แนวคิดพื้นฐานในการเรียนรู้เชิงสถิติคือคุณสามารถเรียนรู้ได้โดยทำการทดสอบซ้ำ ตัวอย่างเช่นเราสามารถพลิกเป๊กเพื่อเรียนรู้ความน่าจะเป็นที่เป๊กติดหัวไว้
ในบริบทอนุกรมเวลาเราสังเกตการทำงานเดี่ยวของกระบวนการสุ่มแทนการวิ่งซ้ำของกระบวนการสุ่ม เราสังเกตการทดลองที่ยาวนาน 1 ครั้งมากกว่าการทดลองหลายครั้ง
เราต้องการความคงที่และความสอดคล้องเพื่อให้การสังเกตระยะยาวของกระบวนการสโทแคสติกนั้นคล้ายคลึงกับการสังเกตการไหลแบบอิสระจำนวนมากของกระบวนการสโทแคสติก
คำจำกัดความบางอย่าง (ไม่ชัดเจน)
Ω{Yt}t∈{1,2,3,…}ω∈Ω
- tYtΩ
- ωX(ω){Y1(ω),Y2(ω),Y3(ω),…}
ปัญหาพื้นฐานในอนุกรมเวลา
X1X2X3i=1,…,nωi∈ΩX1n∑ni=1XiE[X]
tΩ
1T∑Tt=1Yt
สำหรับข้อสังเกตหลายช่วงเวลาที่จะบรรลุเป็นงานที่คล้ายกันเป็นหลายดึงจากพื้นที่ตัวอย่างเราต้องstationarityและergodicity
E[Y]1T∑Tt=1YtE[Y]
ตัวอย่างที่ 1: ความล้มเหลวของการคงที่
{Yt}Yt=t{Yt}
St=1t∑ti=1YiStt→∞S1=1,S2=32,S3=2,…,St=t+12YtStt→∞
ตัวอย่าง: ความล้มเหลวของการยศาสตร์
XYt=Xt{Yt}=(0,0,0,0,0,0,0,…){Yt}=(1,1,1,1,1,1,1,…
E[Yt]=12St=1t∑ti=1YiYt