Day57

 

作业：检索下经典的时序单变量数据集有哪些，选择一个尝试观察其性质。

经典的时序单变量数据集有很多，以下是一些常见的介绍：

• Airline Passengers（国际航空客运量）：记录了1949年1月至1960年12月的月度国际航空乘客数量，单位为千人，共144个观测值。数据具有显著的长期增长趋势和12个月的季节性波动，是验证趋势-季节性模型（如ARIMA、SARIMA）的标准案例。

• Nile River Flow（尼罗河年流量）：包含1871年至1970年的年流量记录，共100个观测值，可用于研究水文时间序列的周期性和突变点。

• Sunspots（太阳黑子数）：涵盖1700年至2020年的太阳黑子月度计数，周期约11年，常用于验证周期性模型和非线性动力学分析。

• CO2 Concentration（大气二氧化碳浓度）：来源于夏威夷莫纳罗亚天文台的月度测量数据（1958年至今），包含显著的上升趋势和季节性波动，是气候变化研究的典型案例。

• Mackey - Glass Time Series：由混沌系统生成的模拟数据，用于测试非线性预测模型的鲁棒性。

以下选择Airline Passengers数据集观察其性质：

• 趋势性：随着时间推移，乘客数量有非常明显的线性增长趋势，从1949年的约112千人增长到1960年的约562千人。

• 季节性：每年都有固定模式，夏季（6-8月）是高峰，冬季是低谷，呈现出显著的季节性波动。

• 异方差性：越到后期，季节性波动的幅度越大，即数据的方差随着时间变化而变化，具有异方差性。