안녕하세요, 유익한 강의 공유해주셔서 고맙습니다. 모델의 Stationarity 확보가 ARIMA에서 I의 목적이라는 점 덕분에 잘 배웠습니다. 18:32 의 차분에 관한 설명이 약간 햇갈리는데, 보통 2차 차분은 (Xt-Xt-1)-(Xt-1-Xt-2)의 값이라고 생각했는데 Xt-Xt-2인 이유가 있는지 궁금합니다.
안녕하세요 교수님, 항상 올려주시는 양질의 수업을 너무 잘 듣고있는 학생입니다! 질문드릴 내용이 있어서 댓글 남깁니다. 1. ar, ma, arma모델을 Non stationary데이터에 적용하지 못하는 이유가 무엇인지 궁금합니다! 평균과 분산이 일정하지 않은 데이터는 시계열 모델로 다음 시점을 예측할때 부정확한 결과를 낳을수 있는건가요? 2. arima 모델에서 Y값이 차분이라면, 우리가 예측하는 Y도 다음시점의 차분인가요? 그렇다면 원 값을 예측하기 위해선 이전 값을 더해서 역산하기만 하면 되는것 인지 궁금합니다.
1. 시계열 모델링에서 오차 error 가 평균이 0이고 분산이 시그마인 정규분포를 따르지 않고 다른 분포를 따른다는 것은 오차로부터 뽑아낼 수 있는 정보가 아직 남아있다는 뜻입니다. 시계열 모델링의 목적은 t+1에서의 yt를 예측해보고자 하는 것인데 주어진 데이터에서 구할 수 있는 모든 정보를 추출하면 error는 N~(0, 시그마^2)을 따르게 되고 이는 white noise가 됩니다. 2. 맞습니다.
![김성범[ 교수 / 산업경영공학부 ]](http://yt3.ggpht.com/ytc/AIdro_mWwhQeGQPwIyBiV88b5htY6vhPJfUXlhO1TKC6ur0wnA=s48-c-k-c0x00ffffff-no-rj)
비록 2년이 지나고 강의를 들었지만 여전히 통계 입문자들에게 빛이되는 강의입니다! 교수님 감사합니다
감사합니다!
간략히 ARIMA를 이해하기 정말 좋은 강의 였습니다. 감사합니다.
감사합니다~
안녕하세요, 유익한 강의 공유해주셔서 고맙습니다. 모델의 Stationarity 확보가 ARIMA에서 I의 목적이라는 점 덕분에 잘 배웠습니다. 18:32 의 차분에 관한 설명이 약간 햇갈리는데, 보통 2차 차분은 (Xt-Xt-1)-(Xt-1-Xt-2)의 값이라고 생각했는데 Xt-Xt-2인 이유가 있는지 궁금합니다.
아직도 듣는 사람 손~
최고십니다.. 정말로..
도움이 되셨다니 다행입니다. 감사합니다!
언제나 좋은 강의 잘 듣고 있습니다 감사합니다 교수님 :)
감사합니다!
와 설명을 넘 잘하셔서 이해가 잘 됐습니다. 아리마모델 공부중이었는데 감사합니다.
도움이 되셨다니 저도 기쁩니다. 감사합니다.
ARIMA 모형에 대해 이제 막 배우는 학생입니다. 친절한 설명 감사합니다
감사합니다~
감사합니다. 정말 많은 도움이되는 강의였어요😊😂
도움이 되셨다니 감사합니다.
전기공학도입니다. 논문 10편보는 것보다 빨리 이해가 되었습니다. 감사합니다.
감사합니다~
감사합니다. 매우 도움이 되었습니다.
감사합니다~
이해하기 쉽습니다. 감사합니다.
감사합니다~
강의 잘 들었습니다. 한 가지 의문인게...2차 차분은 1차 차분한 값을 가지고 다시 한 번 차분하는 거 아닌가요??
맞습니다.
2차 차분이 1차 차분한 값을 대상으로 다시 한번 더 차분하는 것이 맞다면 2차차분은 Xt - Xt-2가 아니라, (Xt - Xt-1) - (Xt-1 - Xt-2) = Xt - 2Xt-1 + Xt-2로 되어야 할 것 같습니다.
와 이런 강의를 공짜로 들을 수 있다니...감사합니다 ㅠㅠ
감사합니다!
lstm, rnn으로 학습시에도 차분을 하면 모형 학습이 성능 개선에 도움이 될까요? 좋은 강의 감사합니다.
선생님, 좋은 강의 감사합니다. 혹시 강의파일을 PDF로라도 공유해 주실 수 있을까요?
안녕하세요 교수님, 항상 올려주시는 양질의 수업을 너무 잘 듣고있는 학생입니다!
질문드릴 내용이 있어서 댓글 남깁니다.
1. ar, ma, arma모델을 Non stationary데이터에 적용하지 못하는 이유가 무엇인지 궁금합니다! 평균과 분산이 일정하지 않은 데이터는 시계열 모델로 다음 시점을 예측할때 부정확한 결과를 낳을수 있는건가요?
2. arima 모델에서 Y값이 차분이라면, 우리가 예측하는 Y도 다음시점의 차분인가요? 그렇다면 원 값을 예측하기 위해선 이전 값을 더해서 역산하기만 하면 되는것 인지 궁금합니다.
1. 시계열 모델링에서 오차 error 가 평균이 0이고 분산이 시그마인 정규분포를 따르지 않고 다른 분포를 따른다는 것은 오차로부터 뽑아낼 수 있는 정보가 아직 남아있다는 뜻입니다. 시계열 모델링의 목적은 t+1에서의 yt를 예측해보고자 하는 것인데 주어진 데이터에서 구할 수 있는 모든 정보를 추출하면 error는 N~(0, 시그마^2)을 따르게 되고 이는 white noise가 됩니다.
2. 맞습니다.
좋은 영상 감사합니다
감사합니다!
그럼 사실 거의 대부분의 데이터는 비정상 데이터인가요? 평균과 분산이 시점에 따라 같은게 말이 안되니
네. 대부분의 시계열 데이터는 nonstationary 입니다.
안녕하세요 강의노트 받을수 있을까요?
설명이 너무 어렵고 이해가 안가는 부분이 많네여