در علوم مختلف، به یک توالی یا دنباله از متغیرهای تصادفی که در فاصله های زمانی ثابت نمونه برداری شده باشند، اصطلاحاً سری زمانی یا پیشامد تصادفی در مقطع زمان میگویند. به عبارت دیگر منظور از یک سری زمانی مجموعهای از دادههای آماری است که در فواصل زمانی مساوی و منظمی جمعآوری شده باشند. روشهای آماری که این گونه دادههای آماری را مورد استفاده قرار میدهد مدل های تحلیل سری زمانی نامیده میشود. مانند فروش فصلی یک شرکت طی سه سال گذشته. یک سری زمانی مجموعهٔ مشاهدات تصادفی ای است که بر اساس زمان مرتب شده باشند. مثالهای آن در اقتصاد و حتی رشتههای مهندسی دیده میشود.
روشهای تحلیل سری زمانی به دو دسته تقسیم میشوند: روشهای دامنه فرکانس و روشهای دامنه زمان. دسته اول شامل تحلیل طیفی و تحلیل موجک و دسته دوم شامل تحلیلهای خودهمبستگی و همبستگی متقابلاست.
افزون بر این میتوان روشهای تحلیل سری زمانی را به دو دسته پارامتری و ناپارامتری تقسیم کرد. در روشهای پارامتری چنین انگاشته میشود که فرایند مانای احتمالاتی مربوطه دارای ساختاری مشخص است که میتوان آن را با تعداد اندکی پارامتر (از جمله با استفاده از مدل خودهمبسته یا میانگین متحرک) توصیف کرد. در این روشها هدف تخمین پارامترهای مدلی است که فرایند احتمالاتی را توصیف میکند. در مقابل، روشهای ناپارامتری صریحاًکوواریانس یا طیف فرایند را بدون در نظر گرفتن ساختاری مشخص برای آن تخمین میزنند. همچنین میتوان روشهای تحلیل سری زمانی را به دستهٔ روشهای خطی و ناخطی یا روشهای تکمتغیره و چندمتغیره تقسیم کرد.
فهرست مطالب:
رسم نمودار سری زمانی
تبدیل ها
پایدار کردن واریانس
جمعی کردن اثرهای فصلی
سه الگوی فصلی
برازش منحنی
صافی کردن
عملگر پسرو و تفاضلی کردن
حذف تغییرات فصلی
خودهمبستگی
ضریب خودهمبستگی
همبستگی نگار
سری تصادفی
همبستگی کوتاه مدت
سری متناوب
سری نامانا
به همراه مثال های حل شده.