一一

ＡＢＳＴＲＡＣＴ些兰里坠璺

Ｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｏｆｔｉｍｅｓｅｒｉｅｓａｌｅｔｈｅｔｅｍｐｏｒａｌｃｏｎｓｔｒａｉｎｉｎｇａｓｓｏｃｉａｔｉｏｎａｍｏｎｇｐａｒｔｌｙｃｈａｎｇｅｓｏｆｔｉｍｅｓｅｒｉｅｓ．Ｐａｒｔｌｙｃｈａｎｇｅｓｏｆｔｉｍｅｓｅｒｉｅｓｔｈｅｍｓｅｌｖｅｓｈａｖｅｔｉｍｅｓｅｑｕｅｎｃｅ，ＳＯｔｉｍｅｏｒｄｅｒｉＳａｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｔｈｅａｓｓｏｃｉａｔｉｏｎ．Ｔｉｍｅｓｅｒｉｅｓｈａｖｅｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｄａｔａｄｅｎｓｅｎｅｓｓａｎｄｓｔｏｃｈａｓｔｉｃｆｌｕｃｔｕａｔｉｏｎ，ａｎｄｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｏｆｐａｒｔｌｙ

ＳＯｃｈａｎｇｅｓａｒｅｉｍｐｌｉｅｄｉｎｔｈｅｌａｒｇｅｄａｔａｓｅｔ，ｔｈｅｒｕｌｅｓｃａｌｌｂｅｏｂｔａｉｎｅｄｏｎｌｙｔｈｒｏｕｇｈｄａｔａｍｉｎｉｎｇ．

ｉｓａＴｈｅｍｉｎｉｎｇｏｆｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｏｆｔｉｍｅｓｅｒｉｅｓ

ｅｎｇｉｎｅｅｒｉｎｇ，ｗｈｉｃｈ

ｄａｔａｓｙｓｔｅｍａｔｉｃＣａｎｂｅｄｉｖｉｄｅｄｉｎｔｏｔｉｍｅｓｅｒｉｅｓｄａｔａｐｒｅ－ｐｒｏｃｅｓｓｉｎｇ，ｔｉｍｅｓｅｒｉｅｓｓｅｒｉｅｓｄａｔａｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅ，ｔｈｅｒｅｑｕｉｒｅｍｅｎｔｏｆｔｅｍｐｏｒａｌｃｏｍｐｒｅｓｓｉｏｎ，ｔｉｍｅ

ａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓａｎｄｔｈｅｉｎｔｅｒｐｒｅｔａｔｉｏｎａｎｄｅｖａｌｕａｔｉｏｎｏｆｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎ

ａｒｕｌｅｓ．Ｔｈｅｒｅｓｅａｒｃｈ

ｌｏｔ，ｂｕｔｉｓｆａｒｆｒｏｍｏｎｍｉｎｉｎｇｍｅｔｈｏｄｓｏｆｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｈａｓｇａｉｎｅｄｍａｉｎｐｏｉｎｔｓａｒｅａｓｐｅｆｆｅｃｔｉｏｎ．Ｔｈｅｆｏｌｌｏｗｓ．

ｓｔａｔｉｓｔｉｃｓｉｓｈａｒｄｔＯｇａｉｎｔｈｅ

ｏｎ（１）Ｉｎｒｅｃｏｇｎｉｚｉｎｇｏｕｔｌｉｅｒ，ｔｈｅｍｅｔｈｏｄｂａｓｅｄｏｎｓａｍｐｌｅ’Ｓｄｉｓｔｒｉｂｕｔｉｏｎｐａｒａｍｅｔｅｒ，ｔｈｅｍｅｔｈｏｄｂａｓｅｄ

ｃｈａｎｇｅｔｈｅａｕｔｈｅｎｔｉｃｉｔｙｏｆｏｒｉｇｉｎａｌｔｉｍｅ

ｒａｔｉｏｈａｓａｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｗｉｌｌｏｎｓｅｒｉｅｓ，ａｎｄｔｈｅｍｅｔｈｏｄｂａｓｅｄｌｉｋｅｌｉｈｏｏｄｌａｒｇｅａｍｏｕｎｔｏｆｃａｌｃｕｌａｔｉｏｎ．

ｇｉｖｅｎ

ｅｎｄｕｐｌｅｎｇｔｈｗｉｔｈ（２）Ｉｎａｎｄｍｉｎｉｎｇｔｈｅｃｌａｓｓｉｃａｌｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ，ｔｈｅｔｉｍｅｓｅｒｉｅｓａｒｅｄｉｓｃｒｅｄｉｔｅｄｉｎｔｏｓｅｑｕｅｎｔｉａｌｐａｔｔｅｒｎｓｂｙｔｈｅｓｌｉｄｉｎｇｗｉｎｄｏｗｗｉｔｈｔｈｅｓｔｅｐｓ．Ｔｈｅｆｒｅｑｕｅｎｔｐａｔｔｅｒｎｗｉｌｌｂｅａｃｑｕｉｒｅｄａｎｄｉｔｗｉｌｌ

ｓｔｒｅｎｇｔｈｅｎｅｄｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ．Ｂｅｃａｕｓｅｔｈｅｌｅｎｇｔｈａｎｄｓｔｅｐｆｏｒｔｈｅｓｌｉｄｉｎｇｗｉｎｄｏｗａｒｅａｒｂｉｔｒａｒｙ，ｔｈｅｒｅｉＳａｌｏｔｏｆｕｎｃｅｒｔａｉｎｔｙｉｎｔｈｅｒｅｓｕｌｔｆｒｏｍｔｈｅｔｉｍｅｓｅｒｉｅｓｃｏｍｐｒｅｓｓｉｏｎ．

（３）Ｓｉｍｉｌａｒｉｔｙ

ｐａｔｔｅｒｎｉｎｍｅａｓｕｒｅｏｆｔｉｍｅｓｅｒｉｅｓｉｓｔｈｅｂａｓｅｆｏｒａｃｑｕｉｒｉｎｇｔｈｅｆｒｅｑｕｅｎｔｓｅｑｕｅｎｔｉａｌｐａｔｔｅｒｎｓ，ａｎｄａｌｓｏｄｅｃｉｄｅｓｔｈｅｏｂｔａｉｎｍｅｎｔｏｆｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ．Ｔｈｅｍｅｔａ－ｐａｔｔｅｒｎｍｏｎｏｔｏｎｙ

ｄｉｓｔａｎｃｅｂｏｔｈｈａｖｅｓｏｍｅｆｌａｗｓｉｎ

ｍｅａｓｕｒｅｏｆｍｅｔａ—ｐａｔｔｅｒｎｈａｓｄｉｓｔａｎｃｅａｎｄｔｈｅｍｅｔａ．ｐａｔｔｅｒｎｖｅｃｔｏｒｄｅｆｉｎｉｎｇｔｈｅｍｅｔａ－ｐａｔｔｅｒｎ，ＳＯｐｒｏｂｌｅｍｓ．Ａｎｄｔｈｅｔｈｅｓｉｍｉｌａｒｉｔｙｍｅｔｈｏｄｓｏｆｓｏｍｅｅｘｉｓｔｉｎｇ