Stationär bedeutet, dass die Statistiken, die den Zufallsprozess beschreiben, konstant sind. "Ein memoryloser Markov-Prozess" ist eine andere Möglichkeit, stationär zu sagen, da die Wahrscheinlichkeitsgenerierungsfunktion keine "Feedback" -Begriffe enthält. Wenn Sie diese Wörter jedoch erkannt haben, stellen Sie diese Frage möglicherweise nicht. FWIW „schwach stationär“ ist nicht ganz dasselbe, eine konstante oder erkennbare Änderungsrate der Statistiken wäre schwach stationär, ebenso wie etwas, das sich im Durchschnitt ergibt, aber es ist etwas komplizierter. Betrachten Sie diese faire Warnung, dass es mehr zu wissen gibt Falls dies Teil des Puzzles ist, aber alles, was nicht stationär ist, im Detail zu beschreiben, würde eine einfache Antwort zu einer komplexen Antwort machen.
Warum ist stationär wichtig? Die üblicherweise verwendeten statistischen Formeln werden erstellt, um mithilfe eines Datensatzes eine ungenaue Beschreibung mit einer schätzbaren Genauigkeit eines ansonsten unbekannten Zufallsprozesses zu extrahieren. Die Formeln gehen davon aus, dass das Hinzufügen weiterer Stichproben die Genauigkeit der Beschreibung erhöht, indem die Unsicherheit verringert wird. Dafür muss die mittlere zentrale Tendenz, d. H. Ergodisch im Mittelwert, wahr sein. Wenn sich der Zufallsprozess selbst ändert, z. Wenn sich der Durchschnittswert oder die Varianz ändert, ist eine wesentliche zugrunde liegende Annahme ungültig. Sie können keine bessere Schätzung vornehmen.
Als allgemeines „Was passiert“, wenn sich der Mittelwert als lineare Funktion der Zeit bewegt, repräsentiert der berechnete Mittelwert den Mittelwert zu einer gewichteten mittleren Zeit und die berechnete Varianz wird aufgeblasen. Es ist möglich, eine "optimale a posteriori" (nachträgliche) Schätzung eines nicht stationären Prozesses zu berechnen und diese dann zu verwenden, um aussagekräftige Statistiken zu extrahieren, da die beste Schätzung der Zeitfunktion die Varianz minimiert. Es ist auch einfach, eine Zeitfunktion hoher Ordnung zu hypothetisieren und ein komplexes Modell zu erstellen, das gültig und vorhersagbar erscheint und tatsächlich keine Vorhersagekraft besitzt, da es eine Momentaufnahme der Zufälligkeit und keinen zugrunde liegenden Zeittrend modelliert.