In data-driven decision-making, \ac{STSD} addresses challenges like data scarcity, privacy, and the need for robust \ac{ML} models. \ac{TS} data is crucial in fields such as healthcare and finance, but generating high-quality synthetic data that maintains temporal dependencies remains difficult. This work tackles the need for reliable evaluation frameworks to ensure synthetic data fidelity and utility for safer \ac{ML} workflows in sensitive environments.

A major challenge is the lack of standardized metrics for assessing \ac{STSD}. Existing methods fail to simultaneously evaluate statistical alignment, distributional similarity, and temporal consistency, leading to inconsistencies in determining reliability. Moreover, the link between fidelity measures and synthetic data usefulness in classification tasks remains unclear, risking misrepresentation and bias in critical \ac{ML} applications.

This thesis introduces a framework that integrates \ac{PF} metrics with classification performance. It explores two key questions: (1) How can \ac{STSD} be systematically evaluated across statistical, distributional, and temporal dimensions? (2) How do \ac{PF} metrics correlate with classification utility? 

The methodology involves data preprocessing, synthetic data generation with quality variations, fidelity evaluation, and statistical correlation analysis. Time series are segmented using sliding windows, and synthetic data is generated across increasing training epochs. Fidelity metrics compare synthetic and real data, while classification models trained on synthetic sets are tested on real holdouts. Spearman’s correlation and confidence intervals assess relationships between PF metrics and F1-ratios, revealing dataset-specific fidelity-utility patterns.

The final results highlight dataset-dependent variations. In one dataset, \ac{PF} metrics showed significant correlations with the utility metric at varying strengths, while another dataset lacked notable correlations, reinforcing the context-specific nature of synthetic data evaluation. Future research directions can be applied by expanding \ac{PF} metrics across additional dimensions or assessing datasets from other domains.

Inom datadrivet beslutsfattande hanterar syntetiska tidsseriedata (\ac{STSD}) utmaningar som dataskrävhet, integritet och behovet av robusta maskininlärningsmodeller (\ac{ML}). Tidsseriedata (\ac{TS}) är avgörande inom områden som hälso- och sjukvård samt finans, men att generera högkvalitativa syntetiska data som bevarar temporala beroenden är fortfarande en utmaning. Detta arbete adresserar behovet av tillförlitliga utvärderingsramverk för att säkerställa syntetiska datas kvalitet och användbarhet i känsliga ML-miljöer.

En central utmaning är bristen på standardiserade metoder för att bedöma STSD. Befintliga metoder misslyckas ofta med att samtidigt utvärdera statistisk överensstämmelse, distributionell likhet och temporal konsistens, vilket skapar inkonsekvenser i tillförlitlighetsbedömningen. Dessutom är sambandet mellan kvalitetsmått och syntetiska datas användbarhet i klassificeringsuppgifter fortfarande oklart, vilket riskerar att leda till felaktiga representationer och bias i kritiska ML-tillämpningar.

Denna avhandling presenterar ett ramverk som integrerar populationsfidelitetsmått (\ac{PF}) med klassificeringsprestanda. Två nyckelfrågor undersöks: (1) Hur kan STSD systematiskt utvärderas utifrån statistiska, distributionella och temporala dimensioner? (2) Hur korrelerar PF mätvärden med användbarheten av syntetiska data i klassificeringsuppgifter?

Metodiken omfattar datapreprocessing, syntetisk datagenerering med varierande kvalitet, kvalitetsutvärdering och statistisk korrelationsanalys. Tidsserier delas upp i segment med hjälp av sliding window-teknik, och syntetiska data genereras över ökande tränings-epoker. Kvalitetsmått jämför syntetiska och verkliga data, medan klassificeringsmodeller tränade på syntetiska dataset testas på verkliga. Spearmans korrelation och konfidensintervall används för att analysera sambanden mellan \ac{PF} mätvärden och F1-ratio, vilket avslöjar dataset-specifika mönster i relationen mellan datafidelitet och användbarhet.

Slutresultaten visar på datasetberoende variationer. I ett dataset uppvisade \ac{PF} mätvärden signifikanta korrelationer med användbarheten i varierande styrkor, medan ett annat dataset saknade tydliga samband, vilket bekräftar att utvärderingen av syntetiska data är kontextberoende. Framtida forskning kan fokusera på att utöka \ac{PF} mätvärden över fler dimensioner eller analysera dataset från andra domäner.