Інтегрована авторегресія
є форма регресійного аналізу, яка вимірює силу однієї залежної змінної відносно інших змінних змінних.
Модель авторегресійної інтегрованої ковзної середньої (ARIMA). використовує дані часових рядів і статистичний аналіз для інтерпретації даних і прогнозування на майбутнє. Модель ARIMA спрямована на пояснення даних за допомогою даних часових рядів про їх минулі значення та використовує лінійну регресію для прогнозування.
ARIMA — це абревіатура від «авторегресійна інтегрована ковзаюча середня». Це модель, яка використовується в статистиці та економетриці вимірювати події, які відбуваються протягом певного періоду часу.
Модель ковзного середнього подібна до моделі авторегресії, за винятком того, що замість лінійної комбінації минулих значень часового ряду це лінійна комбінація минулих членів білого шуму.
Основна відмінність полягає в тому, що моделі ARIMA можуть обробляти нестаціонарні дані, тобто дані, середнє значення чи дисперсія яких змінюється з часом, шляхом застосування різниці. Моделі ARMA, з іншого боку, припускають, що дані стаціонарні, що означає, що вони мають постійне середнє значення та дисперсію з часом.
Авторегресійні моделі є клас моделей машинного навчання (ML), які автоматично передбачають наступний компонент у послідовності, виконуючи вимірювання з попередніх вхідних даних у послідовності.