####Pythonで時系列解析・分析を行っていくうえでの基礎知識として、SARIMAモデルにて車の売上予測をしてみます。平均・分散、正規分布などの統計学の初歩知識を前提とした学習の自身の振り返りの為の記事です。
##実践！PythonによるSARIMAモデルの推定
##①SARIMAを用いた時系列データの分析手順
1.データの読み込み
2.データの整理
3.データの可視化
4.データの周期の把握 (パラメーターsの決定)
5.s以外のパラメーターの決定 6.モデルの構築
7.データとの予測とその可視化
##②実践！PythonによるSARIMAモデルの推定
下記ではパラメータの決定を自動で最適化しています
##③1968-01-31から1972-01-31のある会社の車の売上データの予測と可視化
##④SARIMAモデル (Seasonal ARIMA model)とは
ARIMAモデルに周期成分を取り入れたモデルをSARIMAモデルといいます。＜＜ARMAモデルとは定常な時系列のモデルであり、非定常な時系列は定常な時系列に変換した後にARMAモデルに当てはめる必要がモデルの事。 𝑑 階差分をとった系列に対してARMA( 𝑝,𝑞 )を考えるモデルをARIMA( 𝑝,𝑑,𝑞 )モデルといいます。 時系列が ( 𝑑 次式のトレンド) + (定常部分) といえる場合に有効なモデルです。＞＞
SARIMAモデルは、時系列方向の説明にARIMA( 𝑝,𝑑,𝑞 ) モデルを使うだけでなく、周期方向の説明にもARIMA( 𝑃,𝐷,𝑄 )モデルを使おう、というものです。
SARIMAモデルでは合計7個のパラメータがあります。 時系列方向のARIMA( 𝑝,𝑑,𝑞 )に加え季節差分方向のARIMA( 𝑃,𝐷,𝑄 )、さらには周期 𝑠 があるためです。