Time series data often arise when m

Time series data often arise when monitoring industrial processes or tracking corporate business metrics. The essential difference between modeling data via time series methods or using the process monitoring methods discussed earlier in this chapter is the following:
Time series analysis accounts for the fact that data points taken over time may have an internal structure (such as autocorrelation, trend or seasonal variation) that should be accounted for.
This section will give a brief overview of some of the more widely used techniques in the rich and rapidly growing field of time series modeling and analysis.

ผลลัพธ์ (ไทย) 1:

ข้อมูลอนุกรมเวลามักจะเกิดขึ้นเมื่อการตรวจสอบติดตามวัดผลองค์กรธุรกิจหรือกระบวนการทางอุตสาหกรรม ความแตกต่างที่สำคัญระหว่างโมเดลข้อมูลผ่านวิธีการลำดับเวลา หรือใช้กระบวนการตรวจสอบวิธีที่กล่าวถึงก่อนหน้าในบทนี้คือ ต่อไปนี้:เวลาชุดวิเคราะห์บัญชีสำหรับความจริงที่ว่า ข้อมูลจุดถ่ายช่วงเวลาอาจจะมีโครงสร้างภายใน (เช่น autocorrelation แนวโน้ม หรือความผันแปรตามฤดูกาล) ที่ควรจะลงบัญชีส่วนนี้จะให้อธิบายภาพรวมของเทคนิคที่ใช้กันอย่างแพร่หลายในฟิลด์ของเวลาชุดการสร้างโมเดลและการวิเคราะห์สมบูรณ์ และเติบโตเร็ว

ผลลัพธ์ (ไทย) 2:

ข้อมูลอนุกรมเวลาที่มักจะเกิดขึ้นเมื่อมีการตรวจสอบกระบวนการทางอุตสาหกรรมหรือการติดตามตัวชี้วัดทางธุรกิจขององค์กร ความแตกต่างที่สำคัญระหว่างการสร้างแบบจำลองข้อมูลผ่านทางวิธีการอนุกรมเวลาหรือใช้วิธีการตรวจสอบกระบวนการที่กล่าวถึงก่อนหน้านี้ในบทนี้คือต่อไปนี้:
เวลาบัญชีการวิเคราะห์ชุดความจริงที่ว่าจุดข้อมูลที่ถ่ายในช่วงเวลาอาจมีโครงสร้างภายใน (เช่นอัตแนวโน้มหรือ การเปลี่ยนแปลงตามฤดูกาล) ที่ควรจะคิด.
ในส่วนนี้จะให้ภาพรวมคร่าวๆของบางส่วนของเทคนิคที่ใช้กันอย่างแพร่หลายในรวยและมีการขยายตัวอย่างรวดเร็วของการสร้างแบบจำลองอนุกรมเวลาและการวิเคราะห์

ผลลัพธ์ (ไทย) 3:

ข้อมูลอนุกรมเวลาที่มักจะเกิดขึ้นเมื่อการตรวจสอบกระบวนการอุตสาหกรรม หรือติดตามตัวชี้วัดทางธุรกิจขององค์กร ความแตกต่างที่สำคัญระหว่างข้อมูลอนุกรมเวลาแบบผ่านทางวิธีการหรือการใช้กระบวนการตรวจสอบวิธีการที่กล่าวก่อนหน้านี้ในบทนี้คือ ต่อไปนี้ :บัญชีการวิเคราะห์อนุกรมเวลาเพื่อที่ว่าข้อมูลจุดควบคุมเวลา อาจจะมีโครงสร้างภายใน ( เช่น autocorrelation แนวโน้มหรือการเปลี่ยนแปลงตามฤดูกาล ) ที่ควรจะคิดส่วนนี้จะให้ภาพรวมคร่าวๆของบางส่วนของเทคนิคที่ใช้กันอย่างแพร่หลายมากขึ้นร่ำรวยและเติบโตอย่างรวดเร็วในฟิลด์ของแบบจำลองอนุกรมเวลา และการวิเคราะห์