Trend Analysis (การวิเคราะห์แนวโน้ม) นิยามเทคนิคสำหรับแยก Model ของพฤติกรรมใน Time Series ที่อาจซ่อนอยู่บางส่วนหรือทั้งหมดโดย Noise (สัญญาณรบกวน) วิธีการ Trend Analysis ถูกใช้อย่างแพร่หลายในการตรวจจับการระบาดและการเพิ่มขึ้น/ลดลงที่ไม่คาดคิดของ Disease Appearances การติดตามแนวโน้มโรค การประเมินความมีประสิทธิภาพของ Disease Control Programs และ Policies และการประเมินความสำเร็จของ Health Care Programs และ Policies ฯลฯ
เทคนิคต่างๆ สามารถใช้ตรวจจับ Trends ใน Item Series Smoothing (การทำให้เรียบ) เป็นแนวทางที่ใช้กำจัด Non-systematic Behaviors ที่พบใน Time Series Smoothing โดยทั่วไปเป็นรูปแบบของการหา Moving Averages ของ Attribute Values ให้ Window ในเวลารอบๆ จุดเวลาเฉพาะ
Local Average ของ Attribute Values ทั้งหมดถูกใช้แทนค่าเฉพาะที่พบที่จุดนี้ Median Value (ค่ามัธยฐาน) มักใช้แทน Mean Value (ค่าเฉลี่ย) เพราะมัน Less Sensitive to Outliers (น้อยกว่าความไวต่อค่าผิดปกติ) Smoothing สามารถ Filter Out Noise และ Outliers ใช้พยากรณ์ค่าในอนาคตได้ เพราะข้อมูลที่ได้ง่ายต่อการ Fit Known Function (Linear, Logarithmic, Exponential ฯลฯ)
การตรวจจับ Seasonal Patterns ใน Time Series Data ยากกว่า วิธีหนึ่งคือหา Correlations ระหว่าง Attributes ที่ Evenly Distributed Intervals ตัวอย่าง Correlation อาจพบระหว่างทุกค่าที่ 12 (ใน Monthly Sales Data) Time Difference ระหว่าง Related Items เรียกว่า Lag
Autocorrelation Functions สามารถสร้างได้เพื่อกำหนด Correlations ระหว่าง Data Values ที่ Lag Intervals ต่างๆ Correlogram แสดง Autocorrelation Values สำหรับ Lag Values หลายค่าแบบกราฟิก
Covariance วัดว่าตัวแปร 2 ตัวเปลี่ยนแปลงร่วมกันอย่างไร สามารถใช้เป็น Basis สำหรับกำหนดความสัมพันธ์ระหว่าง 2 Time Series หรือ Seasonal Trends ใน 1 Time-series Autocorrelation Coefficient rk วัด Correlations ระหว่าง Time-series Values ระยะห่างหนึ่ง Lag k
หลายแนวทางใช้สำหรับ Autocorrelation ค่าบวกบ่งชี้ตัวแปรทั้งสองเพิ่มขึ้นร่วมกัน ค่าลบบ่งชี้เมื่อหนึ่งเพิ่ม อีกตัวลดลง ค่าใกล้ศูนย์บ่งชี้ Correlation น้อยระหว่างตัวแปร 2 ตัว สูตรทั่วไปสำหรับคำนวณ Correlation คือ Correlation Coefficient r บางครั้งรู้จักว่า Pearson's r
ให้ 2 Time Series X และ Y ด้วย Means X' และ Y' แต่ละคู่มี n Elements สูตรสำหรับ r คือ:
$$\mathrm{\frac{\sum(x_i-X')(y_i-Y')}{\sqrt{\sum(x_i-X)^2(y_i-Y')^2}}}$$
การนำไปใช้เพื่อหา Correlation Coefficient ด้วย Lag k, rk, บน Time Series X=(x1,x2,…xn) เป็นเรื่องตรงไปตรงมา Time Series แรก X'=(x1,x2,…xn-k) ในขณะที่ Time Series ที่สอง X''=(xk+1,xk+1,…xn)
