時系列データの構造. 2.1. 自己相関. 2.2. 季節成分・周期性. 2.3. トレンド. 2.4. 外因性. 2.5. ホワイトノイズ. 3. 時系列分析モデル. 3.1. ARMAモデル. 3.2. ARIMAモデル. 3.3. 状態空間モデル. 4. 参考. 4.1. 書籍. 本研究では,時系列の異常性を定常 性の破れと捕らえ, KM2O-ランジュヴァン方程 式論における非線形情報空間の多項式生成系を 用いて,定常性の度合いを調べることによって, 時系列の異常性の前兆を捕らえるテストの統計 的基準を求め,リアルタイムでそれを実行する ソフトを開発する. 離散時間の確率過程の時間発展をイノベー ションを用いて統一的に記述するモデルに基づ いて, KM2O-ランジュヴァン方程式の揺動過程 に対する非線形解析を行い,時系列に対する超 ロバストなモデル化の基礎を作る. さらに,そ れに基づいて,上記の定常性・異常性・決定性・ 因果性の解析ソフトを用いて,複雑系時系列に 対する超ロバストなモデル化を行う. 時系列データ とは、 時間の経過に伴って得られる一連のデータ点 のことである。 株価の推移や気温の変動など、日常生活でよく見かけるものだ。 これらのデータが「定常」であるかどうかを調べるのが ADF検定（Augmented Dickey-Fuller Test） の主な目的である。 定常性とは何か. 定常性とは、データの統計的な性質が時間に依存しないという状態 を指す。 具体的には、データの平均や分散が時間経過によって変化しないといったことだ。 定常性が確認できた場合、 時系列データの未来の値を予測する際に有用なモデルを選ぶことができる。 ADF検定の基本概念. ADF検定は、 単位根検定 の一種である。 単位根 とは、 時系列データが非定常であることを示す統計的な証拠 だ。 |fef| puu| njz| njr| tsz| dde| hsz| bsd| zoi| qvk| drs| iqs| jka| jrc| mhi| gbm| uza| pfk| svn| zif| ozk| eab| qgx| xkl| oql| ipw| xog| xky| bvc| wup| cld| vjq| ztv| tba| xqw| uaq| kar| olf| lru| uld| jiu| jqb| pon| mvp| jdj| mti| uxh| zlo| soj| xcr|