Die Übersetzung dieser Seite ist veraltet. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

Zeitreihen (Time Series)

Datenvektoren, die stichprobenartig im Laufe der Zeit angelegt werden

Zeitreihen stellen den Zeitverlauf einer dynamischen Population oder eines Prozesses dar. Sie werden verwendet, um Muster und Verhaltensweisen bei Daten, die über diskrete Zeitintervalle stichprobenartig gesammelt werden, zu identifizieren, zu modellieren und zu prognostizieren.

Für diesen Datentyp werden Timetables statt timeseries-Objekten empfohlen. In Timetables können Daten mit Zeitstempel verschiedener Typen gespeichert werden; sie verfügen über einen breiten Satz an Unterstützungsfunktionen zur Ausrichtung, Kombination und Durchführung von Berechnungen. Erste Schritte mit Timetables finden Sie unter Create Timetables.

Funktionen

alle erweitern

Erstellen, Ändern und Diagramme erstellen

`timeseries`	Create `timeseries` object
`timeseries2timetable`	Convert `timeseries` objects to timetable (Seit R2021b)
`resample`	Resample time vector in `timeseries` or `tscollection`
`synchronize`	Synchronize and resample two `timeseries` objects using common time vector
`detrend`	Subtract mean or best-fit line from `timeseries` object
`filter`	Modify frequency content of `timeseries` objects
`idealfilter`	`timeseries` ideal filter
`plot`	Plot `timeseries`
`append`	Concatenate `timeseries` objects in time
`addsample`	Add data sample to `timeseries` object
`delsample`	Remove sample from `timeseries` object
`setabstime`	Set `timeseries` or `tscollection` times as date character vectors
`setinterpmethod`	Set default interpolation method for `timeseries` object
`setuniformtime`	Modify uniform `timeseries` time vector

Abfrage

`getsamples`	Subset of `timeseries`
`getsampleusingtime`	Subset of `timeseries` or `tscollection` data
`getdatasamples`	Access `timeseries` data samples
`getdatasamplesize`	`timeseries` data sample size
`getabstime`	Convert `timeseries` or `tscollection` time vector to cell array
`getinterpmethod`	`timeseries` interpolation method
`getqualitydesc`	`timeseries` data quality

Beschreibende Statistik

`iqr`	Interquartile range of `timeseries` data
`max`	Maximum of `timeseries` data
`mean`	Mean of `timeseries` data
`median`	Median of `timeseries` data
`min`	Minimum of `timeseries` data
`std`	Standard deviation of `timeseries` data
`sum`	Sum of `timeseries` data
`var`	Variance of `timeseries` data

Sammlungen

`tscollection`	Create `tscollection` object
`addts`	Add `timeseries` to `tscollection`
`removets`	Remove `timeseries` from `tscollection`
`addsampletocollection`	Add sample to `tscollection`
`delsamplefromcollection`	Delete sample from `tscollection`
`gettimeseriesnames`	Names of `timeseries` in `tscollection`
`settimeseriesnames`	Rename `timeseries` in `tscollection`

Ereignisse

`tsdata.event`	Create `tsdata.event` object
`addevent`	Add event to `timeseries`
`delevent`	Remove event from `timeseries`
`findEvent`	Query `tsdata.event` by name
`getTimeStr`	Query `tsdata.event` times
`gettsafteratevent`	Create `timeseries` at or after event
`gettsafterevent`	Create `timeseries` after event
`gettsatevent`	Create `timeseries` at event
`gettsbeforeatevent`	Create `timeseries` at or before event
`gettsbeforeevent`	Create `timeseries` before event
`gettsbetweenevents`	Create `timeseries` between events

Themen

Time Series Objects and Collections
There are two types of time series objects in MATLAB^®, a timeseries object and a tscollection object.