En tidsserie er en sekvens av datapunkter i tid, vanligvis vises som en graf eller diagram. Tidsserier kan analyseres manuelt ved å prøve å skjelne noen meningsfull trend. Et eksempel på en tidsserie er en pasients hjerteslag. Fordi utviklingen av en "sunn" hjerterytme er kjent, kan leger bruke tidsserieanalyse for å sjekke for uregelmessige hjerteslag . Denne typen manuell tidsserieanalyser er bare egnet når det er en ren , støyfritt signal og de underliggende mekanismene som genererer signalet er godt kjent.
Støy og Signal
er Trendanalyse om å identifisere signalet i dataene. Signalet er menings mønster eller trend i dataene. I den virkelige verden er det ofte noen tilfeldige forstyrrelser eller "støy" som skjuler signal. Mange trend estimeringsmetoder er forsøk på å filtrere ut støy og la bak menings signal. Dette signalet kan gi en indikasjon på den fremtidige utviklingen av dataene.
Simple Moving Average
Den enkle glidende gjennomsnitt er en trend estimeringsteknikk egnet for bruk på data som viser regelmessige periodiske endringer. Den enkle glidende gjennomsnitt brukes for å finne ut om det er noen langsiktig trend i data , mens ignorerer de periodiske endringer . Et eksempel kan være salget av et leketøy selskapet . Disse salgene ville tendens til topp hvert år rundt jul, slik at de vil stille ut periodisitet på ett år. For å finne det ( hvis noen) trend eksisterer i det lange løp , ville leketøy selskapet bruke en enkel glidende gjennomsnitt . Gitt et sett med n datapunktene 1,2, ... , n-1 , n k- punktet enkel glidende gjennomsnitt er funnet ved å plotte den midlere gjennomsnitt av hver påfølgende sett av k følgende datapunkter :
( 1,2, ... , k -1, k) /k , ( 2,3, ... , k, k +1) /k , ..., (NK , n (k - 1) , ..., n-1 , n) /k .
Dette gir en mindre, jevnere datasett som viser den langsiktige trenden av dataene og brukes primært til å skjelne langsiktige trender i data mens filtrering ut sesongvariasjoner.
vektet gjennomsnitt
den vektet glidende gjennomsnitt er lik den enkel glidende gjennomsnittet , bortsett fra at den gjennomsnittlige datapunkter hver gitt en vekt som gjenspeiler hvor viktig de antas å være. Bestemmelsen av at vekten er en subjektiv avgjørelse gjort på grunnlag av kunnskap om den siste opptreden av datasettet. En konvensjonell metode for å velge det er mye brukt i finans. I denne konvensjonen, dersom antall datapunkt er " n" da den siste datapunktet er vektet min gange det med n , er den tidligere datapunkt vektes som n - 1 , og så videre helt tilbake til den første data punkt, som er vektet som 1. vektet glidende gjennomsnitt er egnet til å beregne trender når trendene er sannsynlig å være mest påvirket av de nyere bevegelser i dataene. Dette kan gi mer nøyaktige trendestimateri datasett der siste bevegelsen sterkt påvirker påfølgende bevegelser, for eksempel finansmarkedet prisdata.
Eksponentiell glatting Modell
Den eksponentiell glatting modell , også kalt den eksponentielle glidende gjennomsnitt , er en trend estimering teknikk som gjelder vekter som forringes en eksponentiell måte. Den eksponentielle glatting modellen forutsier den neste datapunkti en serie av gitte datapunkter. Dette beregnes ved å multiplisere den sist observerte datapunkt og multiplisere det med en vektleggingskoeffisient alpha , deretter legge dette til (1 - alfa) multiplisert med eksponentiell glatting modell prediksjon for sist observert datapunkt :
ESM = alpha * X + (1 - alfa) * ( ESM -1)
Hvor ESM er spådd neste verdi ved hjelp av den eksponentielle glidende gjennomsnitt , er alfa vektingen konstant, er X den sist observerte dataverdi og ESM - 1 er den eksponensielle glidende gjennomsnitt estimat av den sist observerte datapunkt. Den eksponentiell glatting modellen forsterker virkningen av de siste verdiene på den projiserte trend estimering. Den brukes i situasjoner der de siste bevegelsene i datasettet er betydelig viktigere enn tidligere bevegelser.