私たちの仕事では、「時系列」などの概念に出くわすことがよくあります。この定義はずっと前に造られました。そして、人々が現象と時間という2つの意味を持つ何かについてのデータを記録し始めたとき。時系列の最も古典的な説明は、1年または数年にわたる温度の記録です。
ただし、行自体は、必要なものを何も含まない情報のコレクションにすぎません。さらに、たとえば、Y軸の時間値と、X軸のデジタル形式で最初に記録またはフォーマットされた読み取り値を使用してこのシリーズをプロットすると、次のことがわかります。いくつかのシーケンス。
気温チャートの場合、日は夜よりも暖かく、冬は夏よりも寒いです。そして、この方法で分析できるデータが多ければ多いほど、いくつかのパターンが強調され、将来何が待ち受けているかをより正確に予測できます。
人々は過去にも同じように考え、タイムラインを扱うプロセスを3つの段階に分けました。データの収集、時系列の分析、次の値の予測です。
しかし、時系列は監査で何に使用できますか?全てにおいて!
– . – . – ! ( — , )
, . , , .
– .
: .
- :
. – .
, 200? 10 , ?
, . :
;
.
, - , — .
, — . - , . , ?
:
— ,
— ,
,
— ,
— — — ,
DF — GLS,
.
— , statsmodels python. (statsmodels pandas), , . :
:
:
(H0): , , ( ).
(H1): , , . , , .
p -values .
p -values — ( ).
p –values 5%, , , , , , .
, , – .
, , , .
, .