你可能想考虑的一个特征是时间。识别这种顺序并显示变量值随时间变化的图形称为时间序列图。
假设你想研究一个地区整整一个月的气候。每天中午你记下温度并把它写在日志里。利用这些数据可以进行各种统计研究。你可以找到这个月的平均温度或中间温度。您可以构建一个直方图,显示温度达到某个值范围的天数。但所有这些方法都忽略了您收集的部分数据。
由于每个日期都与当天的温度读数配对,因此您不必认为数据是随机的。您可以改为使用给定的时间来对数据施加时间顺序。
要构建时间序列图,必须查看成对数据集的两部分。从标准笛卡尔坐标系开始。横轴用于绘制日期或时间增量,纵轴用于绘制正在测量的变量值。通过这样做,图表上的每个点对应一个日期和一个测量的数量。图上的点通常按出现顺序用直线连接。
时间序列图是统计学各种应用中的重要工具。在长时间内记录同一变量的值时,有时很难识别任何趋势或模式。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,因为它们可以用于预测未来。
除了趋势之外,天气、商业模式甚至昆虫种群都表现出周期性模式。所研究的变量不会持续增加或减少,而是根据一年中的时间而上下波动。这种增加和减少的循环可能会无限期地继续下去。这些循环模式也很容易用时间序列图看到。
您可以使用下表中的数据集构建时间序列图。数据来自美国人口普查局,报告了1900年至2000年的美国常住人口。横轴以年为单位测量时间,纵轴代表美国的人口数量。图表显示人口稳步增长,大致呈直线。在婴儿潮期间,这条线的坡度变得更陡。
1900-2000年美国人口数据
年 | 人口 |
1900 | 76094000 |
1901 | 77584000 |
1902 | 79163000 |
1903 | 80632000 |
1904 | 82166000 |
1905 | 83822000 |
1906 | 85450000 |
1907 | 87008000 |
1908 | 88710000 |
1909 | 90490000 |
1910 | 92407000 |
1911 | 93863000 |
1912 | 95335000 |
1913 | 97225000 |
1914 | 99111000 |
1915 | 100546000 |
1916 | 101961000 |
1917 | 103268000 |
1918 | 103208000 |
1919 | 104514000 |
1920 | 106461000 |
1921 | 108538000 |
1922 | 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 |
1940 | 131954000 |
1941 | 133121000 |
1942 | 13392000 |
1943 | 134245000 |
1944 | 132885000 |
1945 | 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 | 191141000 |
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 | 227225000 |
1981 | 229466000 |
1982 | 231664000 |
1983 | 233792000 |
1984 | 235825000 |
1985 | 237924000 |
1986 | 240133000 |
1987 | 242289000 |
1988 | 244499000 |
1989 | 246819000 |
1990 | 249623000 |
1991 | 252981000 |
1992 | 256514000 |
1993 | 259919000 |
1994 | 263126000 |
1995 | 266278000 |
1996 | 269394000 |
1997 | 272647000 |
1998 | 275854000 |
1999 | 279040000 |
2000 | 282224000 |
...据,而截面数据的差异主要集中在同一时间点上。此外,时间序列数据包含单个受试者在多个时间间隔内的观察值,而横截面数据则包含多个受试者在同一时间点的观测值。 统计、计量经济学等领域收集数据并加以分析。数据...
...的重要性。它还包括这两种数据结构之间的关键区别。 什么是数据结构中的树(a tree in data structure)? 所有的数据项都是以一个非序列的形式排列的。树定义了一组有限的数据项。每个数据项称为节点。有一个特殊的父节点,也...
时间序列和面板数据的关键区别在于,时间序列在多个时间间隔内关注单个个体,而面板数据(或纵向数据)关注多个时间间隔的多个个体。为了清楚地理解时间序列和面板数据之间的区别,可以考虑以下两个例子:一个人...
...状图是柱状图的一种特殊派生形式。 柱状图和柱状图有什么区别? •条形图是两个轴内数据的图形表示,使用矩形表示变量的大小。矩形的长度表示在考虑的情况下变量的值。 img.centered,.aligncenter{display:block;margin:0 auto 24px}.g...
图形与树 对于要研究不同数据结构的人来说,“graph”和“tree”可能会引起一些混淆。毫无疑问,图和树之间有一些区别。图是一组具有二元关系的顶点。包含一组相互连接的节点的数据结构称为树。 在数学研究中,树是无...
Linear Momentum ( ) of a body is defined as the product of the body’s mass and velocity. 线性动量是一个矢量,既有量值又有方向。动量向量的方向是物体的速度方向。测量动量的国际单位制是千克米秒一。 动量是一个非常有用的计算...
...阻抗时,而并联谐振发生在元件排列产生最大阻抗时。 什么是串联谐振(series resonance)? 在上一篇关于阻抗和电阻之间的差异的文章中,我们研究了一个串联RLC电路。在这里,我们分析了以下电路: An AC circuit containing a resistor, a...
...距离,而周期是在给定点上发生完全振荡所需的时间。 什么是波长(wavelength)? 波由振荡组成。如果你上下摆动绳子的一端,如下图所示,“摆动”沿着绳子移动。为了沿着绳子传输摆动,绳子上的每个粒子都应该上下移动。例...
...因此,在物理学中,速度是一个非常重要和常用的量。 什么是速度(speed)? 速度是移动物体的距离变化率。它不包含方向分量,因为它是标量。速度只是一个单位的数值。测量速度的国际标准单位是ms-1。如果已知物体的行驶距...
...力学的速率不取决于反应物的浓度。 覆盖的关键领域 1.什么是一级动力学-定义、性质、示例2.什么是零级动力学-定义、性质、示例3.一级动力学和零级动力学之间的区别是什么-关键区别的比较 Key Terms: Concentration, First Order Kinetic...