『非定常な時系列が分析に適さない理由①』
定常・非定常が出てくると話がちょっと難しくなりますが、可能な限り 砕いて解説します。 「非定常的な時系列データに対して統計解析を施しても誤差が大きい 結果が出力される可能性が高いことから時系列データを定常化する 必要がある」 ということについての追加解説を行います。予定では時間がある時に 今回の記事を書こうかと思っていましたが、多くの方が現在行っている 分析が間違っているのではないかと不安に思われていることから先に 解説することにしました。 今回の記事に関する過去の記事は下記リンク先を参照してくださいね！ 参考 ： 差分と和分と市場分析 参考 ： 階差と差分 参考 ： 定常過程と非定常過程 【時系列モデルから考える】 まず話を進めやすいように時系列をモデル化して考えます。ちょっと数式 を扱いますが流れだけを追ってもらえれば良いかと思います。まず、時系 列モデルとして、 とします。ホワイトノ
『非定常な時系列が分析に適さない理由②』
定常・非定常のお話の続きです (^-^)/ 今回の記事に関する過去の記事は下記リンク先を参照してくださいね！ 参考 ： 差分と和分と市場分析 参考 ： 階差と差分 参考 ： 定常過程と非定常過程 参考 ： 非定常な時系列が分析に適さない理由① 【まだまだ問題がある・・】 非定常がもたらす問題は分析において多大な影響を与えそうだということ はわかってもらえたかと思います。この影響を回避するには定常性を持つ データを扱えば良いこともわかりました。そして、定常性は と「階差」を行うことで得られる可能性も知りました。ということで「階差」され たデータを分析の対象していきましょう (^O^)/ とはいっても、それで万事解決するわけではないのですねえ。というのも、 定常的な状態にする方法は時系列データの特性によって複数あるからで す。非定常な時系列としてランダムウォークを挙げてますが、ランダムウォ ー
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
