時系列解析

本ページには広告・プロモーションが含まれています。

時系列解析の説明
ナンバーズの予想に使うには
- ミニの抽せん数字についての時系列分析
参考文献

時系列解析の説明

時系列解析とは 時間の経過と共に記録されたデータについて傾向、周期、誤差を分析する 手法を指す。

時間の経過と共に記録されたデータのことを 時系列データ と言う。

時系列データから何かを読み取ろうとするとき、数字を眺めているだけではどうにもなりません。

時系列データから基本的な統計量を算出して、「当せん金額が最も多かったのは先月だ」とか「抽せん数字の平均値は 555.5 だ」とかは理解できるが、 時間の流れに沿った特徴を読み取る のはデータを見ているだけではわからないのです。

そんな時系列データはグラフを描いて分析するのが常套手段です。

グラフから 傾向、周期、誤差 を読み取ります。

傾向:: 増加や減少があるのか？増減は激しいのか、ゆるやかなのか？といった変動を見る。
周期:: 増減の変動に一定の規則が現れているのかを見る。
誤差:: 不規則な変動があるのかを見る。

ナンバーズの予想に使うには

まずは抽せん数字について色々な時系列データを作成してグラフを描いて、どのような変動が見られるのかを眺めてみるのが第一歩です。

例としてミニの抽せん数字について時系列データを解析してみます。

python のプログラムは前準備で用意したデータフレームを使っています。

# ミニのデータを作る
df['mini'] = df['place10'].astype(str) + df['place1'].astype(str)
df['mini'] = df['mini'].astype(int)

ミニの抽せん数字についての時系列分析

第4001回から第4100回(全部で100回分)のミニの抽せん数字をグラフで描いたのが下の図です。

# ミニのデータを作る
mini_graph = df.loc[4001:4100, 'mini'].plot(title='第4001回から第4100回 ミニの抽せん数字', figsize=(8, 5), rot=1, fontsize=8)
mini_graph.tick_params(labelsize='large')
mini_graph.set(ylabel='抽せん数字', xlabel='回号')

このグラフから読み取れること:

抽せん数字は乱高下を繰り返している
4050回あたりは抽せん数字が40以下の小さな数字がよく出現していそう

どうやらこのデータだけでは傾向や周期は読み取りにくいです。

そこで 移動平均 を計算して、同じグラフにプロットしたものが下の図です。

移動平均というのは時系列データをなめらかにする手法で、一定の区間を定めてその区間内の平均値を計算したものです。詳しくは移動平均のページを参照。

今回は「10回毎の平均値」を計算して、赤いラインで描いています。10回分の平均値なので始めの4001回から4009回までのデータはありません。

# グラフ用にミニの抽せん数字と移動平均値だけのデータフレームを作る
ma_df = pd.DataFrame({'ミニの抽せん数字': df.loc[4001:4100, 'mini'], '10回の移動平均': df.loc[4001:4100, 'mini'].rolling(10).mean()})
# グラフ描画
ma_graph = ma_df.plot(title='第4001回から第4100回 ミニの抽せん数字', figsize=(8, 5), rot=1, fontsize=8)
ma_graph.tick_params(labelsize='large')
ma_graph.set(ylabel='抽せん数字', xlabel='回号')