我有一组新闻文章，其中有统计数据，例如：提及文章的推特帖子数量。统计数据值的自然行为是，随着新闻的老化，新帖子的数量会快速增长然后减少。
我想知道如何计算统计数据的变化不再显着的天数（例如：对于整个数据集的0.1％），并且有一定的置信度。
您能否提供一些提示，在哪里寻找信息和方法？我也很欣赏Python中的一些代码示例：）
答案 0 :(得分：8)
这个问题实际上是关于时间序列分析。既然您有兴趣确定截止点，那么一个好的起点就是阅读 Control Charts 。 如果您想深入研究统计数据（超出控制图表），请查看Change Point Analysis，并在时间序列中查找结构更改。
Python模块：要在Python中执行此分析， NumPy 和 pandas 模块是相关的。这个post in statalgo将使您在Python代码方面走上正轨。 （如果您愿意使用R进行分析，请考虑使用CRAN软件包 tseries 和 strucchange 。）
SE中的相关问题（统计数据）：How to detect a change in time series data?
相关现实生活中的例子：在奥萨马·本·拉登死后，Twitter上有很多analysis done on how that piece of news spread。这篇文章甚至还有一个专门针对你关于停止新闻传播的问题的部分。
最后，您也可以考虑在 Stats SE site 中提出此问题。
希望有所帮助。