Que sont les graphiques de séries chronologiques?
Share
Une caractéristique des données que vous voudrez peut-être considérer est celle du temps. Un graphique qui reconnaît cet ordre et affiche la modification des valeurs d'une variable au fil du temps s'appelle un graphique de séries chronologiques.
Supposons que vous souhaitiez étudier le climat d'une région pendant un mois entier. Chaque jour à midi, vous notez la température et notez-la dans un journal. Diverses études statistiques pourraient être effectuées avec ces données. Vous pouvez trouver la température moyenne ou médiane du mois. Vous pouvez construire un histogramme affichant le nombre de jours pendant lesquels les températures atteignent une certaine plage de valeurs. Mais toutes ces méthodes ignorent une partie des données que vous avez collectées.
Étant donné que chaque date est associée à la lecture de la température du jour, vous n'avez pas à penser que les données sont aléatoires. Vous pouvez à la place utiliser les temps donnés pour imposer un ordre chronologique sur les données.
Construction d'un graphique de séries chronologiques
Pour construire un graphique de séries chronologiques, vous devez examiner les deux parties de l'ensemble de données apparié. Commencez avec un système de coordonnées cartésiennes standard. L'axe horizontal est utilisé pour tracer les incréments de date ou d'heure, et l'axe vertical est utilisé pour tracer la variable de valeurs que vous mesurez. En faisant cela, chaque point du graphique correspond à une date et à une quantité mesurée. Les points sur le graphique sont généralement reliés par des lignes droites dans l'ordre dans lequel ils se produisent.
Utilisations d'un graphique de séries chronologiques
Les graphiques de séries chronologiques sont des outils importants dans diverses applications des statistiques. Lors de l'enregistrement de valeurs de la même variable sur une longue période de temps, il est parfois difficile de discerner une tendance ou un modèle. Cependant, une fois que les mêmes points de données sont affichés graphiquement, certaines fonctionnalités sautent. Les graphiques de séries chronologiques facilitent la détection des tendances. Ces tendances sont importantes car elles peuvent être utilisées pour se projeter dans le futur.
En plus des tendances, la météo, les modèles commerciaux et même les populations d'insectes présentent des modèles cycliques. La variable étudiée ne présente pas d'augmentation ou de diminution continue mais monte et descend en fonction de la période de l'année. Ce cycle d'augmentation et de diminution peut se poursuivre indéfiniment. Ces modèles cycliques sont également faciles à voir avec un graphique de séries chronologiques.
Un exemple de graphique de série chronologique
Vous pouvez utiliser l'ensemble de données dans le tableau ci-dessous pour construire un graphique de séries chronologiques. Les données proviennent du US Census Bureau et font état de la population résidente des États-Unis de 1900 à 2000. L'axe horizontal mesure le temps en années et l'axe vertical représente le nombre de personnes aux États-Unis. Le graphique nous montre une augmentation régulière de la population qui est à peu près une ligne droite. Ensuite, la pente de la ligne devient plus raide pendant le baby-boom.
Données sur la population des États-Unis 1900-2000
| Année | Population |
| 1900 | 76094000 |
| 1901 | 77584000 |
| 1902 | 79163000 |
| 1903 | 80632000 |
| 1904 | 82166000 |
| 1905 | 83822000 |
| 1906 | 85450000 |
| 1907 | 87008000 |
| 1908 | 88710000 |
| 1909 | 90490000 |
| 1910 | 92407000 |
| 1911 | 93863000 |
| 1912 | 95335000 |
| 1913 | 97225000 |
| 1914 | 99111000 |
| 1915 | 100546000 |
| 1916 | 101961000 |
| 1917 | 103268000 |
| 1918 | 103208000 |
| 1919 | 104514000 |
| 1920 | 106461000 |
| 1921 | 108538000 |
| 1922 | 110049000 |
| 1923 | 111947000 |
| 1924 | 114109000 |
| 1925 | 115829000 |
| 1926 | 117397000 |
| 1927 | 119035000 |
| 1928 | 120509000 |
| 1929 | 121767000 |
| 1930 | 123077000 |
| 1931 | 12404000 |
| 1932 | 12484000 |
| 1933 | 125579000 |
| 1934 | 126374000 |
| 1935 | 12725000 |
| 1936 | 128053000 |
| 1937 | 128825000 |
| 1938 | 129825000 |
| 1939 | 13088000 |
| 1940 | 131954000 |
| 1941 | 133121000 |
| 1942 | 13392000 |
| 1943 | 134245000 |
| 1944 | 132885000 |
| 1945 | 132481000 |
| 1946 | 140054000 |
| 1947 | 143446000 |
| 1948 | 146093000 |
| 1949 | 148665000 |
| 1950 | 151868000 |
| 1951 | 153982000 |
| 1952 | 156393000 |
| 1953 | 158956000 |
| 1954 | 161884000 |
| 1955 | 165069000 |
| 1956 | 168088000 |
| 1957 | 171187000 |
| 1958 | 174149000 |
| 1959 | 177135000 |
| 1960 | 179979000 |
| 1961 | 182992000 |
| 1962 | 185771000 |
| 1963 | 188483000 |
| 1964 | 191141000 |
| 1965 | 193526000 |
| 1966 | 195576000 |
| 1967 | 197457000 |
| 1968 | 199399000 |
| 1969 | 201385000 |
| 1970 | 203984000 |
| 1971 | 206827000 |
| 1972 | 209284000 |
| 1973 | 211357000 |
| 1974 | 213342000 |
| 1975 | 215465000 |
| 1976 | 217563000 |
| 1977 | 21976000 |
| 1978 | 222095000 |
| 1979 | 224567000 |
| 1980 | 227225000 |
| 1981 | 229466000 |
| 1982 | 231664000 |
| 1983 | 233792000 |
| 1984 | 235825000 |
| 1985 | 237924000 |
| 1986 | 240133000 |
| 1987 | 242289000 |
| 1988 | 244499000 |
| 1989 | 246819000 |
| 1990 | 249623000 |
| 1991 | 252981000 |
| 1992 | 256514000 |
| 1993 | 259919000 |
| 1994 | 263126000 |
| 1995 | 266278000 |
| 1996 | 269394000 |
| 1997 | 272647000 |
| 1998 | 275854000 |
| 1999 | 279040000 |
| 2000 | 282224000 |
