什么是时间序列图？
来源:教育资源网
•
发布时间:2020-12-03 07:59:19
•
点击:497
您可能要考虑的数据的一个特征是时间。识别此顺序并随时间推移显示变量值变化的图称为时间序列图。
假设你想研究一个地区的整个月的气候。每天中午你都会注意到温度并将其记录下来。可以使用这些数据进行各种统计研究。您可以找到该月的平均值或中值温度。您可以构建一个直方图，显示温度达到一定值范围的天数。但是所有这些方法都忽略了您收集的一部分数据。
由于每个日期都与当天的温度读数配对，因此不必将数据视为随机数据。相反，您可以使用给出的时间对数据施加时间顺序。
构造时间序列图
要构建时间序列图，您必须查看配对数据集的两个部分。从标准笛卡尔坐标系开始。横轴用于绘制日期或时间增量，纵轴用于绘制要测量的值变量。通过这样做，图上的每个点对应于日期和测量数量。图上的点通常按照它们出现的顺序通过直线连接。
使用时间序列图
时间序列图是各种统计应用中的重要工具。当长时间记录相同变量的值时，有时很难辨别任何趋势或模式。但是，一旦以图形方式显示相同的数据点，某些功能就会跳出。时间序列图使趋势易于发现。这些趋势很重要，因为它们可以用来预测未来。
除了趋势，天气，商业模式甚至昆虫种群呈现周期性模式。正在研究的变量没有表现出持续的增加或减少，而健康素养知识是根据一年中的时间上下。这种增加和减少的循环可能会***地持续下去。这些周期性模式也很容易用时间序列图来查看。
时间序列图
的一个例子您可以使用下表中的数据集来构建时间序列图。数据来自美国人口普查局，并报告1900年至2000年的美国常住人口。横轴测量以年为单位的时间，纵轴表示美国的人数。该图显示人口稳定增长，大致为一条直线。然后在婴儿繁荣期间，线的斜率变得更加陡峭。
美国人口数据1900-2000
| Year | 人口 |
| 1900 | 68 76094000 69|
| 1901 | 77584000 |
| 1902 | 79163000 |
| 1903 | 86 80632000 87|
| 1904 | 82166000 |
| 1905 | 98 83822000 99|
| 1906 | 85450000 |
| 1907 | 87008000 |
| 1908 | 88710000 |
| 1909 | 90490000 |
| 1910 | 92407000 |
| 1911 | 93863000 |
| 1912 | 140 95335000 141|
| 1913 | 97225000 |
| 1914 | 99111000 |
| 1915 | 100546000 |
| 1916 | 101961000 |
| 1917 | 103268000 |
| 1918 | 103208000 |
| 1919 | 104514000 |
| 1920 | 188106461000 189|
| 1921 | 108538000 |
| 110049000 | |
| 1923 | 111947000 |
| 1924 | 114109000 |
| 1925 | 115829000 |
| 1926 | 117397000 |
| 1927 | 119035000 |
| 1928 | 120509000 |
| 1929 | 121767000 |
| 1930 | 123077000 |
| 1931 | 12404000 |
| 1932 | 12484000 |
| 1933 | 125579000 |
| 1934 | 126374000 |
| 1935 | 12725000 |
| 1936 | 128053000 |
| 1937 | 128825000 |
| 1938 | 129825000 |
| 1939 | 13088000 |
| 131954000 | 1941 | 133121000 |
| 13392000 | |
| 1943 | 134245000 |
| 1944 | 132885000 |
| 132481000 | |
| 1946 | 140054000 |
| 1947 | 143446000 |
| 1948 | 146093000 |
| 1949 | 148665000 |
| 1950 | 151868000 |
| 1951 | 153982000 |
| 1952 | 156393000 |
| 1953 | 158956000 |
| 1954 | 161884000 |
| 1955 | 165069000 |
| 1956 | 168088000 |
| 1957 | 171187000 |
| 1958 | 174149000 |
| 1959 | 177135000 |
| 1960 | 179979000 |
| 1961 | 182992000 |
| 1962 | 185771000 |
| 1963 | 188483000 |
| 1964 | 452 191141000 453|
| 1965 | 193526000 |
| 1966 | 195576000 |
| 1967 | 197457000 |
| 1968 | 199399000 |
| 1969 | 201385000 |
| 1970 | 203984000 |
| 1971 | 206827000 |
| 1972 | 209284000 |
| 1973 | 211357000 |
| 1974 | 213342000 |
| 1975 | 215465000 |
| 1976 | 217563000 |
| 1977 | 21976000 |
| 1978 | 222095000 |
| 1979 | 224567000 |
| 1980 | 22722500 |
| 1981 | 229466000 |
| 1982 | 231664000 |
| 1983 | 566233792000 567|
| 1984 | 235825000 |
| 1985 | 237924000 |
| 1986 | 240133000 |
| 1987 | 242289000 |
| 1988 | 244499000 |
| 1989 | 602246819000 603|
| 249623000 | |
| 1991 | 252981000 |
| 1992 | 256514000 |
| 1993 | 259919000 |
| 1994 | 263126000 |
| 1995 | 266278000 |
| 1996 | 269394000 |
| 1997 | 272647000 |
| 1998 | 275854000 |
| 1999 | 279040000 |
| 2000 | 282224000 |
![[基本常识]统计中的参数和非参数方法](http://www.49vv.net/d/file/p/2020/12-05/small8b9b5dc9ab8cbe53679fd0bdf05733fb1607126409.jpg)