概述
01 解决什么问题
在社会活动中经常可见按照时间顺序记录下来的随机事件观察值，例如每年死亡人数序列，每年糖尿病发病人数序列，医院门诊每日诊治病例数序列。这类数据的特性是相邻时间点的观察值之间具有明显的相关性，这一特性不同于独立随机观察资料，因而不能用通常以独立随机观察为假定条件的统计方法分析，而要采用时间序列分析方法分析。
先来看一个时间序列的例子。收集了某市2007年1月1日至2009年12月31日的大气中颗粒物PM的每日测定值。从图可见，该市空气中颗粒物PM10含量的日平均值变化特点是：年初和年末的平均浓度较高，夏秋季的平均浓度较低。
02 时间序列资料的影响因素
一个时间序列资料通常可以分解为确定性部分和随机部分。确定性部分又可进一步分解为趋势部分、循环或周期部分以及季节变动部分。
将上图的时间序列资料分解，形成如下图，可看到：
第一 趋势部分：反应长期的变化趋势，如上升或下降或平稳。下图的看来，虽然有起伏，但总的趋势是平稳的。
最后
以上就是碧蓝小蜜蜂为你收集整理的时间序列的截尾和拖尾_R语言：时间序列(一)的全部内容，希望文章能够帮你解决时间序列的截尾和拖尾_R语言：时间序列(一)所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复