ARIMA або AutoRegressive Integrated Moving Average — це набір моделей, які пояснюють часовий ряд за допомогою його власних попередніх значень, наданих лагами (AutoRegressive) і помилками лагів (Ковзне середнє), враховуючи стаціонарність, виправлену диференціацією (протилежність інтегруванню.)
Відставання часового ряду означає щоб зрушити його значення вперед на один або кілька часових кроків, або еквівалентно, щоб зсунути час у його індексі назад на один чи більше кроків. У будь-якому випадку ефект полягає в тому, що спостереження в серії з відставанням здаватимуться так, ніби відбулися пізніше.
Коефіцієнт кореляції між двома значеннями в часовому ряді називається функцією автокореляції (ACF). Наприклад, ACF для часового ряду визначається як: Corr ( y t , y t − k ) . Це значення k є проміжок часу враховується і називається відставанням.
Існує два типи лагованих моделей: з розподіленим лагом і авторегресією. У першому випадку поточні та лаговані значення регресорів є пояснювальними змінними. В останньому лаговані значення (значення) регресії з’являються як пояснювальні змінні.
Модель ARIMA має три складові функції: AR (p), кількість лагових спостережень або членів авторегресії в моделі; I (d) різниця в несезонних спостереженнях; і MA (q), розмір вікна ковзного середнього.
ARIMA або AutoRegressive Integrated Moving Average — це набір моделей, які пояснюють часовий ряд за допомогою його власних попередніх значень, наданих лагами (AutoRegressive) і помилками лагів (Ковзне середнє), враховуючи стаціонарність, виправлену диференціацією (протилежність інтегруванню.)