定常性は何か？なぜ差分するのかを理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk time_series

G検定トップ ＞ 定常性とは何か？なぜ差分するのか【G検定対策】

まず結論

  • 定常性とは、時系列データの統計的性質（平均・分散など）が時間によらず一定である性質を指す。
  • G検定では 「なぜ差分するのか」＝定常性を満たすため と理解しているかが問われる。

直感的な説明

  • 定常な時系列：
    • 昔も今も「同じクセ」で上下に揺れている
  • 非定常な時系列：
    • 全体的に右肩上がり
    • 途中から急に変化する

👉 過去のパターンが未来にも通用する
これが成り立つ状態が「定常」。

定義・仕組み

定常性の基本的な考え方

定常な時系列では、次が時間に依存しない：

  • 平均
  • 分散
  • 共分散

一方、非定常な時系列では：

  • トレンドがある
  • 季節性が変化する
  • 分散が時間とともに変わる

なぜ差分するのか

  • 差分とは
    👉「前の値との差を取る」操作
  • トレンドを除去し、 データを定常に近づけるために行う。

例：

  • 売上データ → 差分 → 売上の増減量

👉 ARIMA の「I（Integration）」がこれに当たる。

いつ使う？（得意・不得意）

定常性が必要なモデル

  • AR
  • MA
  • ARMA
  • ARIMA（差分後）

定常性が必須でないモデル

  • LSTM
  • Transformer
  • 一部の機械学習モデル

G検定ひっかけポイント

  • ❌「差分はノイズ除去のために行う」
  • ❌「すべての時系列モデルで定常性が必要」
  • ❌「定常性＝データが変化しない」

👉 定常性＝変化しない ではない

判断基準

  • トレンドがある → 非定常
  • 差分を取る → 定常化
  • ARIMAのI → 差分

まとめ（試験直前用）

  • 定常性＝統計的性質が一定
  • 多くの時系列モデルは定常性を仮定
  • 差分はトレンド除去のため
  • ARIMAのIは差分
  • LSTMは必須ではない

🔗 関連記事

🏠 G検トップに戻る