Serie temporal
En estatística e procesamento do sinal, unha serie temporal é a secuencia de datos, medidos normalmente en tempos consecutivos, e espazados a intervalos uniformes de tempo. A análise de series temporais comprende métodos que intentan comprender as ditas series de tempo, a miúdo para comprender a teoría que rexe os puntos de datos, ou para facer predicións. A predición de series temporais é o uso do modelo para predicir eventos futuros baseados no coñecemento de eventos pasados: predicir futuros datos antes de ser medidos. O exemplo típico é o prezo de apertura dunha acción baseándose no seu comportamento pasado.
Os modelos para as series temporais poden ter moitas formas. Dúas clases de importancia práctica son os modelos de media móbil (MA en inglés), e os modelos autoregresivos (AR en inglés). Estes dous casos dependen dos datos pasados de xeito lineal. A combinación de ambos modelos dá lugar a un modelo autorregresivo de media móbil (ARMA). A dependencia non lineal de datos pasados é de interese pola posibilidade de producir unha serie temporal caótica.
Úsanse diferentes notacións para a análise de series temporais
é a notación común que especifica a serie temporal X que está indexada polos números naturais.
As ferramentas para investigar datos de series temporais inclúen:
- Consideracións da función de autocorrelación e a función de densidade espectral.
- Realización da Transformada de Fourier para investigar a serie no dominio da frecuencia.
- Uso dun filtro para borrar ruído non desexado.
- Redes neuronais artificiais.
- Técnicas de análise de tempo-frecuencia:
- Análise de caos.