প্রবণতা বিশ্লেষণ একটি সময় সিরিজে আচরণের একটি মডেল বের করার কৌশলগুলিকে সংজ্ঞায়িত করে যা শব্দ দ্বারা সামান্য বা সম্পূর্ণরূপে লুকানো যেতে পারে। প্রবণতা বিশ্লেষণের পদ্ধতিগুলি সাধারণত প্রাদুর্ভাব এবং রোগের উপস্থিতিতে অপ্রত্যাশিত বৃদ্ধি বা হ্রাস সনাক্তকরণ, রোগের প্রবণতা নিরীক্ষণ, রোগ নিয়ন্ত্রণ কর্মসূচি এবং নীতির কার্যকারিতা মূল্যায়ন এবং স্বাস্থ্যসেবা কর্মসূচি এবং নীতির সাফল্য মূল্যায়ন ইত্যাদিতে ব্যবহৃত হয়েছে।
আইটেম সিরিজের প্রবণতা সনাক্ত করতে বিভিন্ন কৌশল ব্যবহার করা যেতে পারে। স্মুথিং এমন একটি পদ্ধতি যা সময় সিরিজে পাওয়া অ-সিস্টেম্যাটিক আচরণগুলি অপসারণ করতে ব্যবহৃত হয়। স্মুথিং সাধারণত একটি নির্দিষ্ট টাইম পয়েন্টের আশেপাশে সময়ের মধ্যে একটি উইন্ডো দেওয়া অ্যাট্রিবিউট মানগুলির চলমান গড় খুঁজে বের করার রূপ নেয়৷
এই পয়েন্টে পাওয়া নির্দিষ্ট মানের পরিবর্তে সমস্ত অ্যাট্রিবিউট মানের স্থানীয় গড় ব্যবহার করা হয়। গড় মানের বিপরীতে মাঝারি মান সাধারণত ব্যবহৃত হয় কারণ এটি বহিরাগতদের প্রতি কম সংবেদনশীল। মসৃণ করা গোলমাল এবং আউটলিয়ার ফিল্টার করতে পারে। এটি ভবিষ্যতের মানগুলির পূর্বাভাস দিতে ব্যবহার করা যেতে পারে কারণ ফলস্বরূপ ডেটা একটি পরিচিত ফাংশন (রৈখিক, লগারিদমিক, সূচকীয়, ইত্যাদি) মাপসই করা সহজ।
টাইম সিরিজ ডেটাতে মৌসুমী নিদর্শন সনাক্ত করা আরও কঠিন। একটি পদ্ধতি হল সমানভাবে বিতরণ করা ব্যবধানে বৈশিষ্ট্যগুলির মধ্যে পারস্পরিক সম্পর্ক খুঁজে বের করা। উদাহরণস্বরূপ, প্রতি দ্বাদশ মানের মধ্যে একটি পারস্পরিক সম্পর্ক পাওয়া যেতে পারে (মাসিক বিক্রয় ডেটাতে)। সম্পর্কিত আইটেমগুলির মধ্যে সময়ের পার্থক্যকে ল্যাগ হিসাবে উল্লেখ করা হয়।
অটোকোরিলেশন ফাংশনগুলি বিভিন্ন ল্যাগ ব্যবধানে ডেটা মানগুলির মধ্যে পারস্পরিক সম্পর্ক নির্ধারণ করতে তৈরি করা যেতে পারে। একটি কোরিলোগ্রাম গ্রাফিকভাবে বেশ কয়েকটি ল্যাগ মানের জন্য স্বতঃসম্পর্কের মানগুলি প্রদর্শন করে৷
কোভেরিয়েন্স পরিমাপ করে কিভাবে দুটি ভেরিয়েবল একসাথে পরিবর্তিত হয়। এটি দুটি সময়ের সিরিজ বা এক সময়ের সিরিজের মৌসুমী প্রবণতার মধ্যে সম্পর্ক নির্ধারণের জন্য ভিত্তি হিসাবে ব্যবহার করা যেতে পারে। একটি স্বয়ংক্রিয় সম্পর্ক সহগ, rk একটি নির্দিষ্ট দূরত্ব, lag k, apart সময়-সিরিজ মানগুলির মধ্যে পারস্পরিক সম্পর্ক পরিমাপ করে।
স্বতঃসম্পর্কের জন্য বেশ কয়েকটি পন্থা ব্যবহার করা হয়েছে। ইতিবাচক মানগুলি নির্দেশ করে যে উভয় ভেরিয়েবল একসাথে বৃদ্ধি পায়, যখন নেতিবাচক মানগুলি নির্দেশ করে যে একটি বাড়ালে অন্যটি হ্রাস পায়৷
শূন্যের কাছাকাছি একটি মান নির্দেশ করে যে দুটি ভেরিয়েবলের মধ্যে সামান্য সম্পর্ক রয়েছে। পারস্পরিক সম্পর্ক গণনা করার জন্য একটি সাধারণ সূত্র হল পারস্পরিক সহগ r, কখনও কখনও পিয়ারসনের r নামে পরিচিত৷
দুটি টাইম সিরিজ, X এবং Y, মানে X'এবং Y' দিয়ে, প্রতিটি n উপাদান সহ, r-এর সূত্র হল
$$\mathrm{\frac{\sum(x_i-X')(y_i-Y')}{\sqrt{\sum(x_i-X)^2(y_i-Y')^2}}$$
এটি একটি টাইম সিরিজ X=(x1-এ k, rk-এর ব্যবধানের সাথে পারস্পরিক সম্পর্ক সহগ খুঁজে পেতে এটি প্রয়োগ করছে) ,x2 ,…xn ) সোজা। প্রথমবারের সিরিজ হল X′=(x1 ,x2 ,…xn−k ), যখন দ্বিতীয়বারের সিরিজ হল X''=(xk+1 ,xk+1 ,…xn )।
