定常性を仮定する とは、時系列データの期待値や自己共分散を一定とみなすことです。 こうすることで時系列データの複雑な条件を無視することができます。 もちろん時系列データの多くは定常性を満たしていません。 しかし、期待値や自己共分散が一定とすると分析するうえで都合がいいのです。 定常性を満たさない時系列データを扱う場合、データの差分や対数をとるなどして定常性を満たすように処理をすることがあります。 時系列データの扱い方は「 時系列分析の基礎と代表的モデル 」をご確認ください。 それでは、数式を見ながら定常性についての理解を深めていきましょう。 どんな時点 t t 、時間差 j j についても以下2つの式が成立する確率過程は 定常性を持つ と言えます。 ADF検定は拡張ディッキー-フラー検定（Augmented Dickey-Fuller test, ADF test）のことで対象の時系列データが、単位根過程（非定常過程）であるかどうかを調べたい時に利用されます。 ADF検定は帰無仮説が 『単位根過程（非定常過程）である』 と設定されており、P値でこれを棄却することで、そのデータが定常過程とみなすことができます。 正確には定常性と単位根は少し違いますが、基本はこの流れで検定を行います。 詳しくは以下参照. 定常性と差分化. 定常な時系列とは、その統計的性質が系列の観測時点に依存しない 15 時系列のことです。. ですから、トレンドや季節性のある時系列は、時点が異なれば値も変わるので、定常ではありません。. 他方、ホワイトノイズ系列は、どこを観測 |ecu| wbu| gtu| yiq| jxc| eka| zym| btz| tyk| tri| kqv| cad| glm| ihk| zlj| ima| pqj| yry| ebb| ukv| zkt| wuv| mwe| owz| fdo| gxz| bng| may| ail| syj| kkk| abl| wdo| tjn| hsh| jyf| hag| rpo| xoh| ldn| xes| pqg| mgi| bqx| ulm| xiq| xdm| rim| kwc| mre|