Я сомневаюсь, что существуют строгие формальные определения, с которыми согласен широкий круг аналитиков данных.
В целом, однако, временные ряды обозначают одну единицу исследования, наблюдаемую через регулярные интервалы в течение очень длительного периода времени. Типичным примером может служить ежегодный рост ВВП страны в течение десятилетий или даже более ста лет. Для аналитика, работающего в частной компании, это может быть ежемесячный доход от продаж в течение всей жизни компании. Поскольку существует так много наблюдений, данные анализируются очень детально, в поисках таких вещей, как сезонность за разные периоды (например, ежемесячно: больше продаж в начале месяца сразу после того, как людям заплатили; ежегодно: больше продаж в ноябре и Декабрь, когда люди делают покупки к Рождеству) и, возможно, смены режимов. Прогнозирование часто очень важно, как отмечает @StephanKolassa.
Продольный тип обычно относится к меньшему количеству измерений по большему количеству единиц исследования. Примером-прототипом может служить исследование лекарств, где сотни пациентов измеряются в начале исследования (до лечения) и ежемесячно в течение следующих 3 месяцев. С помощью всего лишь 4 наблюдений за каждой единицей в этом примере невозможно попытаться определить виды функций, которые интересуют аналитиков временных рядов. С другой стороны, когда пациенты предположительно рандомизированы в группы лечения и контроля, причинность можно определить один раз. несостоятельность была решена. Как следует из вышесказанного, зачастую отсутствие независимости считается почти неприятностью, а не основной особенностью интереса.