客觀事物隨時間的變化是由多種因素共同作用的結果。按性質和作用，將影響因素歸為四種：
將上述四種因素和時間序列的關係表示出來，構成了時間序列的分解模型。按其對時間序列的影響方式不同，可分解為多種模型，常用的兩種模型是：
1.長期趨勢變動的測定
長期趨勢是時間序列的主要構成要素。
主要方法：
間隔擴大到何種程度需據具體分析情境而定。太大，會掩蓋不同時期發展的差異；太小，不能消除偶然因素的影響。
2.季節變動的測定
季節指數（季節比率），如果沒有季節變動，則各月（季）的季節比率應相等。季節指數高者為旺季，低者為淡季。
據是否排除長期趨勢的影響分為兩種：
3.迴圈變動和不規則變動的測定
???留白上表中趨勢值是據最小二乘法配合的趨勢直線方程y^=
a+bt
\hat=a+bt
y^=a+
bt計算出的理論趨勢值。
AI 08 時間序列分析
一 時間序列預處理 每個統計學問題都需要進行一定的假設，同樣時間序列 也是 一條時間序列裡長期穩定不變的規律，是基本模型 平穩的基本思想 時間序列的行為並不隨時間改變 不常見 嚴平穩 這是一種比較嚴格的定義，認為只有當序列所有的統計性質都不會隨著時間的推移而發生變化時，該序列才能平穩。而在實踐中要獲...
八 時間序列
時間序列 datetime.datetime 2011 02 31 產生乙個datetimeindex物件 pd.datetimeindex 時間範圍 pd.date range start 4 1 2012 periods 20 時間戳 pd.timestamp 2011 03 12 04 20 ...
R入門《二》 時間序列研究
續之前那篇隨筆 前天寫完隨筆後，很自豪的拿出來去跟帶我入資料探勘和sas基礎的大牛 八公炫耀，然後收穫了一堆時間序列的材料，非常感謝大牛！arima就是看圖形，acf和pacf,原理不需要知道，因為軟體已經幫我們解動態方程了 總結下來就是 1 arima關鍵是看圖形，看acf和pacf，公式啥的不一...