问题有点说明了一切。

无论是出于代码测试的目的，还是为现实世界建模，还是试图给亲人留下深刻的印象，人们用来生成有趣的时间序列数据的算法有哪些？是否有合并清单的良好资源？对值(无穷大或者无穷大)或者尺寸没有任何限制，但是我正在寻找人们在实践中发现有用或者令人兴奋的示例。

简约和可读代码示例的加分点。

解决方案

回答

没有关于算法部分的答案，但是我们可以看到本福德定律对数据有多"现实"

回答

有大量的PRN生成器，我们总是可以免费获得随机位，甚至可以从CD或者DVD购买它们。

我使用了简单的正弦波发生器，加上一些相位和幅度噪声，以获得通过扬声器或者灯光放置时听起来听起来很有趣的信号，但我不知道我们所说的意思是什么。

有一些方法可以生成图表形式看起来有趣的数据，但是它不同于股票图表上使用的数据，并且也无法生成诸如模拟电视调谐到空频道所产生的"静态"图像。

我们可以将Conway的生活游戏用作PRN，并"监听"单元格(或者通过逻辑电路运行所有单元格)以获取一些有趣的基于时间的信号。

查看随时间推移Stackoverflow的数据库更新/插入的图表会很有趣，我们可以挖掘该数据。

确实有无限种方法可以生成"有趣的"时间序列数据。我们可以缩小问题范围吗？

回答

尝试根据我们探索的相空间部分给出各种简单或者混沌序列的递归：我能想到的最简单的是逻辑映射x(n + 1)= r * x(n)*(1 x(n))。约r。 3.57会得到取决于初始点的混乱结果。

如果用时间与时间作图，则只需操纵参数r，就可以得到许多不同的序列。如果将其绘制为x(n + 1)v。x(n)而不连接点，我们会看到一个简单的抛物线随时间而成形。

这是混沌理论中最基本的功能之一，它尝试了更有趣的多项式，将它们绘制为x(n + 1)v。x(n)并观察形状，然后绘制x(n)v。n是一个创建系列的有趣方式。

如果仅访问少量点，则绘制x(n + 1)v。x(n)的图形很快就很明显。更深层次的复发也变得更加有趣，并且使用x(0)的不同值来检查对初始条件的敏感性也很有趣。

但是，为简单起见，通过单个参数进行控制，并能够找到一些有关复发的信息，将很难超越逻辑映射。

我建议：http://en.wikipedia.org/wiki/Logistic_map。它很好地描述了不同r值的期望值。