После считывания и построения данных можно воспользоваться встроенными преобразованиями, такими как линейная фильтрация, простое экспоненциальное сглаживание, дифференцирование, скользящее среднее, чтобы сделать необработанные данные более подходящими для моделирования. Вычисление и графические изображения функций корреляции и частичной корреляции помогут увидеть структуру данных. Используя тесты Time Series легко оценить параметры модели и проверить ее достоверность.
Times Series также будет полезен, если нужно сделать прогноз на будущее. В пакет включены такие стандартные процедуры прогнозирования, как наилучший линейный предиктор и аппроксимация наилучшего линейного предиктора. При добавлении новых данных прогноз немедленно обновляется.
Кроме того, Times Series позволяет анализировать данные в частотном пространстве. Пакет содержит инструменты спектрального анализа, использующие преобразования Фурье и другие численные методы.
Также пакет, вместе с его ясными, простыми примерами, является идеальным учебным пособием по основам анализа временных рядов.
