事象系列を可視化する：

TimeSeriesWindowを使って事象系列の一部を抽出する：

TimeSeriesInsertを使って欠測値を挿入する：

TimeSeriesRescaleを使って，0から20までになるように事象系列を再スケールする：

TimeSeriesShiftを使って，系列を前に2シフトする：

事象系列の値を二乗する：

TimeSeriesMapを使ってベクトル値の事象系列の成分の合計を求める：

事象系列の値のMeanを求める：

MovingAverageを計算する：

移動最大値：

TimeSeriesAggregateを使って，事象系列の幅5の合計を計算する：

パラメトリックモデルを事象系列にフィットするためにTimeSeriesModelFitを使う：

事象系列の次の10個の値を予測する：

事象系列を予測とともにプロットする：

2つの事象系列間の差を計算する：

TimeSeriesThreadを使って最大事象系列を計算する：

タイムスタンプがAutomaticである値のリストを与える：

から始まる事象系列を作る：

開始時に日付を使う：

日付はAbsoluteTimeへの有効な入力として与えることができる：

10から50までの等間隔に置かれた時点を使う：

使用する日付範囲を与える：

端点をAutomaticに指定する：

刻み幅2で1から20までの時点の系列を作る：

Automaticの端点と固定刻み幅を使う：

計算された最終日を抽出する：

Automaticの開始点と与えらえた頻度を使う：

計算された初回を抽出する：

使用する時点を明示的に指定する：

明示的な日付のリストを与える：

時点と値のペアを与える：

日付と値のペアから事象系列を作る：

数量を含むデータから事象系列を作る：

ExampleDataの中にはEventSeriesが定義されているものもある：

使用可能な特性のリストを得る：

事象系列に使用される値：

時点：

時点と値のペア：

事象系列をプロットする：

ベクトル値の集合の成分を抽出する：

第1成分：

第2成分を入手する：

経路成分をプロットする：

指定された時点の集合でデータをリサンプリングする：

刻み幅 2でもとの経路のサブサンプリングを行う：

新たなデータは経路関数からサンプリングされている：

数量を含む事象系列：

値はQuantityArrayとして与えられる：

数量単位の情報を抽出する：

数量を抽出する：

数値的でリスト可能な関数は自動的に事象系列の値に縫い込まれる：

TimeSeriesMapの結果と比較する：

同じタイムスタンプを持ついくつかの事象系列を組み合せると値に縫い込まれる：

数量単位を含む既存の事象系列から数量の大きさを含む新たな事象系列を作る：

数量単位の新たな時系列を作る：

CalendarTypeを使い，タイムスタンプを特定の暦の日付として指定する：

デフォルトで，"Gregorian"暦が使われる：

DateListを使って曖昧な日付文字列を解釈する関数を定義する：

DateObjectを使って曖昧な日付文字列を解釈する関数を定義する：

入力のTimeZoneを指定する：

HolidayCalendarを使って指定された国の営業日を可視化する：

追加的なメタデータを規則のリストとして含む：

特性がメタデータ"Stock"を含むようになった：

追加されたメタデータは，他の特性と同じように使うことができる：

MetaInformationを使ってPlotLegendsを指定する：

使用可能なMetaInformationを見る：

特定の情報に直接アクセスする：

データを可視化する：

MetaInformationを使ってベクトル値EventSeries中の成分に名前を付ける：

第2成分を抽出する：

名前または番号を使って第1および第3成分を抽出する：

デフォルトで，頭部がMissingの値は欠測値として扱われる：

MissingDataMethodを使って欠測値を定数で置換する：

補間を使って欠測値を置換する：

一定間隔のデータであると，明示的に仮定する：

EventSeriesの時刻帯を指定する：

タイムスタンプは$TimeZoneで作られるが，日付はこのオプションで指定された時刻帯で表示される：

値の次元を指定する：

アメリカ合衆国における事故死の数が，6年間に渡って月ごとに記録されている：

ARProcessをデータにフィットする：

このモデルはデータの季節性を欠いている：

診断プロットは，季節性12のモデルが必要であることを示唆している：

季節型モデルは季節型ではないモデルに比べ，一般に優れている：

その後2ヶ月について，90%の予測限度の経験的推定値を求める：

漸近的推定と比較する：

ある人の4月1日から9月1日までの毎日の歩数の事象系列：

歩数の平均と中央値を計算する：

2番目の事象系列は1日のうちで活動が盛んな時間（単位：分）を表している：

時系列とその移動平均を40日間に渡ってプロットする：

毎日の歩数の累積合計を，イリノイ州シャンペーンからの地理基準点と比較する：

事象系列を累積して距離単位に変換する：

最大距離：

最大距離内のいくつかの都市までの距離を計算する：

事象系列の数量値はQuantityArrayとして与えられ，Normalが必要である：

都市で記された距離とともに累積歩数をプロットする：

MeanFilterを使って事象系列にフィルタをかける：

マグニチュード6以上の地震のマグニチュード：

マグニチュードの分布を表示する：

指定された期間におけるマグニチュード7以上の地震の条件付き確率を求める：

アメリカ合衆国大統領の誕生日の事象系列：

日付をプロットする：

AssociationThreadを使って名前と日付をプロットする：

年間の誕生日分布：

共通の誕生日を求める：