Video: The Internet of Things by James Whittaker of Microsoft 2024
För tidsseriedata är det viktigt att veta om observationerna fortsätter att ha samma medelvärde över tiden och om variansen av data förändras över tiden.
Många statistiska tester och prognostekniker beror på detta antagande.
Figuren visar en tidsserie av ExxonMobils dagliga avkastning under 2013.
Diagrammet visar att observationerna tycks ligga runt noll när tiden går. Detta indikerar att medelvärdet inte förändras över tiden. Om medelvärdet stod över tiden skulle punkterna i diagrammet tendera att växla upp; om medelvärdet föll över tiden, skulle punkterna i diagrammet tendera att gå ner.
För tidsseriedata är det också viktigt att veta om variansen i data förändras över tiden. Figuren visar att när tiden går, växer spridningen mellan observationerna stadigt. (Dvs, data sprids mer när tiden förflutit.) Detta indikerar att variansen (såväl som standardavvikelsen) ökar över tiden.
Om variansen ändras över tiden kan det orsaka allvarliga problem för många statistiska tekniker. Lyckligtvis finns det tillgängliga metoder som kan korrigera för detta problem.
Situationen där variationen inte är konstant över tid har ett mycket skrämmande namn i ekonometri: heteroscedasticitet. Att uttala detta ord är inte lätt!
