Une série chronologique capture une suite d’événements ou d’observations qui se succèdent dans le temps. Chaque observation dans cette séquence peut être influencée par les valeurs qui la précèdent. C’est ce qu’on appelle la dépendance temporelle ou dépendance sérielle. 
Cette interconnexion entre les données est fondamentale, car elle permet d’expliquer comment un événement passé peut influencer ceux à venir au fil du temps.
L’analyse des séries chronologiques mobilise des techniques statistiques avancées pour étudier ces relations dans le temps. Elle s’appuie sur des modèles spécifiques capables de capturer cette structure de dépendance.
Comprendre et prédire les comportements des séries chronologiques est essentiel, surtout dans des domaines critiques comme la santé publique. En analysant les motifs historiques, tels que la propagation d’une maladie infectieuse, il devient possible d’anticiper les tendances futures. Ces prévisions peuvent aider à la prise de décisions éclairées, que ce soit pour planifier les ressources hospitalières ou mettre en œuvre des campagnes de vaccination ciblées.