در علوم مختلف، به یک توالی یا دنباله از متغیرهای تصادفی که در فاصله های زمانی ثابت نمونه برداری شده باشند، اصطلاحاً سری زمانی یا پیشامد تصادفی در مقطع زمان می گویند. به عبارت دیگر منظور از یک سری زمانی مجموعه ای از داده های آماری است که در فواصل زمانی مساوی و منظمی جمع آوری شده باشند. روش های آماری که این گونه داده های آماری را مورد استفاده قرار می دهد مدل های تحلیل سری زمانی نامیده می شود. مانند فروش فصلی یک شرکت طی سه سال گذشته.یک سری زمانی مجموعهٔ مشاهدات تصادفی ای است که بر اساس زمان مرتب شده باشند. مثال های آن در اقتصاد و حتی رشته های مهندسی دیده می شود.
سری زمانی در اقتصاد، مانند قیمت سهام در روزهای متوالی، صادرات در ماه های متوالی، متوسط درآمد در ماه های متوالی …
سری زمانی فیزیک، بویژه در علوم مربوط به آثار جوی، علوم دریایی، فیزیک زمین (ژئو فیزیک).
سری های زمانی بازاریابی، تجزیه و تحلیل ارقام فروش در هفته یا ماه ها متوالی یک مسئلهٔ مهم در تجارت است.
سری های زمانی جمعیت نگاری، اندازه گیری سالانهٔ جمعیت با هدف پیش بینی تغییرات جمعیت در مدت زمان ده تا بیست سال آینده.
فرایندهای دوتایی، سری هایی که مشاهدات یکی از دو مقدار که معمولاً با ۰ و ۱ نشان می دهند را اختیار کند، که بخصوص در نظریه ارتباطات اتفاق می افتد را فرایند دوتایی می نامند.
فرایندهای نقطه ای، نوعی سری زمانی که پیشامدهای رخداده به طور تصادفی در زمان رخداده، زمان های رخ دادن تصادفات قطارها.
روش های تحلیل سری زمانی به دو دسته تقسیم می شوند: روش های دامنه فرکانس و روش های دامنه زمان. دسته اول شامل تحلیل طیفی و تحلیل موجک و دسته دوم شامل تحلیل های خودهمبستگی و همبستگی متقابل است.
افزون بر این می توان روش های تحلیل سری زمانی را به دو دسته پارامتری و ناپارامتری تقسیم کرد. در روش های پارامتری چنین انگاشته می شود که فرایند مانای احتمالاتی دارای ساختاری مشخص است که می توان آن را با تعداد اندکی پارامتر (از جمله با استفاده از مدل خودهمبسته یا میانگین متحرک) توصیف کرد. در این روش ها هدف تخمین پارامترهای مدلی است که فرایند احتمالاتی را توصیف می کند. در مقابل، روش های ناپارامتری صریحاً کوواریانس یا طیف فرایند را بدون در نظر گرفتن ساختاری مشخص برای آن تخمین می زنند. همچنین می توان روش های تحلیل سری زمانی را به دستهٔ روش های خطی و غیر خطی یا روش های تک متغیره و چندمتغیره تقسیم کرد.
می توان اهداف را به صورت زیر رده بندی کرد:
سری زمانی در اقتصاد، مانند قیمت سهام در روزهای متوالی، صادرات در ماه های متوالی، متوسط درآمد در ماه های متوالی …
سری زمانی فیزیک، بویژه در علوم مربوط به آثار جوی، علوم دریایی، فیزیک زمین (ژئو فیزیک).
سری های زمانی بازاریابی، تجزیه و تحلیل ارقام فروش در هفته یا ماه ها متوالی یک مسئلهٔ مهم در تجارت است.
سری های زمانی جمعیت نگاری، اندازه گیری سالانهٔ جمعیت با هدف پیش بینی تغییرات جمعیت در مدت زمان ده تا بیست سال آینده.
فرایندهای دوتایی، سری هایی که مشاهدات یکی از دو مقدار که معمولاً با ۰ و ۱ نشان می دهند را اختیار کند، که بخصوص در نظریه ارتباطات اتفاق می افتد را فرایند دوتایی می نامند.
فرایندهای نقطه ای، نوعی سری زمانی که پیشامدهای رخداده به طور تصادفی در زمان رخداده، زمان های رخ دادن تصادفات قطارها.
روش های تحلیل سری زمانی به دو دسته تقسیم می شوند: روش های دامنه فرکانس و روش های دامنه زمان. دسته اول شامل تحلیل طیفی و تحلیل موجک و دسته دوم شامل تحلیل های خودهمبستگی و همبستگی متقابل است.
افزون بر این می توان روش های تحلیل سری زمانی را به دو دسته پارامتری و ناپارامتری تقسیم کرد. در روش های پارامتری چنین انگاشته می شود که فرایند مانای احتمالاتی دارای ساختاری مشخص است که می توان آن را با تعداد اندکی پارامتر (از جمله با استفاده از مدل خودهمبسته یا میانگین متحرک) توصیف کرد. در این روش ها هدف تخمین پارامترهای مدلی است که فرایند احتمالاتی را توصیف می کند. در مقابل، روش های ناپارامتری صریحاً کوواریانس یا طیف فرایند را بدون در نظر گرفتن ساختاری مشخص برای آن تخمین می زنند. همچنین می توان روش های تحلیل سری زمانی را به دستهٔ روش های خطی و غیر خطی یا روش های تک متغیره و چندمتغیره تقسیم کرد.
می توان اهداف را به صورت زیر رده بندی کرد:
wiki: سری زمانی