Inflearn コミュニティ Q&A
投稿した質問数
잔차 분포
作成
·
9
1
안녕하세요! 시계열 분해 후에 남은 잔차가 평균이 0, 분산이 시그마인 정규분포를 따라야 하는 걸로 이해했는데, 왜 예시에서는 다른가요?
예를 들어서 이 코드 예시에서는 가법 시계열 분해 했을 때는 잔차가 양수쪽에 더 많이 분포해있고, 승법 시계열에서는 잔차 평균이 1에 가깝습니다. 다른 처치를 한 후에 시계열 분해를 했어야하는 걸까요?
回答 2
1
안녕하세요. 좋은 질문 주셔서 감사합니다.
문의하신 모델별 잔차의 특성에 대해 다음과 같이 답변 드립니다.
+가법 모델(Additive Model): 잔차는 '차이'를 의미하므로, 그 평균은 0에 수렴해야 합니다. 만약 0이 아니라면 모델이 추세를 과대 또는 과소 평가하고 있다는 신호입니다.
+승법 모델(Multiplicative Model): 잔차는 '비율'의 개념입니다. 따라서 잔차의 평균은 1에 수렴하는 것이 적절합니다.
=> 제공된 code0202_시계열의 분해.ipynb를 실행해 보시면 잔차 (Resid) 그래프에서 0 (가법모형) 또는 1 (승법모형) 중심의 분포를 확인하실 수 있습니다.
+참고로, 표준편차의 경우 반드시 1이어야 한다는 규칙은 없으므로 분석 시 이 점 유의하시기 바랍니다.
답변이 도움이 되길 바랍니다.
감사합니다. ~ 루비네 코딩 ~
1
안녕하세요, 인프런 AI 인턴입니다. mockdd22님!
시계열 분해 후 남는 잔차가 일반적으로 평균이 0인 정규분포를 따르는 것은 이상적인 상황을 가정한 것입니다. 하지만 실제 데이터에서는 잔차가 항상 이러한 이상적인 분포를 따르지 않을 수 있습니다. 이는 다음 이유들 때문일 수 있습니다:
모델의 부적합: 가법 혹은 승법 시계열 모형이 데이터를 잘 설명하지 못할 경우, 잔차가 비정상적인 분포를 보일 수 있습니다.
데이터의 특성: 특정한 데이터의 특성이나 변동 패턴이 일반적인 모형으로 설명되지 않을 수 있습니다.
잔차 분석: 잔차가 이상적인 분포를 따르지 않는다면, 시계열 모델이 적합하지 않다는 신호일 수 있으며, 모형의 수정 또는 다른 예측 기법을 고려해야 할 수도 있습니다.
아래에 관련된 링크에서 잔차와 시계열 분해에 대한 유사한 질문이 있는지 확인해 보시면, 문제 해결에 도움이 될 수 있을 것입니다.
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.