En estadística , procesamiento de señales y econometría , una serie de tiempo espaciada de manera desigual (o desigual o irregular ) es una secuencia de pares de tiempo y valor de observación (t n , X n ) en la que el espaciado de los tiempos de observación no es constante.
Las series temporales espaciadas de manera desigual ocurren naturalmente en muchos dominios industriales y científicos: los desastres naturales como terremotos, inundaciones o erupciones volcánicas generalmente ocurren en intervalos de tiempo irregulares. En astronomía observacional , mediciones como los espectros de los objetos celestes se toman en momentos determinados por las condiciones climáticas, la disponibilidad de franjas horarias de observación y las configuraciones planetarias adecuadas. En los ensayos clínicos (o más generalmente, en los estudios longitudinales ), el estado de salud de un paciente puede observarse sólo en intervalos de tiempo irregulares, y normalmente se observa a diferentes pacientes en diferentes momentos. Los sensores inalámbricos en Internet de las cosas a menudo transmiten información solo cuando cambia un estado para conservar la vida útil de la batería. Hay muchos más ejemplos en climatología , ecología , finanzas de alta frecuencia , geología y procesamiento de señales .
Un enfoque común para analizar series temporales espaciadas de manera desigual es transformar los datos en observaciones espaciadas igualmente usando alguna forma de interpolación (la mayoría de las veces lineal) y luego aplicar los métodos existentes para datos espaciados igualmente. Sin embargo, transformar los datos de esta manera puede introducir una serie de sesgos significativos y difíciles de cuantificar , [1] [2] [3] [4] [5] especialmente si el espaciado de las observaciones es muy irregular.
Idealmente, las series temporales espaciadas de manera desigual se analizan en su forma inalterada. Sin embargo, la mayor parte de la teoría básica para el análisis de series temporales se desarrolló en una época en la que las limitaciones en los recursos informáticos favorecían un análisis de datos equiespaciados, ya que en este caso se pueden utilizar rutinas eficientes de álgebra lineal y muchos problemas tienen una solución explícita . Como resultado, actualmente existen menos métodos específicos para analizar datos de series temporales espaciadas de manera desigual. [5] [6] [7] [8] [9] [10] [11]
Los métodos de análisis espectral de mínimos cuadrados se utilizan comúnmente para calcular un espectro de frecuencia a partir de dichas series temporales sin ninguna alteración de los datos.