---

دنباله‌ای از توابع (منحنی‌ها) که در طول زمان جمع‌آوری‌ می‌شوند را یک سری زمانی تابعی گویند. فراوانی چنین مشاهداتی تحلیل سری‌های زمانی تابعی را به یکی از شاخه‌های محبوب تحقیقاتی در علم آمار تبدیل کرده است. هدف اصلی از تحلیل سری زمانی تابعی، پیش‌بینی و توصیف کمی مکانیسم‌های تصادفی است که منجر به تولید توابع شده است. در این راستا نیاز است سری زمانی تابعی به مؤلفه‌های روند، دوره‌های زمانی و خطا تجزیه شود. اما قبل از تجزیه نیاز به شناسایی و تشخیص این‌گونه مؤلفه‌ها داریم. ازاین‌رو در این مقاله یک روش ناپارامتری برای بررسی و تشخیص وجود روند در یک سری زمانی تابعی با استفاده از توابع رکورد معرفی‌شده است. سپس با پیاده‌سازی و استفاده از این روش در یک سری زمانی تابعی نحوه کاربرد آن موردتحقیق قرارگرفته است. در پایان نیز کارایی این روش برای تشخیص روند در یک مجموعه از داده‌های واقعی نرخ باروری موردبررسی قرارگرفته است.

---

 ما در عصر اطلاعات زندگی می کنیم و همواره در حال درک و دریافت داده‌های زیادی از دنیای اطراف خود هستیم که برای استفاده از این اطلاعات لازم است آن‌ها را به کمک آمار و به‌صورت ریاضی بیان کنیم. آمار در همه‌ی زمینه‌ها نقش موثری ایفا می‌کند. یکی از مواردی که جدیدا مورد توجه قرار گرفته و از فنون آماری کمک می‌گیرد، متن کاوی است. متن کاوی یک روش تحقیقی برای شناسایی الگوهای موجود در متون است که می‌تواند نوشتاری، گفتاری و یا تصویری باشد. متن کاوی بسیار گسترده است همانند طبقه بندی متون، خوشه‌بندی متون، وب‌کاوی و عقیده کاوی و .... تکنیک‌های متن کاوی به‌کار گرفته می‌شود تا مقادیر عددی را برای یک متن تعیین کند. از آنجا که اساس کار با داده، دارا بودن علم آمار است. پس با استفاده از ابزار‌های آماری به تحلیل متن می پردازند همانند پیش بینی افزایش یا کاهش قیمت دلار یا سهام با استفاده از اطلاعات متنی امروز. به‌کارگیری روش‌های آماری می تواند حقایق موجود در متن را کشف، تائید و یا رد کند. امروزه این مبحث در یادگیری ماشین بسیار پر کاربرد است. در این مقاله سعی کردیم تا آشنایی ابتدایی با ابزارهای آماری در روش متن کاوی داشته باشیم و از این ابزار قدرتمند برای تحلیل وقایع استفاده کنیم.