만들어서 미래에 일어날 것들을 예측하는 것을 뜻하는 말이다. 일반적으로 이런 방법들은 공학이나 과학계산, 혹은 금융시장에서의 주가 예측 등에서 많이 쓰인다. 시계열 데이터를 분석하는 수학적 모델은 여러 가지가 있을 수 있는데, 실제 응용에서 가장 많이 쓰이는 세 가지 범용 모델은 autoregressive (AR) 모델, integrated (I) 모델, moving average (MA) 모델 등이 있다. 이 세 가지 방법은 이미 얻어진 시계열 데이터에 선형 종속적이다. 비선형 종속적인 방법들은 나름대로 의미있는 것들이 있는데, 예컨대 혼돈 시계열등을 만들어낼 수 있기 때문이다. In statistica descrittiva, una serie storica (o temporale) si definisce come un insieme di variabili casuali ordinate rispetto al tempo, ed esprime la dinamica di un certo fenomeno nel tempo. Le serie storiche vengono studiate sia per interpretare un fenomeno, individuando componenti di trend, di ciclicità, di stagionalità e/o di accidentalità, sia per prevedere il suo andamento futuro. 时间序列（英語：time series）是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值（如1秒，5分钟，12小时，7天，1年），因此时间序列可以作为离散时间数据进行分析处理。时间序列广泛应用于数理统计、信号处理、模式识别、计量经济学、数学金融、天气预报、地震预测、脑电图、控制工程、航空学、通信工程以及绝大多数涉及到时间数据测量的应用科学与工程学。 Μια χρονολογική σειρά είναι μια σειρά σημείων δεδομένων με ευρετηρίαση (είτε εισηγμένη είτε διαγραμμισμένη) με χρονοσειρά. Συχνότερα, μια χρονολογική σειρά είναι μια ακολουθία που λαμβάνεται σε διαδοχικά ισαπέχουσες χρονικές στιγμές. Έτσι είναι μια ακολουθία δεδομένων διακριτού χρόνου. Παραδείγματα χρονολογικών σειρών είναι τα ύψη των παλιρροιών των ωκεανών, οι μετρήσεις των ηλιακών κηλίδων και η ημερήσια τιμή κλεισίματος του Dow Jones Industrial Average . Szereg czasowy – realizacja procesu stochastycznego, którego dziedziną jest czas; to ciąg informacji uporządkowanych w czasie, których pomiary wykonywane są z dokładnym krokiem czasowym. Jeżeli krok nie będzie regularny wtedy mamy do czynienia z szeregiem czasowym rozmytym. Časová řada jsou věcně a prostorově srovnatelná pozorování (dat), která jsou jednoznačně uspořádána z hlediska času ve směru minulost – přítomnost. Una serie temporal o cronológica es una sucesión de datos medidos en determinados momentos y ordenados cronológicamente. Los datos pueden estar espaciados a intervalos iguales (como la temperatura en un observatorio meteorológico en días sucesivos al mediodía) o desiguales (como el peso de una persona en sucesivas mediciones en el consultorio médico, la farmacia, etc.). Para el análisis de las series temporales se usan métodos que ayudan a interpretarlas y que permiten extraer información representativa sobre las relaciones subyacentes entre los datos de la serie o de diversas series y que permiten en diferente medida y con distinta confianza extrapolar o interpolar los datos y así predecir el comportamiento de la serie en momentos no observados, sean en el futuro (extrapolación pronóstica Часовий ряд (англ. time series) — це ряд , проіндексованих (або перелічених, або відкладених на графіку) в хронологічному порядку. Найчастіше часовий ряд є послідовністю, взятою на рівновіддалених точках в часі, які йдуть одна за одною. Таким чином, він є послідовністю даних . Прикладами часових рядів є висоти океанських припливів, кількості сонячних плям, та щоденне середньозважене значення індексу ПФТС на момент закриття торгів. السلسلة الزمنية هي مجموعة القياسات المسجلة لمتغير واحد أو أكثر مرتبة حسب زمن وقوعها.رياضياً: نقول أن متغير الزمن المستقل (t) والقيم المناظرة له المتغير التابع (y) وإن كل قيمة في الزمن t يقابلها قيم للمتغير التابع y فإن y دالة في الزمن t أي (y = F(t. Una sèrie temporal o cronològica és una seqüència de dades, observacions o valors mesurats en determinats moments del temps, ordenats cronològicament i, normalment, espaiats entre si de manera uniforme. L'anàlisi de sèries temporals comprèn mètodes que ajuden a interpretar aquest tipus de dades extraient-ne informació representativa, tant referent als orígens o relacions subjacents, com a la possibilitat d'extrapolar i predir el seu comportament futur. In mathematics, a time series is a series of data points indexed (or listed or graphed) in time order. Most commonly, a time series is a sequence taken at successive equally spaced points in time. Thus it is a sequence of discrete-time data. Examples of time series are heights of ocean tides, counts of sunspots, and the daily closing value of the Dow Jones Industrial Average. Time series analysis can be applied to real-valued, continuous data, discrete numeric data, or discrete symbolic data (i.e. sequences of characters, such as letters and words in the English language). Une série temporelle, ou série chronologique, est une suite de valeurs numériques représentant l'évolution d'une quantité spécifique au cours du temps. De telles suites de variables aléatoires peuvent être exprimées mathématiquement afin d'en analyser le comportement, généralement pour comprendre son évolution passée et pour en prévoir le comportement futur. Une telle transposition mathématique utilise le plus souvent des concepts de probabilités et de statistique. Die Zeitreihenanalyse befasst sich in der Statistik mit der inferenzstatistischen Analyse von Zeitreihen und der Vorhersage von Trends (Trendextrapolation) zu ihrer künftigen Entwicklung. Sie ist eine Spezialform der Regressionsanalyse. Em estatística, econometria, matemática aplicada e processamento de sinais, uma série temporal é uma coleção de observações feitas sequencialmente ao longo do tempo. Em modelos de regressão linear com dados cross-section a ordem das observações é irrelevante para a análise, em séries temporais a ordem dos dados é fundamental. Uma característica muito importante deste tipo de dados é que as observações vizinhas são dependentes e o interesse é analisar e modelar essa dependência.
rdfs:seeAlso
dbr:Signal_processing
skos:exactMatch
n65:15396-2
foaf:depiction
n34:Tuberculosis_incidence_US_1953-2009.png n34:Random-data-plus-trend-r2.png
dcterms:subject
dbc:Statistical_data_types dbc:Machine_learning dbc:Mathematical_and_quantitative_methods_(economics) dbc:Mathematics_in_medicine dbc:Time_series
dbo:wikiPageID
406624
dbo:wikiPageRevisionID
1111897773
dbo:wikiPageWikiLink
dbr:Prediction dbr:Hurst_exponent dbr:Heat_map dbr:Fourier_transform dbc:Statistical_data_types dbr:Python_(programming_language) dbr:Probability_distribution dbr:James_Durbin dbr:Fast_Fourier_transform dbr:Autocorrelation dbr:Real_number dbr:Tides dbr:Serial_dependence dbr:Electroencephalography dbr:Dynamical_similarity dbr:Sample_entropy dbr:Autoregressive_conditional_heteroskedasticity dbr:Autoregressive_fractionally_integrated_moving_average dbr:Mathematics dbr:Autoregressive_model dbr:Frequency_domain dbr:Short-time_Fourier_transform dbr:Control_chart dbr:Digital_signal_processing dbr:Spearman's_rank_correlation_coefficient dbr:Applied_science dbr:Moving_average_model dbr:Autoregressive dbr:Control_engineering dbr:Stochastic_simulation dbr:Forecasting dbr:Rudolf_E._Kálmán n18:Tuberculosis_incidence_US_1953-2009.png dbr:EWMA_chart dbr:State_space dbr:Algorithmic_information_theory dbr:Machine_Learning dbr:Genetic_Programming dbr:Prais–Winsten_estimation dbr:Uncertainty dbr:Kalman_filter dbr:Sign_language dbr:Numerical_analysis dbr:Spatial_data_analysis dbr:Dynamic_time_warping dbr:Weather_forecasting dbr:Rational_function dbr:Curve_fitting dbr:Singular_spectrum_analysis dbr:Polynomial_regression dbr:Correlation_density dbr:Correlation_entropy dbr:Autoregressive_moving_average dbr:Artificial_neural_network dbr:Cross-correlation_function dbr:Spline_interpolation dbr:Earthquake_prediction dbr:Rényi_entropy dbr:Mathematical_finance dbr:Hjorth_parameters dbr:Fuzzy_logic dbr:Fitness_approximation dbr:Empirical_orthogonal_function dbr:Doubly_stochastic_model dbr:Non-parametric_statistics dbr:Speech_recognition dbr:Data_point dbr:Markov_switching_multifractal dbr:Curve dbr:Interpolation dbr:Spectrum dbr:Index_set dbr:Cramér–von_Mises_criterion dbr:Random_walk dbr:Total_correlation dbr:Range_(statistics) dbr:Nonlinear_mixed-effects_model dbr:Detrended_fluctuation_analysis dbr:Ergodic_process dbr:SPSS dbr:English_language dbr:Discrete-time n18:Random-data-plus-trend-r2.png dbr:Pattern_recognition dbr:Minkowski_distance dbr:Spectral_density_estimation dbr:Spectral_edge_frequency dbr:Supervised_learning dbr:Extrapolation dbr:Horizon_graphs dbr:Trend_estimation dbr:Frequency_spectrum dbr:Statistical_learning_theory dbr:Dynamic_Time_Warping dbr:Decomposition_of_time_series dbr:Sunspots dbr:Smoothing dbc:Machine_learning dbr:Phase_synchronization dbr:Sequence_analysis dbr:Time_series_database dbr:Autoregressive_integrated_moving_average dbr:Stationary_process dbr:CRC_Press dbr:Nonlinear_autoregressive_exogenous_model dbr:Strict_stationarity dbr:Noise_(physics) dbr:Meteorology dbr:Maurice_Priestley dbr:Rough_path dbr:Spectral_band_power dbr:Multi_expression_programming dbr:Princeton_University_Press dbr:Quantitative_finance dbr:Run_chart dbr:Auto-correlation dbr:Wavelet_analysis dbr:Covariance dbr:Harmonic_analysis dbr:Communication_engineering dbr:Oxford_University_Press dbr:Springer_Science+Business_Media dbr:Interrupted_time_series dbr:Data dbr:Time dbr:Astronomy dbc:Mathematical_and_quantitative_methods_(economics) dbr:Line_chart dbr:Classification_(machine_learning) dbr:Time–frequency_representation dbr:Seasonality dbr:Continuous_wavelet_transform dbr:Coherence_(signal_processing) dbr:Vector_autoregression dbr:Moment_(mathematics) dbr:Entropy_encoding dbr:Parametric_estimation dbr:Addison-Wesley dbr:Time_reversibility dbr:Geophysics dbr:Panel_analysis dbr:CUSUM dbr:Mahalanobis_distance dbr:Kolmogorov_complexity dbr:Correlation_dimension dbr:Hidden_Markov_Model dbr:Hidden_Markov_Models dbr:Kolmogorov–Smirnov_test dbr:Predictive_inference dbr:Statistical_inference dbr:Special_function dbr:Correlation_integral dbr:Cross-correlation dbr:R_(programming_language) dbr:SAS_(software) dbr:Queueing_theory dbr:Dynamic_Bayesian_network dbr:Chaos_theory dbr:Heteroskedasticity dbr:Phase_locking dbr:Hidden_Markov_model dbr:Univariate_analysis dbr:Unevenly_spaced_time_series dbr:Data_type dbr:Shewhart_individuals_control_chart dbr:Pearson_product-moment_correlation_coefficient dbr:Gene_expression_programming dbr:Norbert_Wiener dbr:Statistics dbr:Least-squares_spectral_analysis dbr:Dennis_Gabor dbr:Correlation dbr:Mann–Kendall_test dbr:Recurrence_plot dbr:Recurrence_quantification_analysis dbr:Scaled_correlation dbr:Marginal_predictability dbr:Approximate_entropy dbr:Signal_processing dbr:Multivariate_analysis dbr:Gaussian_process dbr:Frequency-domain dbr:Approximation_theory dbr:Features_(pattern_recognition) dbc:Mathematics_in_medicine dbr:Cluster_analysis dbr:Spectral_density dbr:Support_vector_machine dbr:Fractional_Fourier_transform dbr:Econometrics dbr:Distributed_lag dbr:World_War_II dbr:Time-domain dbr:Nonlinear_regression dbr:Panel_data dbr:Communications_engineering dbr:Academic_Press dbr:Cambridge_University_Press dbr:Apache_Spark dbr:Linear_regression dbr:Dow_Jones_Industrial_Average dbr:Cyclostationary_process dbr:Polynomial dbr:Local_flow dbr:Principal_component_analysis dbr:Digital_filter dbr:Polynomial_interpolation dbr:Energy_(signal_processing) dbr:Seasonal_adjustment dbr:Engineering dbr:Stochastic dbr:Domain_of_a_function dbr:GARCH dbr:Edit_distance dbr:Cross-sectional_data dbr:Cross-sectional_study dbr:MIT_Press dbr:Seismology dbr:Stochastic_processes n63:discrete dbr:Data_mining dbr:Statistical_classification dbr:Codomain dbr:Model_(abstract) dbr:Braided_graphs dbr:Chirp dbr:Standard_deviation dbr:Monte_Carlo_method dbr:State_Space_Model dbr:Regression_analysis dbr:Chirplet_transform dbr:Time-frequency_analysis dbr:Julia_(programming_language) dbr:Anomaly_time_series dbr:Time-frequency_representation dbr:Newey–West_estimator dbr:Natural_number dbr:Estimation_theory dbr:Anomaly_detection dbc:Time_series dbr:Sequence dbr:Change_detection dbr:Machine_learning dbr:Lyapunov_exponent dbr:Function_(mathematics)
dbo:wikiPageExternalLink
n56:pmc4.htm n66:9781801819626%7Caccess-date=5
owl:sameAs
dbpedia-nl:Tijdreeksanalyse freebase:m.024hw2 dbpedia-it:Serie_storica dbpedia-tr:Zaman_serisi n12:Serye_ng_panahon dbpedia-id:Deret_waktu dbpedia-de:Zeitreihenanalyse dbpedia-et:Aegrida dbpedia-gl:Serie_temporal dbpedia-ar:متسلسلة_زمنية n21:nfpS n22:Dhèrèt_wektu dbpedia-hu:Idősor dbpedia-fa:سری_زمانی n25:سلسلہ_زماں dbpedia-es:Serie_temporal dbpedia-bg:Времеви_ред dbpedia-kk:Уақыт_қатары dbpedia-fi:Aikasarja dbpedia-zh:時間序列 dbpedia-az:Zaman_sıraları n35:Dinaminė_eilutė dbpedia-fr:Série_temporelle dbpedia-pl:Szereg_czasowy dbpedia-simple:Time_Series dbpedia-ko:시계열 wikidata:Q186588 dbpedia-da:Tidsserie dbpedia-ro:Serie_temporală dbpedia-pt:Série_temporal dbpedia-sl:Časovne_vrste dbpedia-ca:Sèrie_temporal dbpedia-no:Tidsrekke dbpedia-mk:Временска_низа dbpedia-nn:Tidsrekkjeanalyse dbpedia-vi:Chuỗi_thời_gian dbpedia-ru:Временной_ряд dbpedia-eu:Denbora_serie dbpedia-uk:Часовий_ряд dbpedia-cs:Časová_řada dbpedia-sv:Tidsserie dbpedia-he:סדרה_עתית dbpedia-ja:時系列 n64:Dérét_waktu dbpedia-el:Χρονολογικές_Σειρές
dbp:wikiPageUsesTemplate
dbt:Further dbt:Reflist dbt:Use_American_English dbt:Main dbt:Authority_control dbt:Portal_bar dbt:Iw2 dbt:ISBN dbt:Cite_book dbt:Cite_journal dbt:See_also dbt:Columns-list dbt:Commons_category dbt:Citation dbt:Short_description dbt:Statistics
dbo:thumbnail
n34:Random-data-plus-trend-r2.png?width=300
dbo:abstract
In mathematics, a time series is a series of data points indexed (or listed or graphed) in time order. Most commonly, a time series is a sequence taken at successive equally spaced points in time. Thus it is a sequence of discrete-time data. Examples of time series are heights of ocean tides, counts of sunspots, and the daily closing value of the Dow Jones Industrial Average. A time series is very frequently plotted via a run chart (which is a temporal line chart). Time series are used in statistics, signal processing, pattern recognition, econometrics, mathematical finance, weather forecasting, earthquake prediction, electroencephalography, control engineering, astronomy, communications engineering, and largely in any domain of applied science and engineering which involves temporal measurements. Time series analysis comprises methods for analyzing time series data in order to extract meaningful statistics and other characteristics of the data. Time series forecasting is the use of a model to predict future values based on previously observed values. While regression analysis is often employed in such a way as to test relationships between one or more different time series, this type of analysis is not usually called "time series analysis", which refers in particular to relationships between different points in time within a single series. Interrupted time series analysis is used to detect changes in the evolution of a time series from before to after some intervention which may affect the underlying variable. Time series data have a natural temporal ordering. This makes time series analysis distinct from cross-sectional studies, in which there is no natural ordering of the observations (e.g. explaining people's wages by reference to their respective education levels, where the individuals' data could be entered in any order). Time series analysis is also distinct from spatial data analysis where the observations typically relate to geographical locations (e.g. accounting for house prices by the location as well as the intrinsic characteristics of the houses). A stochastic model for a time series will generally reflect the fact that observations close together in time will be more closely related than observations further apart. In addition, time series models will often make use of the natural one-way ordering of time so that values for a given period will be expressed as deriving in some way from past values, rather than from future values (see time reversibility). Time series analysis can be applied to real-valued, continuous data, discrete numeric data, or discrete symbolic data (i.e. sequences of characters, such as letters and words in the English language). السلسلة الزمنية هي مجموعة القياسات المسجلة لمتغير واحد أو أكثر مرتبة حسب زمن وقوعها.رياضياً: نقول أن متغير الزمن المستقل (t) والقيم المناظرة له المتغير التابع (y) وإن كل قيمة في الزمن t يقابلها قيم للمتغير التابع y فإن y دالة في الزمن t أي (y = F(t. من الأمور الطبيعية والواجبة للحكومات والمؤسسات والشركات التجارية منها والصناعية والتعليمية وغيرها بالتخطيط لمستقبلها لتحقيق الأهداف الخاصة والعامة وتقديم كافة الخدمات والوصول لحالة العدل والاستقرار للمجتمع والعمل على أتحاذ قرارات التنبؤ بوقوع الأحداث قبل وقوعها في كافة أوجه النشاط التي تخص المجتمع، وتعتبر السلاسل الزمنية من أهم أساليب التنبؤ حول المستقبل من خلال وقائع الأمس واليوم.من أهم السلاسل الزمنية تلك الخاصة بالمؤشرات الاقتصادية والمبيعات السنوية للشركات بكافة أوجه نشاطاتها والتعليم وحجم السكان وما شابه ذلك.والتغير الذي يحدث في قيم متغير السلسلة الزمنية أو قيم متغيراتها يعتبر دالة في الزمن يمكن تمثيلها بيانياً باتخاذ المحور الأفقي للزمن والرأسي لقيم المتغير Временно́й ряд (динамический ряд, ряд динамики) — собранный в разные моменты времени статистический материал о значении каких-либо параметров (в простейшем случае одного) исследуемого процесса. Каждая единица статистического материала называется измерением или отсчётом, также допустимо называть его уровнем на указанный с ним момент времени. Во временном ряде для каждого отсчёта должно быть указано время измерения или номер измерения по порядку. Временной ряд существенно отличается от простой выборки данных, так как при анализе учитывается взаимосвязь измерений со временем, а не только статистическое разнообразие и статистические характеристики выборки. Tijdreeksanalyse is een deelgebied van de wiskunde dat methoden bestudeert voor de analyse van zogenaamde tijdreeksen, reeksen van data geïndexeerd met de tijd als parameter. Meestal betreft het gegevens die gedurende een bepaalde periode op equidistante tijdstippen zijn waargenomen. Voorbeelden van tijdreeksen zijn de dagelijkse sluitingswaarde van de Dow Jones index en het jaarlijkse stroomvolume van de Nijl bij Aswan. Tijdreeksanalyse beoogt onder andere zinnige statistieken en andere karakteristieken te beschrijven. Tijdreeksanalyse wordt veel gebruikt om met behulp van een model een goede voorspelling te geven, zoals de waarde van een aandeel. Tijdreeksgegevens hebben een natuurlijke tijdsordening. Dit onderscheidt tijdreeksanalyse van andere gemeenschappelijke data-analyseproblemen, waarbij er geen natuurlijke ordening van de waarnemingen is. Een tijdreeksmodel zal over het algemeen waarnemingen in de nabije toekomst beter voorspellen dan waarnemingen verder weg in de toekomst. Em estatística, econometria, matemática aplicada e processamento de sinais, uma série temporal é uma coleção de observações feitas sequencialmente ao longo do tempo. Em modelos de regressão linear com dados cross-section a ordem das observações é irrelevante para a análise, em séries temporais a ordem dos dados é fundamental. Uma característica muito importante deste tipo de dados é que as observações vizinhas são dependentes e o interesse é analisar e modelar essa dependência. As séries temporais existem nas mais variadas áreas de aplicação, como: finanças, marketing, economia, seguros, demografia, ciências sociais, meteorologia, energia, epidemiologia, etc. 時系列（じけいれつ、英: time series）とは、ある現象の時間的な変化を、連続的に（または一定間隔をおいて不連続に）観測して得られた値の系列（一連の値）のこと。例えば、統計学や信号処理で時間経過に従って計測されるデータ列であり、（通常、一定の）ある時間間隔で測定される。均一間隔では無い場合は点過程と呼ぶ。 Una sèrie temporal o cronològica és una seqüència de dades, observacions o valors mesurats en determinats moments del temps, ordenats cronològicament i, normalment, espaiats entre si de manera uniforme. L'anàlisi de sèries temporals comprèn mètodes que ajuden a interpretar aquest tipus de dades extraient-ne informació representativa, tant referent als orígens o relacions subjacents, com a la possibilitat d'extrapolar i predir el seu comportament futur. De fet un dels usos més habituals de les sèries de dades temporals és la seva anàlisi per a predicció i pronòstic com, per exemple, de les dades climàtiques, de les accions de borsa, o les sèries pluviomètriques. Resulta difícil imaginar una branca de les ciències en què no apareguin dades que puguin ser considerades com sèries temporals: són estudiades en estadística, processament de senyals, econometria i moltes altres àrees. Els mètodes d'anàlisi de sèries temporals es poden dividir en dues classes: mètodes de domini de freqüència i mètodes de domini de temps. Els primers inclouen l'anàlisi espectral i, recentment, l'anàlisi d'ondeta; els últims inclouen l'anàlisi d'autocorrelació i l'anàlisi de correlació creuada. Časová řada jsou věcně a prostorově srovnatelná pozorování (dat), která jsou jednoznačně uspořádána z hlediska času ve směru minulost – přítomnost. 시계열(時系列, 영어: time series)은 일정 시간 간격으로 배치된 데이터들의 수열을 말한다. 시계열 해석(time series analysis)라고 하는 것은 이런 시계열을 해석하고 이해하는 데 쓰이는 여러 가지 방법을 연구하는 분야이다. 예컨대, 이런 시계열이 어떤 법칙에서 생성되어서 나오느냐는 기본적인 질문을 이해하는 것이 궁극적인 목표라고 할 수 있다. 시계열 예측(time series prediction)이라고 하는 것은 주어진 시계열을 보고 수학적인 모델을 만들어서 미래에 일어날 것들을 예측하는 것을 뜻하는 말이다. 일반적으로 이런 방법들은 공학이나 과학계산, 혹은 금융시장에서의 주가 예측 등에서 많이 쓰인다. 시계열 데이터를 분석하는 수학적 모델은 여러 가지가 있을 수 있는데, 실제 응용에서 가장 많이 쓰이는 세 가지 범용 모델은 autoregressive (AR) 모델, integrated (I) 모델, moving average (MA) 모델 등이 있다. 이 세 가지 방법은 이미 얻어진 시계열 데이터에 선형 종속적이다. 비선형 종속적인 방법들은 나름대로 의미있는 것들이 있는데, 예컨대 혼돈 시계열등을 만들어낼 수 있기 때문이다. 시계열 해석에서는 여러 가지 기호가 많이 쓰인다. 예를 들면, 가 주로 흔히 쓰이는 기호인데, 이때 시계열 X는 자연수들로 지수가 매겨져 있다. En tidsserie är en serie av datapunkter som är observerade över en given tid. Den vanligaste typen av tidsserie är en sekvens tagen vid successiva punkter i tiden med samma avstånd mellan mätningarna. Exempel på tidsserier är gps-positioner, en akties värde och befolkningsmängd mätta över tid. Tidsserieanalys handlar om att analysera tidsserier med syftet att extrahera statistik och andra karakteristika drag hos datan. Tidsserieprediktion handlar om att med hjälp av en matematisk modell försöka förutspå framtida värden baserad på antingen extrapolering av historiska data eller med hjälp av andra tidsserier som man tror kan ha en påverkan. Часовий ряд (англ. time series) — це ряд , проіндексованих (або перелічених, або відкладених на графіку) в хронологічному порядку. Найчастіше часовий ряд є послідовністю, взятою на рівновіддалених точках в часі, які йдуть одна за одною. Таким чином, він є послідовністю даних . Прикладами часових рядів є висоти океанських припливів, кількості сонячних плям, та щоденне середньозважене значення індексу ПФТС на момент закриття торгів. Часові ряди дуже часто представляють за допомогою лінійних діаграм. Часові ряди використовуються в статистиці, обробці сигналів, розпізнаванні образів, економетриці, фінансовій математиці, прогнозуванні погоди, розумному транспорті та передбаченні траєкторій, передбаченні землетрусів, електроенцефалографії, автоматичному керуванні, астрономії, , а також значною мірою в будь-якій області прикладної науки та інженерії, яка включає часові вимірювання. Аналіз часових рядів (англ. time series analysis) включає методи аналізу даних часових рядів з метою витягування значимих статистик та інших характетистик даних. Прогнозування часових рядів (англ. time series forecasting) — це застосування моделі для передбачування майбутніх значень на основі значень попередньо спостережених. І хоча регресійний аналіз часто застосовують для перевірки теорій про те, що поточні значення одного чи більше незалежних часових рядів впливають на поточне значення іншого часового ряду, цей тип аналізу часових рядів не називають «аналізом часових рядів», який натомість зосереджується на порівнянні значень одного часового ряду або багатьох залежних часових рядів у різні моменти часу. Дані часових рядів мають природний часовий порядок. Це робить аналіз часових рядів відмінним від поперечних досліджень, у яких не існує природного порядку спостережень (наприклад, пояснення заробітної платні людей через посилання на їхні рівні освіти, де дані осіб можуть вводитися у будь-якому порядку). Аналіз часових рядів відрізняється також і від аналізу просторових даних, де спостереження зазвичай відносяться до географічних розташувань (наприклад, підрахунок цін на будинки за розташуванням, а також за власними характеристиками цих будинків). Стохастична модель часового ряду, як правило, відображатиме той факт, що спостереження, які знаходяться близько в часі, будуть пов'язані тісніше, ніж спостереження, які знаходяться далі одне від одного. Крім того, моделі часових рядів часто застосовують природне односпрямоване впорядкування часу, так, що значення для заданого періоду виражено як похідні від минулих значень, а не від майбутніх (див. ). Аналіз часових рядів може застосовуватися до дійснозначних неперервних даних, дискретних числових даних, та дискретних символьних даних (наприклад, послідовностей символів, таких як літери та слова української мови). In statistica descrittiva, una serie storica (o temporale) si definisce come un insieme di variabili casuali ordinate rispetto al tempo, ed esprime la dinamica di un certo fenomeno nel tempo. Le serie storiche vengono studiate sia per interpretare un fenomeno, individuando componenti di trend, di ciclicità, di stagionalità e/o di accidentalità, sia per prevedere il suo andamento futuro. Una serie temporal o cronológica es una sucesión de datos medidos en determinados momentos y ordenados cronológicamente. Los datos pueden estar espaciados a intervalos iguales (como la temperatura en un observatorio meteorológico en días sucesivos al mediodía) o desiguales (como el peso de una persona en sucesivas mediciones en el consultorio médico, la farmacia, etc.). Para el análisis de las series temporales se usan métodos que ayudan a interpretarlas y que permiten extraer información representativa sobre las relaciones subyacentes entre los datos de la serie o de diversas series y que permiten en diferente medida y con distinta confianza extrapolar o interpolar los datos y así predecir el comportamiento de la serie en momentos no observados, sean en el futuro (extrapolación pronóstica), en el pasado (extrapolación retrógrada) o en momentos intermedios (interpolación). Uno de los usos más habituales de las series de datos temporales es su análisis para predicción y pronóstico (así se hace por ejemplo con los datos climáticos, las acciones de bolsa, o las series de datos demográficos). Resulta difícil imaginar una rama de las ciencias en la que no aparezcan datos que puedan ser considerados como series temporales. Las series temporales se estudian en estadística, procesamiento de señales, econometría y muchas otras áreas. Szereg czasowy – realizacja procesu stochastycznego, którego dziedziną jest czas; to ciąg informacji uporządkowanych w czasie, których pomiary wykonywane są z dokładnym krokiem czasowym. Jeżeli krok nie będzie regularny wtedy mamy do czynienia z szeregiem czasowym rozmytym. Die Zeitreihenanalyse befasst sich in der Statistik mit der inferenzstatistischen Analyse von Zeitreihen und der Vorhersage von Trends (Trendextrapolation) zu ihrer künftigen Entwicklung. Sie ist eine Spezialform der Regressionsanalyse. Μια χρονολογική σειρά είναι μια σειρά σημείων δεδομένων με ευρετηρίαση (είτε εισηγμένη είτε διαγραμμισμένη) με χρονοσειρά. Συχνότερα, μια χρονολογική σειρά είναι μια ακολουθία που λαμβάνεται σε διαδοχικά ισαπέχουσες χρονικές στιγμές. Έτσι είναι μια ακολουθία δεδομένων διακριτού χρόνου. Παραδείγματα χρονολογικών σειρών είναι τα ύψη των παλιρροιών των ωκεανών, οι μετρήσεις των ηλιακών κηλίδων και η ημερήσια τιμή κλεισίματος του Dow Jones Industrial Average . Οι χρονολογικές σειρές παρουσιάζονται πολύ συχνά μέσω γραφημάτων γραμμών. Οι χρονολογικές σειρές χρησιμοποιούνται στην στατιστική, στην επεξεργασία σήματος, στην αναγνώριση μοτίβων, στην οικονομετρία, στα μαθηματικά οικονομικών, στην πρόγνωση καιρού, στην σεισμική πρόβλεψη, στο ηλεκτροεγκεφαλογράφημα, στη μηχανική ελέγχου, στην αστρονομία, στην μηχανική επικοινωνιών και σε μεγάλο βαθμό σε οποιοδήποτε τομέα των εφαρμοσμένων επιστημών και της μηχανικής που περιλαμβάνει χρονικές μετρήσεις. Η ανάλυση χρονολογικών σειρών περιλαμβάνει μεθόδους για την ανάλυση δεδομένων χρονοσειρών προκειμένου να εξαχθούν σημαντικά στατιστικά στοιχεία και άλλα χαρακτηριστικά των δεδομένων. Η πρόβλεψη χρονολογικών σειρών είναι η χρήση ενός μοντέλου για την πρόβλεψη μελλοντικών τιμών βάσει προηγούμενων τιμών. Ενώ η ανάλυση παλινδρόμησης χρησιμοποιείται συχνά με τέτοιο τρόπο ώστε να ελέγχει τις θεωρίες που υποστηρίζουν ότι οι τρέχουσες τιμές μιας ή περισσότερων ανεξάρτητων χρονοσειρών επηρεάζουν την τρέχουσα τιμή μιας άλλης χρονοσειράς, αυτός ο τύπος ανάλυσης των χρονοσειρών δεν ονομάζεται "ανάλυση χρονοσειρών", η οποία επικεντρώνεται στη σύγκριση τιμών μιας μόνο χρονοσειράς ή πολλαπλών εξαρτημένων χρονοσειρών σε διαφορετικά χρονικά σημεία. Η ανάλυση των είναι η ανάλυση των παρεμβάσεων σε μία μόνο χρονολογική σειρά. Τα δεδομένα των χρονοσειρών έχουν μια φυσική χρονική διάταξη. Αυτό κάνει την ανάλυση των χρονολογικών σειρών διακριτή από , στις οποίες δεν υπάρχει φυσική διάταξη των παρατηρήσεων (π.χ. η επεξήγηση των μισθών των ανθρώπων σε σχέση με τα αντίστοιχα επίπεδα εκπαίδευσης, όπου τα δεδομένα των ατόμων θα μπορούσαν να εισαχθούν με οποιαδήποτε σειρά). Η ανάλυση χρονολογικών σειρών διακρίνεται επίσης από την ανάλυση χωρικών δεδομένων, όπου οι παρατηρήσεις σχετίζονται συνήθως με γεωγραφικές τοποθεσίες (π.χ. τα λογιστικά δεδομένα για τις τιμές των κατοικιών με βάση τη τοποθεσία καθώς και τα εγγενή χαρακτηριστικά των κατοικιών). Ένα στοχαστικό μοντέλο για μια χρονολογική σειρά θα αντικατοπτρίζει γενικά το γεγονός ότι οι παρατηρήσεις που βρίσκονται κοντά στο χρόνο θα είναι πιο στενά συνδεδεμένες από τις παρατηρήσεις που διαχωρίζονται περαιτέρω. Επιπλέον, τα μοντέλα χρονολογικών σειρών θα χρησιμοποιούν συχνά τη φυσική μονόδρομη διάταξη του χρόνου, έτσι ώστε οι τιμές για μια δεδομένη περίοδο να εκφράζονται σαν να προέρχονται κατά κάποιο τρόπο από προηγούμενες τιμές και όχι από μελλοντικές τιμές (βλέπε αναστρεψιμότητα χρόνου). Η ανάλυση της χρονοσειράς μπορεί να εφαρμοστεί σε πραγματικά, αξιόπιστα και συνεχή δεδομένα, διακεκριμένα αριθμητικά δεδομένα ή διακριτά συμβολικά δεδομένα (δηλαδή αλληλουχίες χαρακτήρων, όπως γράμματα και λέξεις στην αγγλική γλώσσα). Dalam statistika dan pemrosesan sinyal, deret waktu adalah rangkaian data yang berupa nilai pengamatan (pengamatan) yang diukur selama kurun waktu tertentu, berdasarkan waktu dengan interval yang sama. Beberapa Contoh data deret waktu adalah produksi total tahunan produk pertanian indonesia, harga penutupan harisan sebuah saham di pasar modal untuk kurun waktu satu bulan, suhu udara per jam, dan penjualan total bulanan sebuah pasar swalayan dalam waktu satu tahun. Analisis deret waktu (Bahasa Inggris: time series analysis) merupakan metode yang mepelajari deret waktu, baik dari segi teori yang menaunginya maupun untuk membuat peramalan. Prediksi / Peramalan deret waktu adalah penggunaan model untuk memprediksi nilai pada waktu mendatang berdasar peristiwa yang telah terjadi. Di dunia bisnis, data deret waktu digunakan sebagai bahan acuan pembuatan keputusan sekarang, untuk proyeksi, maupun untuk perencanaan pada masa depan. Contoh penggunaannya adalah pada harga pembukaan harga saham di bursa efek berdasar performa sebelumnya. Estatistikan, denbora-segida, datu-serie kronologikoa edo serie kronologikoa aldagai bati buruz jasotako datu multzoa da, denboran zehar kokaturiko une ezberdinetan, gehienetan era erregularrean (egunero, urtero, ...). Adibidez, toki bateko eguneroko tenperatura maximoa, hilabeteroko auto salmenta eta haur baten urteroko garaiera denbora serie ezberdinak dira. Denbora serie bat gehienetan beste edozein datu multzo bezala ikertzerik badago ere, denbora serie bat aztertzeko helburu bereziak daude: denbora seriearen bilakaera azaltzen duen egitura aztertzea eta denbora serieko aldagaiari buruz aurresanak egitea. Bi helburu hauek betetzeko, denbora seriea aztertzen duten ereduak eratu behar izaten dira. Denbora serieetarako ereduak aldagaiak une jakin batean hartzen duen balioa iragan gertuko uneetako balioekin loturik dagoela ezarri ohi dute aurretik. 时间序列（英語：time series）是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值（如1秒，5分钟，12小时，7天，1年），因此时间序列可以作为离散时间数据进行分析处理。时间序列广泛应用于数理统计、信号处理、模式识别、计量经济学、数学金融、天气预报、地震预测、脑电图、控制工程、航空学、通信工程以及绝大多数涉及到时间数据测量的应用科学与工程学。 Une série temporelle, ou série chronologique, est une suite de valeurs numériques représentant l'évolution d'une quantité spécifique au cours du temps. De telles suites de variables aléatoires peuvent être exprimées mathématiquement afin d'en analyser le comportement, généralement pour comprendre son évolution passée et pour en prévoir le comportement futur. Une telle transposition mathématique utilise le plus souvent des concepts de probabilités et de statistique.
gold:hypernym
dbr:Sequence
skos:closeMatch
n37:time-series
prov:wasDerivedFrom
wikipedia-en:Time_series?oldid=1111897773&ns=0
dbo:wikiPageLength
38323
dcterms:isPartOf
n52:target
foaf:isPrimaryTopicOf
wikipedia-en:Time_series