对某一个或一组变量x(t)进行观察测量，将在一系列时刻t₁, t₂, …, t_n  (t为自变量且t₁<t₂<…< t_n ) 所得到的离散数字组成序列集合x(t₁), x(t₂), …,  x(t_n)，我们称之为时间序列，这种有时间意义的序列也称为动态数据。

时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。

时间序列建模基本步骤是：

1. 用观测、调查、统计、抽样等方法取得被观测系统时间序列动态数据。
2. 根据动态数据作相关图，进行相关分析，求自相关函数。
3. 辨识合适的随机模型,进行曲线拟合,即用通用随机模型去拟合时间序列的观测数据。

时间序列分析主要用于：

1. 系统描述。根据对系统进行观测得到的时间序列数据，用曲线拟合方法对系统进行客观的描述。
2. 系统分析。当观测值取自两个以上变量时，可用一个时间序列中的变化去说明另一个时间序列中的变化，从而深入了解给定时间序列产生的机理。
3. 预测未来。一般用ARMA模型拟合时间序列，预测该时间序列未来值。
4. 决策和控制。根据时间序列模型可调整输入变量使系统发展过程保持在目标值上，即预测到过程要偏离目标时便可进行必要的控制。