گرچه مطالعات مختلفی روی رابطه آلودگی هوا و عوارض مرتبط با سلامتی انجام شده اند. فقدان یک مطالعه دقیق و منظم با استفاده از روش مناسب در کشور ما احساس می شود. بخصوص ضعف متدولوژی در مطالعات موجود محققین را بر آن داشت تا به انجام یک مطالعه بر مبنای داده های TIME SERIES اقدام نمایند.سطح متوسط روزانه هر یک از آلاینده های PM10, SO2 , O3, CO, NOX ,NO2 ,NO (ذرات معلق کوچکتر از 10 میکرون) که در یکی از ایستگاههای شرکت کنترل کیفیت هوای تهران اندازه گیری و ثبت شده بودند به عنوان متغیر مستقل و دما، رطوبت نسبی، روز هفته، ماه سال و فصل سال به عنوان متغیر مخدوش کننده بالقوه در نظر گرفته شدند. تعداد مرگهای روزانه شهر تهران که در افرا مسن تر از 64 سال رخ داده بود متغیر وابسته این طرح را تشکیل داد (داده های فوق از دفاتر بهشت زهرا استخراج گردیدند). کلیه موارد فوق در فاصله 1/1/77 لغایت 30/9/78 اندازه گیری و ثبت شده اند.متغیر های PM10 ,CP ,SO2 در مدل نهایی ارتباط معنی داری با متغیر وابسته نشان دادند (P<0.05)؛ بدین ترتیب که به ازای افزایش هر یک از آلاینده های فوق از صدک 25 به صدک 75 (به شرط ثابت بودن غلظت سایر آلاینده ها و متغیر های مخدوش کننده) به ترتیب 3.4%، 2.6%، 3.36% به تعداد مرگ های روزانه افزوده می گردد. در مدل نهایی بین "مقادیر باقیمانده (Residuals)" همبستگی متوالی(Autocorrelation)  مشاهده نشد (ضریب همبستگی پیرسون بین مقادیر متوالی= 0.059-).بین آلاینده های PM10 ,CP ,SO2 و تعداد مرگ در افراد مسن تر از 64 سال رابطه وجود دارد. در ضمن آب و هوا و متغیرهای تقویمی باید در بررسی چنین رابطه ای مدنظر قرار بگیرند.

روش قطع تراز یک راهکار بسیار سودمند جهت تجزیه و تحلیل سریهای زمانی تصادفی است. ما در این مقاله با معرفی این روش به تحقیق در مورد نوفه های بتا و سریهای زمانی فواصل ضربان قلب (RR) پرداخته و تمایز قابل توجهی را بین نوفه l/f و نوفه سفید و همچنین قلب سالم و بیماری نارسایی قلبی (Chf) نشان می دهیم.

هر مجموعه از ضرایب موجک بخشی از سری زمانی را در مقیاس های زمانی متفاوت در بر دارد. پیاده سازی تبدیل موجک، با بهره گیری از بهترین موجک ها در سطوح مناسب تاثیر بسزایی در نتایج تحلیل های مالی خواهد داشت. در این پژوهش هدف، بیان اهمیت مفهوم مقیاس - زمان و به کارگیری فواصل زمانی متفاوت در بررسی رفتار بازارهای مالی است تا مشخص شود که آیا حذف نوفه از سری زمانی می تواند دقت تصمیم گیری ما برای آینده را بالا ببرد؟ بدین منظور ابتدا 16 شاخص انتخاب شده از بورس اوراق بهادار تهران به کمک نرم افزار R و با استفاده از تبدل موجک تا پنج سطح برای 250 داده تجزیه کرده وسپس از تمامی آن ها نوفه زدایی نمودیم. در مرحله بعد دو روش برای سنجش نوفه زدایی بکار بردیم یکی خوشه بندی شاخص های منتخب به روش دندروگرام و دیگری پیش بینی سری زمانی شاخص کل با 500 داده و با استفاده از داده های نوفه زدایی شده به دو روش موجک هار و دابشیز. نتایج هر دو روش حکایت از عملکرد بهتر نوفه زدایی با استفاده از موجک دابشیز در این سری های زمانی داشت. هدف اصلی ما به نوعی استفاده از آنالیز موجک و نوفه زدایی از سری های زمانی با استفاده از آن در مباحث مالی بود.