详细内容或原文请订阅后点击阅览
时间序列预测变得简单（第4.1部分）：理解时间序列中的平稳性
seriesthe帖子时间序列预测的直观平稳性指南变得简单（第4.1部分）：了解时间序列中的平稳性首先出现在数据科学上。
来源:走向数据科学到目前为止，我们已经讨论了不同的分解方法和基线模型。现在，我们继续进行时间序列预测模型，例如Arima，Sarima等。
但是这些预测模型要求数据固定。因此，首先，我们将讨论时间序列中的哪个平稳性，为什么需要它以及如何实现。
也许你们中的大多数人已经通过博客，书籍等在时间序列中阅读了很多有关平稳性的信息，因为有很多资源可以学习。
首先，我想解释时间序列中的固定性是什么时候讨论诸如Arima等预测模型等。
但是，当我第一次了解这个主题时，我的理解并没有超出恒定的含义或差异，强大或弱的平稳性以及检查平稳性的测试。
总是感到缺少的东西；我无法理解有关平稳性的几件事。
因此，我决定写一篇关于此主题的文章，以解释我对我对平稳性的问题或怀疑所学到的东西。
我只是试图以更直观的方式写下时间序列中的平稳性，希望您将在方法和统计测试之外对此主题有一个新的视角。
，当时间序列具有恒定均值，恒定方差和恒定自相关性或恒定自相关结构时，我们将其称为静止。
让我们讨论每个属性。
恒定的含义是什么意思？
常数均值例如，考虑5年的时间序列销售数据。如果我们计算每年的平均销售额，则值应该大致相同，并且平均值在每年差异很大，则没有恒定的均值和时间序列不静止。
固定时间序列的下一个属性是恒定方差。
恒定方差。如果数据的传播在整个系列中相同，则据说具有恒定的差异。
但是，如果起伏很小，然后稍后变大，则没有恒定的方差。
注意：