A análise de dados experimentais que foram observados em diferentes momentos no tempo levam a problemas novos e únicos na modelagem e inferência estatística. A correlação óbvia introduzida pela amostragem de pontos adjacentes no tempo pode restringir severamente a aplicabilidade de muitos métodos estatísticos convencionais os quais tradicionalmente são dependentes da suposição de que essas observações adjacentes sejam independentes e identicamente distribuídas. A abordagem sistemática pela qual se responde às questões matemáticas e estatísticas apresentadas por essas correlações temporais é comumente referida como análise de séries temporais.
O impacto da análise de séries temporais em aplicações científicas pode ser parcialmente documentado, produzindo uma listagem abreviada dos diversos campos em que podem surgir importantes problemas de séries temporais. Por exemplo, muitas séries temporais familiares ocorrem na economia, onde estamos continuamente expostos a cotações diárias do mercado de ações ou a números de desemprego mensais. Cientistas sociais seguem séries de população, como taxas de natalidade ou matrículas escolares. Um epidemiologista pode estar interessado no número de casos de influenza observados durante algum período de tempo. Na medicina, as medidas da pressão arterial rastreadas ao longo do tempo podem ser úteis para avaliar medicamentos usados no tratamento da hipertensão. A imagem por ressonância magnética de ondas cerebrais é uma série temporal funcional que pode ser usada para estudar como o cérebro reage a certos estímulos sob várias condições experimentais.
Vamos dividir o estudo das séries temporias em quatro grandes grupos: