時間索引告訴了我們什麼？
有些資料天生就以時間等距分布。上圖的時間序列 discrete_data 有 20 筆觀測值，每個離散時間索引 1 到 20 各有一筆。對 discrete_data 來說，使用離散時間索引是合適的。
下圖的時間序列 continuous_series 同樣有 20 筆觀測值，且遵循與 discrete_data 相同的週期型態，但其觀測時間並不等距。其第 1、2、最後一筆觀測分別出現在時間 1.210322、1.746137 和 20.180524。對 continuous_series 來說，使用連續時間索引較為自然。不過，這些觀測其實大致等距，約每個時間單位有 1 筆觀測。讓我們試著為 continuous_series 使用離散時間索引來觀察看看。
本練習屬於課程
R 的時間序列分析
練習說明
- 使用
plot(___, ___, type = "b")繪製continuous_series相對於其連續時間索引continuous_time_index的圖。 - 建立一個向量 1:20，作為離散時間索引。
- 接著使用
plot(___, ___, type = "b")繪製continuous_series相對於discrete_time_index的圖。 - 留意兩張圖之間的差異。不過這樣的近似看起來還算合理，因為整體趨勢仍被保留下來。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Plot the continuous_series using continuous time indexing
par(mfrow=c(2,1))
plot(continuous_time_index,___, type = "b")
# Make a discrete time index using 1:20
discrete_time_index <-
# Now plot the continuous_series using discrete time indexing
plot(discrete_time_index,___, type = "b")