Sa pinaka-intuitive na kahulugan, ang stationarity ay nangangahulugan na ang mga istatistikal na katangian ng isang proseso na bumubuo ng isang time series ay hindi nagbabago sa paglipas ng panahon. Hindi ibig sabihin na hindi nagbabago ang serye sa paglipas ng panahon, basta ang paraan ng pagbabago nito ay hindi nagbabago sa paglipas ng panahon.
Ano ang stationary at non-stationary time series?
Ang isang nakatigil na serye ng oras ay may mga katangian ng istatistika o mga sandali (hal., ibig sabihin at pagkakaiba) na hindi nag-iiba-iba sa oras. Ang stationarity, kung gayon, ay ang katayuan ng isang nakatigil na serye ng oras. Sa kabaligtaran, ang nonstationarity ay ang status ng isang time series na ang mga katangian ng istatistika ay nagbabago sa paglipas ng panahon.
Ano ang hindi nakatigil na mga modelo ng time series?
Anumang time series na walang pare-parehong mean sa paglipas ng panahon ay nonstationary. Mga modelo ng form Yt=µ t + Xt kung saan ang µ t ay isang nonconstant mean function at ang Xt ay isang zero-mean, stationary na serye, ay isinasaalang-alang sa Kabanata 3.
Ano ang nagpapatigil sa isang time series?
Nakatigil ang serye ng oras kung wala silang trend o seasonal effect. Ang mga istatistika ng buod na kinakalkula sa serye ng oras ay pare-pareho sa paglipas ng panahon, tulad ng mean o pagkakaiba-iba ng mga obserbasyon. Kapag nakatigil ang isang serye ng oras, mas madali itong magmodelo.
Ano ang multivariate time series?
Ang Multivariate time series ay may higit sa isang variable na umaasa sa oras. Ang bawat variable ay hindi lamang nakadepende sa mga nakaraang halaga nito ngunit mayroon ding ilang dependency sa iba pang mga variable. Ginagamit ang dependency na ito para sa pagtataya ng mga halaga sa hinaharap. … Sa kasong ito, maraming variable ang isasaalang-alang upang mahusay na mahulaan ang temperatura.
