T110-01 시계열(Time Series)

시계열(time series)

시계열은 시간순으로 색인화된 일련의 데이터 요소(data points)들 입니다. 즉, 데이터 표의 요소명이 시간이거나 데이터 그래프에서 가로축이 시간인 경우입니다. 시계열은 시간의 동일한 간격의 지점에서 얻어지는 연속된 순서(sequence)입니다. 따라서 이산 시간 데이터의 연속된 순서라고 할 수 있습니다. 시계열의 예로는 조석의 높이, 흑점의 수 및 주가지수의 일일 종가가 있습니다. 시계열은 꺾은 선형 차트를 통해 자주 표시됩니다. 시계열은 통계, 신호처리, 패턴인식, 계량경제학, 수리재무, 기상예측, 지진예측, 뇌파검사, 제어공학, 천문학, 통신공학 및 대부분 측정과 관련된 응용과학 및 공학 분야에 사용됩니다.

시계열분석(Time series analysis)은 의미있는 통계 및 데이터의 특성을 추출하기 위해 시계열데이터를 분석하는 방법입니다. 시계열예측(Time series forecasting)은 이전에 관측된 값을 기반으로 미래가치를 예측하는 모형을 사용합니다.

회귀분석(regression analysis)은 독립적인 시계열의 현재 값이 다른 시계열의 현재 값에 영향을 미친다는 이론의 검정방식으로 종종 사용되지만 이 시계열 유형 분석은 “시계열분석”이라고 하지 않습니다. 이는 서로 다른 시점에서 단일 시계열 또는 다중 종속 시계열의 값을 비교하는 데 초점을 맞춥니다. 교란된 시계열 분석(Interrupted time series)은 단일 시계열에 대한 외란 분석입니다.

시계열 데이터는 자연적으로 시간 순서를 가집니다. 따라서 시계열 분석은 관측의 순서가 없는 횡단면 연구(cross-sectional studies)와 구별됩니다. (예를 들어 개인의 데이터가 임의의 순서로 입력되는 교육수준으로 사람들의 임금을 예측). 시계열 분석은 관측치가 일반적으로 지리적 위치 (예 : 지리적 집값 및  집의 특성)와 관련된 공간 데이터 분석(spatial data analysis)과 구별됩니다.

시계열에 대한 확률론적 모델은 시간적으로 서로 가까운 관측값이 먼 관측값보다 더 밀접하게 관련된다는 사실이 반영되어 있습니다.  시계열 모델은 자연적인 순서를 사용하기 때문에 주어진 시기의 값은 미래 값이 아닌 과거 값에서 구해짐(time reversibility)을 나타냅니다. 시계열 분석은 실수, 연속 데이터, 이산 숫자 데이터 또는 이산 기호 데이터 (예 : 영어의 문자 및 단어의 나열순서)에 적용될 수 있습니다.

 

Reference

Time series – Wikipedia


T110-02 시계열분석(Time series analysis)

시계열분석(time series analysis)

시계열분석(Time series analysis)은 의미있는 통계 및 데이터의 특성을 추출하기 위해 시계열데이터를 분석하는 방법입니다. 시계열예측(Time series forecasting)은 이전에 관측된 값을 기반으로 미래가치를 예측하는 모델을사용합니다. 시계열분석은 실수, 연속 데이터, 이산수치데이터 또는 이산기호데이터 (예 : 영어의 문자 및 단어의 나열순서)에 적용될 수 있습니다. 시계열분석은 관측치가 일반적으로 지리적 위치 (예 : 지리적 집값 및  집의 특성)와 관련된 공간 데이터 분석(spatial data analysis)과 구별됩니다.

회귀분석(regression analysis)은 독립적인 시계열의 현재 값이 다른 시계열의 현재 값에 영향을 미친다는 이론의 검정방식으로 종종 사용되지만 이 시계열 유형 분석은 “시계열분석”이라고 하지 않습니다. 이는 서로 다른 시점에서 단일 시계열 또는 다중 종속 시계열의 값을 비교하는 데 초점을 맞춥니다. 교란된 시계열분석(Interrupted time series)은 단일 시계열에 대한 외란 분석입니다.

시계열은 시간순으로 색인화된 일련의 데이터 요소(data points)들 입니다. 즉, 데이터시트의 요소명이 시간이거나 데이터 그래프에서 가로축이 시간인 경우입니다. 시계열은 시간의 동일한 간격의 지점에서 얻어지는 연속된 순서(sequence)입니다. 따라서 이산 시간 데이터의 연속된 순서라고 할 수 있습니다. 시계열의 예로는 조석의 높이, 흑점의 수 및 주가지수의 일일 종가가 있습니다.

시계열은 꺾은 선형 차트를 통해 자주 표시됩니다. 시계열은 통계, 신호처리, 패턴인식, 계량경제학, 수리재무, 기상예측, 지진예측, 뇌파검사, 제어공학, 천문학, 통신공학 및 대부분 측정과 관련된 응용과학 및 공학 분야에 사용됩니다. 시계열데이터는 자연적으로 시간 순서를 가집니다. 따라서 시계열분석은 관측의 순서가 없는 횡단면 연구(cross-sectional studies)와 구별됩니다. (예를 들어 개인의 데이터가 임의의 순서로 입력되는 교육수준으로 사람들의 임금을 예측).

시계열에 대한 확률론적 모델은 시간적으로 서로 가까운 관측값이 먼 관측값보다 더 밀접하게 관련된다는 사실이 반영되어 있습니다. 시계열모델은 자연적인 순서를 사용하기 때문에 주어진 시기의 값은 미래 값이 아닌 과거 값에서 구해짐( time reversibility)을 나타냅니다.

 

Reference

Time series analysis – Wikipedia