---
title: "定常性とは何か？なぜ差分するのか【G検定対策】"
description: "定常性何か？なぜ差分するのかについて、G検定で問われるAI・機械学習分野の観点から、基本的な意味、代表モデル・手法との関係、試験で問われやすい判断軸を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/stationarity/"
section: "gk"
---

## 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