← 時系列分析 一覧

🎓 第1章：時系列の基礎

第1章 時系列の基礎

時系列分析の出発点です。「順序と依存」が本質のデータをどう眺め、定常性・自己相関で構造を測り、非定常をどう定常化し、予測をどう正しく評価するか——以降の全モデルの前提となる道具を、擬似系列で実証しながら押さえます。統計検定サイトの確率過程（確率過程（マルコフ連鎖・ポアソン過程））が土台です。

トピック一覧

1. 時系列データと分解 — 基礎
2. 定常性と自己相関 — 基礎
3. ランダムウォークと単位根 — 標準
4. 予測の評価指標と時系列CV — 標準

この章の要点

• 分解：トレンド＋季節＋残差。加法／乗法（対数で加法化）。記述の道具（予測は別）。
• 定常性と ACF/PACF：平均・分散・自己相関が一定が定常。ACF/PACF の形がモデルの指紋（AR は PACF、MA は ACF が次数で切れる）。
• 単位根：ランダムウォークは非定常。ADF（帰無＝非定常）で判定、差分で定常化（ARIMA の I）。
• 評価：RMSE/MAE/MAPE。時系列CVは順序を保つ（ウォークフォワード）。素朴予測を必ずベースラインに。

関連章

• 第2章 ARIMA系モデル — ACF/PACF の指紋を持つモデル本体
• 第4章 状態空間とカルマン — 別の定式化
• 統計：確率過程（マルコフ連鎖・ポアソン過程）
• 機械学習：訓練・検証・テストと交差検証

上位ハブ

• 時系列分析・予測テキスト 全体目次