Python を使用して時系列データが定常であるかどうかを確認するにはどうすればよいですか?

時系列とは、一定の時間間隔で記録された一連のデータ ポイントです。これは、パターンの傾向、変数間の関係、および定義された期間にわたる変化を研究するために使用されます。時系列の一般的な例には、株価、気象パターン、経済指標などがあります。

統計的および数学的手法を通じて時系列データを分析します。時系列の主な目的は、以前のデータのパターンと傾向を特定して、将来の値を予測することです。

データが時間とともに変化しない場合、データは定常であると言われます。データが定常であるかどうかを確認する必要があります。時系列データが定常であるかどうかを確認するにはさまざまな方法があります。見てみましょう一つずつ。＃＃＃

拡張ディッキーフラー(ADF)

Augmented Dickey-Fuller(ADF) は、時系列データで利用可能な単位根の存在をチェックする統計検定です。単位根は非定常データです。検定の静的値と p 値を次のように返します。出力。 ＃＃＃

出力で、p 値が 0.05 より小さい場合、それは非定常時系列データを示します。以下は ADF 定常データの例です。 Python には

adfuller()

という関数があります。これは、時系列データが定常であるかどうかを確認するために statsmodel パッケージで使用できます。 ＃＃＃例＃＃＃ この例では、Python の

statsmodel

パッケージの

adfuller()

関数を使用して、拡張ディッキー フラーの ADF 統計量と p 値を求めています。 リーリー ＃＃＃出力＃＃＃ 以下は、上記のプログラムを実行した後に生成される出力です – リーリー KPSSテスト

単位根を確認する別のテストは、

KPSS

テストです。略称は

クウィアトコウスキー・フィリップス・シュミット・シン

です。 statsmodels パッケージには、時系列データの単位根をチェックするための

kpss()

という関数があります。

＃＃＃例＃＃＃ 次は、時系列データの単位根を求める例です。 リーリー ＃＃＃出力＃＃＃ 以下は、statsmodels パッケージの kpss() 関数の出力です。 リーリー

ローリング統計

時系列データを確認するもう 1 つの方法は、特定の時系列データの移動平均と移動標準偏差をプロットし、データが一定のままかどうかを確認することです。グラフ内のデータが時間の経過とともに変化する場合、時系列データは非定常になります。

＃＃＃例＃＃＃

以下は、

matplotlib

ライブラリ

plot() 関数を使用して移動平均と移動標準偏差をプロットし、データのばらつきを確認する例です。 リーリー ＃＃＃出力＃＃＃ 以下は、移動平均と移動標準偏差をプロットして時系列データを正規化した出力です。

以上がPython を使用して時系列データが定常であるかどうかを確認するにはどうすればよいですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。