stationarity

Time Series

[Time Series] ARIMA - Stationarity, Differencing, Backshift, AutoRegressive, Moving Average, ACF, PACF

2023.11.26

`지수평활(exponential smoothing)`과 `ARIMA` 모델은 시계열을 예측할 때 가장 널리 사용하는 두 가지 접근 방식 지수평활 모델은 추세와 계절성에 대한 설명에 기초하고, ARIMA 모델은 데이터에 나타나는 `자기상관(autocorrelation)`을 표현하는 데 목적 정상성(Stationarity)과 차분(Difference) 정상성(Stationarity) `정상성(stationarity)`을 나타내는 시계열은 시계열의 특징이 관측된 시간에 무관 추세나 계절성은 서로 다른 시간에 시계열의 값에 영향을 주기 때문에 추세나 계절성이 있는 시계열은 정상성을 나타내는 시계열이 아님 추세나 계절성은 없지만 주기성 행동을 가지고 있는 시계열은 정상성을 나타내는 시계열 주기가 고정된 길이를 갖..

Time Series

[Time Series] 시계열 시각화 - trend, seasonality, cycle, scatterplot, autocorrelation, white noise

2023.11.10

데이터 분석 작업에서 가장 먼저 해야하는 것은 데이터를 그래프로 나타내는 것 그래프는 패턴, 특이한 관측값, 시간에 따른 변화, 변수 사이의 관계 등의 데이터의 많은 특징을 눈으로 볼 수 있게 해줌 데이터를 그림으로 나타낸 그래프에서 보이는 특징은 사용할 예측 기법에 반드시 포함되어야 함 시계열 패턴 `추세(trend)` 데이터가 장기적으로 증가하거나 감소할 때, 추세가 존재 선형적일 필요는 x `계절성(seasonality)` 해마다 어떤 특정한 때나 일주일마다 특정 요일에 나타나는 것 같은 계절성 요인이 시계열에 영향을 주는 경우 계절성은 빈도의 형태로 나타나는데, 빈도는 항상 일정하며 알려져 있음 빈도가 변하지 않고 연중 어떤 시기와 연관되어 있는 요동 `빈도(frequency)`는 계절성 패턴이 ..

[Time Series] ARIMA - Stationarity, Differencing, Backshift, AutoRegressive, Moving Average, ACF, PACF

[Time Series] 시계열 시각화 - trend, seasonality, cycle, scatterplot, autocorrelation, white noise

티스토리툴바