টাইম সিরিজকে কী বিশেষ করে
টাইম সিরিজ হলো সময়ের সাথে সংগৃহীত তথ্য বিন্দুর একটি ক্রম: দৈনিক স্টক মূল্য, মাসিক বিক্রয় পরিসংখ্যান, ঘণ্টাভিত্তিক তাপমাত্রার পাঠ বা বার্ষিক জনসংখ্যা গণনা। টাইম সিরিজ তথ্যকে অন্যান্য ধরনের তথ্য থেকে ভিন্ন করে তা হলো ক্রম গুরুত্বপূর্ণ। প্রতিটি পর্যবেক্ষণ তার আগের ও পরেরটির সাথে সংযুক্ত।
এই সময়-নির্ভরতা বেশিরভাগ মানক পরিসংখ্যানগত পদ্ধতির একটি মূল অনুমান লঙ্ঘন করে, যা পর্যবেক্ষণগুলো একে অপরের থেকে স্বাধীন হতে চায়।
উপরের স্ক্যাটার প্লট এক বছরের মাসিক বিক্রয় তথ্য দেখায়। এই সংক্ষিপ্ত সিরিজেও সময়ের সাথে একটি সাধারণ ঊর্ধ্বগামী গতি দেখা যায়।
প্রবণতা: দীর্ঘমেয়াদী দিকনির্দেশনা
প্রবণতা হলো একটি টাইম সিরিজে দীর্ঘমেয়াদী ঊর্ধ্বমুখী বা নিম্নমুখী গতি। একটি কোম্পানির রাজস্ব পাঁচ বছর ধরে স্থিরভাবে বাড়লে, সেই বৃদ্ধি হলো প্রবণতা। প্রবণতা চিহ্নিত করা আপনাকে বড় চিত্র বুঝতে এবং সংকেত থেকে গোলমাল আলাদা করতে সাহায্য করে।
মৌসুমিকতা: পুনরাবৃত্ত ধরণ
মৌসুমিকতা একটি নির্দিষ্ট সময়কাল ধরে পুনরাবৃত্ত হওয়া নিয়মিত, পূর্বাভাসযোগ্য ধরণকে বোঝায়। খুচরা বিক্রয় প্রতি ডিসেম্বরে বাড়ে। আইসক্রিম বিক্রয় গ্রীষ্মে শীর্ষে থাকে। জিম সদস্যতা জানুয়ারিতে বৃদ্ধি পায়।
উপরের চার্ট দুই বছরের তথ্য দেখায় প্রতিটি বছরের মাঝখানে একটি স্পষ্ট মৌসুমি শীর্ষবিন্দু সহ। লক্ষ্য করুন দ্বিতীয় বছরের মানগুলো প্রথমের চেয়ে সামান্য বেশি, যা মৌসুমিকতার সাথে মিলিত একটি ঊর্ধ্বমুখী প্রবণতা নির্দেশ করে। এই দুটি উপাদান আলাদা করা টাইম সিরিজ বিশ্লেষণের একটি মূল কাজ, যাকে ডিকম্পোজিশন বলে।
চলমান গড়: গোলমাল মসৃণকরণ
কাঁচা টাইম সিরিজ তথ্য প্রায়ই গোলমালপূর্ণ। চলমান গড় প্রতিটি বিন্দুকে তার আশেপাশের বিন্দুগুলোর গড় দিয়ে প্রতিস্থাপন করে তথ্য মসৃণ করে। একটি ৭-দিনের চলমান গড়, উদাহরণস্বরূপ, প্রতিটি দিনের মানকে এর আগের ৩ দিন, দিনটি নিজে এবং পরের ৩ দিনের গড় দিয়ে প্রতিস্থাপন করে।
একটি মহামারীর সময়, দৈনিক কেস সংখ্যা রিপোর্টিং বিলম্বের কারণে ব্যাপকভাবে ওঠানামা করে (সাপ্তাহিক ছুটিতে কম কেস রিপোর্ট, সোমবারে বৃদ্ধি)। একটি ৭-দিনের চলমান গড় এই সপ্তাহের-দিনের প্রভাব দূর করে এবং প্রকৃত প্রবণতা প্রকাশ করে। জনস্বাস্থ্য কর্মকর্তারা নীতিগত সিদ্ধান্ত নিতে দৈনিক গণনার চেয়ে চলমান গড়ের উপর নির্ভর করেন।
স্বয়ংসম্পর্ক: আজ কীভাবে গতকালের সাথে সম্পর্কিত
স্বয়ংসম্পর্ক পরিমাপ করে একটি টাইম সিরিজ তার নিজের বিলম্বিত সংস্করণের সাথে কতটা শক্তিশালীভাবে সম্পর্কিত। আজকের মান গতকালের মানের সাথে শক্তিশালীভাবে সম্পর্কিত হলে, সিরিজে ল্যাগ ১ এ উচ্চ স্বয়ংসম্পর্ক আছে।
স্বয়ংসম্পর্ক দুটি কারণে গুরুত্বপূর্ণ। প্রথমত, এটি লুকানো ধরণ প্রকাশ করে। দ্বিতীয়ত, সঠিক পূর্বাভাস মডেল বাছাইয়ের জন্য এটি একটি গুরুত্বপূর্ণ ইনপুট।
পূর্বাভাস: সামনে তাকানো
অনেক টাইম সিরিজ বিশ্লেষণের চূড়ান্ত লক্ষ্য হলো পূর্বাভাস: ভবিষ্যৎ মান পূর্বাভাসের জন্য ঐতিহাসিক ধরণ ব্যবহার করা। সব পূর্বাভাস পদ্ধতি একটি মূল অনুমান ভাগ করে: অতীতে দেখা ধরণ ভবিষ্যতেও চলবে। এটি স্বল্পমেয়াদী পূর্বাভাসের জন্য ভালো কাজ করে কিন্তু আপনি যত দূরে তাকান তত বেশি অনির্ভরযোগ্য হয়ে যায়।
টাইম সিরিজ তথ্য অনন্য কারণ পর্যবেক্ষণের ক্রম গুরুত্বপূর্ণ এবং কাছাকাছি বিন্দুগুলো সম্পর্কিত। খোঁজার তিনটি প্রধান উপাদান হলো প্রবণতা (দীর্ঘমেয়াদী দিকনির্দেশনা), মৌসুমিকতা (পুনরাবৃত্ত ধরণ) এবং গোলমাল (দৈব ওঠানামা)। চলমান গড় ধরণ প্রকাশ করতে গোলমাল মসৃণ করে এবং স্বয়ংসম্পর্ক প্রকাশ করে অতীতের মানগুলো কতটা শক্তিশালীভাবে ভবিষ্যৎ মানের পূর্বাভাস দেয়। এই মৌলিক বিষয়গুলো সমস্ত টাইম সিরিজ পূর্বাভাসের ভিত্তি।