Aikasarjatietoa

Aikasarjatietoa tarkoittaa aikasarjassa havaittuja arvoja, jotka on kerätty peräkkäin ajan mukaan. Tällainen data muodostaa aikasarjan, jossa kutakin aikapistettä t vastaa havainto y_t. Aikasarjoja käytetään kuvaamaan ja ennustamaan ajassa tapahtuvia muutoksia. Tyypillisiä komponentteja ovat trendi (pitkän aikavälin suunta), kausivaihtelu sekä satunnainen jäännös. Aikasarjat voivat olla yksittäisiä (univariate) tai useamman muuttujan sarjoja (multivariate), sekä säännöllisiä että epäsäännöllisiä.

Useimmat sarjat voivat olla ei-stationaarisia, mikä tarkoittaa, että tilastolliset ominaisuudet, kuten keskiarvo tai varianssi, voivat muuttua ajassa. Datan keräämisen ja käsittelyn kannalta tärkeää on määrittää frekvenssi (päivittäin, kuukausittain, tuntikohtainen), puuttuvat arvot ja poikkeamat sekä mittausvirheet. Esikäsittelyyn kuuluvat resamplaus, imputaatio ja trendin tai kausivaihdelun poistaminen tarvittaessa.

Sovellukset ja analyysit: aikasarjatietoa käytetään ennustamiseen, taloudelliseen analyysiin, ilmaston tutkimukseen sekä valvontaan. Yleisimmät menetelmät ovat liikkuva keskiarvo, eksponentiaalinen tasoitus sekä ARIMA-/SARIMA-mallit; tilastolliset tila-systeemimallit sekä ominaisuusperusteiset malliarkkitehtuurit tukevat monimutkaisempia tilanteita. Aikajakauman arvioinnissa käytetään korrelaatiofunktioita (ACF) ja PACF-plotteja.

Esimerkkejä: osakekurssit, säätilat, energiankulutus. Aikasarjatiedon laatu ja oikeanlaisten menetelmien valinta vaikuttavat tulosten luotettavuuteen.