什么是時(shí)間序列圖?
您可能要考慮的數(shù)據(jù)的一個(gè)特征是時(shí)間。識(shí)別此順序并隨時(shí)間推移顯示變量值變化的圖稱(chēng)為時(shí)間序列圖。
假設(shè)你想研究一個(gè)地區(qū)的整個(gè)月的氣候。每天中午你都會(huì)注意到溫度并將其記錄下來(lái)??梢允褂眠@些數(shù)據(jù)進(jìn)行各種統(tǒng)計(jì)研究。您可以找到該月的平均值或中值溫度。您可以構(gòu)建一個(gè)直方圖,顯示溫度達(dá)到一定值范圍的天數(shù)。但是所有這些方法都忽略了您收集的一部分?jǐn)?shù)據(jù)。
由于每個(gè)日期都與當(dāng)天的溫度讀數(shù)配對(duì),因此不必將數(shù)據(jù)視為隨機(jī)數(shù)據(jù)。相反,您可以使用給出的時(shí)間對(duì)數(shù)據(jù)施加時(shí)間順序。
構(gòu)造時(shí)間序列圖
要構(gòu)建時(shí)間序列圖,您必須查看配對(duì)數(shù)據(jù)集的兩個(gè)部分。從標(biāo)準(zhǔn)笛卡爾坐標(biāo)系開(kāi)始。橫軸用于繪制日期或時(shí)間增量,縱軸用于繪制要測(cè)量的值變量。通過(guò)這樣做,圖上的每個(gè)點(diǎn)對(duì)應(yīng)于日期和測(cè)量數(shù)量。圖上的點(diǎn)通常按照它們出現(xiàn)的順序通過(guò)直線(xiàn)連接。
使用時(shí)間序列圖
時(shí)間序列圖是各種統(tǒng)計(jì)應(yīng)用中的重要工具。當(dāng)長(zhǎng)時(shí)間記錄相同變量的值時(shí),有時(shí)很難辨別任何趨勢(shì)或模式。但是,一旦以圖形方式顯示相同的數(shù)據(jù)點(diǎn),某些功能就會(huì)跳出。時(shí)間序列圖使趨勢(shì)易于發(fā)現(xiàn)。這些趨勢(shì)很重要,因?yàn)樗鼈兛梢杂脕?lái)預(yù)測(cè)未來(lái)。
除了趨勢(shì),天氣,商業(yè)模式甚至昆蟲(chóng)種群呈現(xiàn)周期性模式。正在研究的變量沒(méi)有表現(xiàn)出持續(xù)的增加或減少,而健康素養(yǎng)知識(shí)是根據(jù)一年中的時(shí)間上下。這種增加和減少的循環(huán)可能會(huì)***地持續(xù)下去。這些周期性模式也很容易用時(shí)間序列圖來(lái)查看。
時(shí)間序列圖
的一個(gè)例子您可以使用下表中的數(shù)據(jù)集來(lái)構(gòu)建時(shí)間序列圖。數(shù)據(jù)來(lái)自美國(guó)人口普查局,并報(bào)告1900年至2000年的美國(guó)常住人口。橫軸測(cè)量以年為單位的時(shí)間,縱軸表示美國(guó)的人數(shù)。該圖顯示人口穩(wěn)定增長(zhǎng),大致為一條直線(xiàn)。然后在嬰兒繁榮期間,線(xiàn)的斜率變得更加陡峭。
美國(guó)人口數(shù)據(jù)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 |