سری زمانی چیست : 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 ای 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 مجموعه مشاهدات تصادفی ای است که بر اساس زمان مرتب شده باشند. مثال‌های آن در اقتصاد و حتی رشته‌های مهندسی دیده می‌شود.
سری زمانی مجموعه ای از نقاط داده یا مشاهدات ثبت شده در بازه های زمانی مشخص است. این فواصل می توانند منظم (به عنوان مثال، روزانه، ساعتی) یا نامنظم باشند و نقاط داده معمولاً به ترتیب زمانی جمع آوری می شوند. داده‌های سری زمانی معمولاً در زمینه‌های مختلفی مانند مالی، اقتصاد، علوم محیطی، مهندسی و غیره برای تجزیه و تحلیل الگوها، روندها و رفتارهایی که در طول زمان تغییر می‌کنند استفاده می‌شوند.
داده های سری زمانی می توانند تک متغیره باشند، که در آن تنها یک متغیر در هر نقطه زمانی مشاهده می شود، یا چند متغیره، که در آن چندین متغیر به طور همزمان در هر نقطه زمانی مشاهده می شوند. نمونه‌هایی از داده‌های سری زمانی شامل قیمت سهام، اندازه‌گیری دما، ارقام فروش و انواع دیگر قرائت‌های حسگر است.
تجزیه و تحلیل داده های سری زمانی اغلب شامل تکنیک هایی مانند تحلیل روند، تجزیه فصلی، پیش بینی و تشخیص ناهنجاری است. این تحلیل‌ها می‌توانند بینش‌هایی در مورد الگوهای اساسی، نوسانات و رفتارهای داده‌ها در طول زمان ارائه دهند و به تصمیم‌گیری‌ها و پیش‌بینی‌های آگاهانه کمک کنند.
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 متقابل است.
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 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 صریحاً کوواریانس 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 غیر خطی یا روش‌های تک‌متغیره و چندمتغیره تقسیم کرد
تحلیل سری زمانی، در دهه‌های اخیر بسیاری از محققین را به سوی خود جذب کرده است. هدف اصلی در تحلیل سری زمانی در مورد یک پدیده، ایجاد یک مدل آماری برای داده‌های وابسته به زمان براساس اطلاعات گذشته آن پدیده است. با این کار امکان پیش‌بینی در مورد آینده پدیده مورد بحث میسر می‌شود. به بیان دیگر تحلیل سری زمانی، ایجاد مدلی گذشته‌نگر است تا امکان تصمیمات آینده‌نگر را فراهم سازد.
ایجاد و به کارگیری مدل‌های آماری و تصادفی در قالب تحلیل سری زمانی، امروزه به کمک رایانه‌های پرسرعت، بسیار فراگیر شده و حاصل آن مدل‌هایی است که با داشتن پارامترهای بسیار انعطاف‌پذیر، می‌توانند آینده را برای هر پدیده‌ای (در صورت وجود داده‌های مناسب در گذشته) پیش‌بینی کنند. کاربردهای تحلیل سری‌های زمانی، در زمینه‌های مختلف نظیر، کسب و کار، امور مالی، بورس، مهندسی و … دیده می‌شود.
جهت دانلود مقاله همبستگی در سری‌های زمانی کلیک کنید .
(سری زمانی چیست )
سری زمانی در اقتصاد، مانند قیمت سهام در روزهای متوالی، صادرات در ماه‌های متوالی، متوسط درآمد در ماه‌های متوالی …
سری زمانی فیزیک، بویژه در علوم مربوط به آثار جوی، علوم دریایی، فیزیک زمین (ژئو فیزیک).
سری‌های زمانی بازاریابی، تجزیه و تحلیل ارقام فروش در هفته یا ماه‌ها متوالی یک مسئلهٔ مهم در تجارت است.
سری‌های زمانی جمعیت نگاری، اندازه‌گیری سالانهٔ جمعیت با هدف پیش بینی تغییرات جمعیت در مدت زمان ده تا بیست سال آینده.
فرایندهای دوتایی، سری‌هایی که مشاهدات یکی از دو مقدار که معمولاً با ۰ و ۱ نشان می‌دهند را اختیار کند، که بخصوص در نظریه ارتباطات اتفاق می‌افتد را فرایند دوتایی می‌نامند.
فرایندهای نقطه ای، نوعی سری زمانی که پیشامدهای رخداده به طور تصادفی در زمان رخداده، زمان‌های رخ دادن تصادفات قطارها.
سری پیوسته، سری‌های که مشاهدات به طور پیوسته در زمان ایجاد می‌شوند (حتی اگر مقادیر گسسته‌ای اختیار کنند)
سری گسسته، سری که مشاهدات در زمان‌های معین و معمولاً در فاصله‌های مساوی رخ می‌دهند.
می‌توان اهداف را به صورت زیر رده‌بندی کرد:
توصیف
تشریح
پیش بینی
کنترل
تطویل سری زمانی کوتاه مدت به بلند مدت(data generation)
هر کدام نیاز به تشریح دارد.
موضوعات مرتبط
فرایند تصادفی
نظام‌الدین فقیه، پیش بینی مصرف انرژی با سری‌های زمانی ۹۷۸-۹۶۴-۹۹۹۸-۳۸-۱:شابک[۱][۲]
اداره کل آینده پژوهی سازمان نظام روانشناسی ایران
نظام‌الدین فقیه، هوش مصنوعی در پیش بینی ایست خط تولید (کاربرد شبکه‌های عصبی مصنوعی) ۹۶۴-۷۲۱۰-۸۸-۴:شابک[۳]
جهت دانلود مقاله همبستگی در سری‌های زمانی کلیک کنید . (سری زمانی چیست)
مطلب آموزشی بالا مربوط به اهداف تجزیه وتحلیل سری‌های زمانی است که در سایت یونی تحلیل آن را در اختیار شما پژوهشگر عزیز قرار داده ایم.
سری زمانی چیست