時系列データベースとは何ですか？

多数のセンサー、テレメトリデバイス、およびその他のオンラインデータ収集ツールの展開が進むにつれ、時系列データの量は急速に増加しており、多くの場合、1日あたりギガバイト（株取引など）または1分あたり（株取引など）のオーダーになっています。 NASA宇宙プログラムなどから）。

たとえば、株式市場の株式の1日の終値を表す、変数Yを含む時系列は、時間tの関数、つまりY =F（t）と見なすことができます。傾向分析には、時系列データを特徴とする次の4つの主要な要素または動きが含まれます-

トレンドまたは長期的な動き −これらは、時系列グラフが長い時間間隔で移動する一般的な方向を示します。この動きは、トレンドカーブまたはトレンドラインで表示されます。たとえば、トレンド曲線は破線の曲線で示されます。傾向曲線または傾向線を決定するための一般的な方法には、後で説明する加重移動平均法と最小二乗法があります。

周期的な動きまたは周期的な変化 −これらは、周期、つまり、周期的である場合とそうでない場合がある傾向線または曲線の周りの長期振動を指します。つまり、サイクルは、等間隔の後、必ずしも正確に類似したパターンに従う必要はありません。

季節変動または季節変動 −これらは体系的またはカレンダー関連です。例としては、バレンタインデーの前にチョコレートや花の売り上げが急増したり、クリスマスの前にデパートの商品が急増したりするなど、毎年繰り返されるイベントがあります。温暖な気候のために夏に観察された水の消費量の増加は別の例です。これらの例では、季節の動きは、時系列が連続する年の対応する月の間に続くように見える同一またはほぼ同一のパターンです。

不規則またはランダムな動き −これらは、労働争議、洪水、企業内での人事異動の発表など、ランダムまたは偶然の出来事による時系列の散発的な動きを特徴づけます。