A. 時間序列分析
時間序列顧名思義即是通常在連續時間上採集的序列數據。例如股票指數數據、營收數據和天氣數據等。時間序列分析是利用已知數據使用合適的模型擬合時間序列同時估算相應模型的參數。時間序列分析的模型與方法體現了我們對於時間序列自然屬性的理解。同時這些模型方法也能夠用於對時間序列進行預測和模擬。
與信號分析類似，時間序列分析的方法也有時間域和頻率域的方法；有單變數和多變數方法；有線性方法和非線性方法；連續序列和離散序列。
一般時間序列可以依據變化特徵分解為四個部分，即趨勢（trend）、季節性（seasonal）、周期性（cyclical）和不規則（irregular）部分。
構建時間序列預測模型的一種重要是方法使用隨機過程理論。這與地質統計的分析方法是相同的，只是分析對象不同：時間序列為時間點上的數據而地質統計為空間點上的數據。這里認為時間序列上的數據點為隨機變數，整個時間序列為一個隨機函數。描述不同時間點上的數據之間的關系，同樣要使用自協方差、自相關函數。同時二者同樣實在穩態假設之下進行分析，應用中也需要對於數據進行去除趨勢等處理使之滿足穩態條件。時間序列分析中的自回歸模型（AR）相當於地質統計中的簡單克里金。