Comprendere la manutenzione predittiva – Radici unitarie e stazionarietà

Capire la manutenzione predittiva - Radici unitarie e stazionarietà

Foto di Emma Gossett su Unsplash
Foto di Emma Gossett su Unsplash

Scopo dell’articolo

In questo articolo, approfondiremo i concetti fondamentali delle radici unitarie e della stazionarietà. Preparati per una scoperta su perché controllare la stazionarietà sia cruciale, cosa sono le radici unitarie e come questi elementi svolgano un ruolo chiave nel nostro arsenale di manutenzione predittiva. Impareremo anche il caos! Questo articolo fa parte della serie Comprensione della manutenzione predittiva. Ho intenzione di creare l’intera serie in uno stile simile.

Controlla l’intera serie a questo link . Assicurati di non perdere nuovi articoli seguendo me.

Stazionarietà dei dati – nascondiglio e ricerca gioco analitico

Foto di Mitchell Luo su Unsplash

Ti sei mai chiesto se i tuoi dati stiano giocando a nascondino? Parliamo di stazionarietà. Non è solo un termine di fantasia; è il segreto per capire quanto stabile e prevedibile sia veramente il tuo dato dipendente dal tempo. Preparati mentre esploriamo perché la stazionarietà dei dati cambia il gioco nella modellazione e nella previsione.

Regole chiave della stazionarietà

  1. Media costante : una serie temporale stazionaria dovrebbe mostrare un valore medio costante nel tempo. Se la media cambia, suggerisce un cambiamento nel comportamento sottostante del processo.
  2. Varianza costante : la varianza della serie temporale, che rappresenta la dispersione dei punti dati, dovrebbe rimanere costante. Fluttuazioni nella varianza possono rendere difficile effettuare previsioni accurate.
  3. Autocorrelazione costante : l’autocorrelazione misura la correlazione tra una serie temporale e i suoi valori ritardati. In una serie stazionaria, la forza e il pattern dell’autocorrelazione dovrebbero essere consistenti in tutto.

Solo “stabilità” delle proprietà statistiche.

Perché la stazionarietà è importante

Immagina i tuoi modelli predittivi come navigatori esperti che navigano attraverso il mare di dati. Per navigare senza intoppi, preferiscono acque calme – qui entra in gioco la stazionarietà. I dati stazionari sono come un luogo sereno …