![0076227c8d5e9c8883b85aca1887656f.png](https://i-blog.csdnimg.cn/blog_migrate/30f0096f95d4c4e7c1641118d814ddbd.png)
![466e32efdb7e3bded25a09fbd4a1276f.png](https://i-blog.csdnimg.cn/blog_migrate/6eaaa34747b47453584c4b24333af789.png)
![466e32efdb7e3bded25a09fbd4a1276f.png](https://i-blog.csdnimg.cn/blog_migrate/6eaaa34747b47453584c4b24333af789.png)
严平稳(strict stationary):任何阶的矩(moment)(例如均值、方差、三阶以及更高阶的矩)的联合分布不取决于时间。第一个例子,均值随时间而增加,时间序列存在上升趋势。第二个例子,序列不包含任何趋势,但数据的方差确实差异很大,因此这也不具有非静止性。第三个例子,则随着时间的增加,分布会逐渐收窄,这意味着协方差是时间的函数。从严平稳的角度,这三个例子都不是平稳时间序列。实际上,这个定义太严格了,不能用于实际模型。
一阶平稳(first-order stationary):序列的均值永不随着时间而变化,而其他阶的矩,如方差可以改变。
二阶(或弱)平稳(second-order/weak stationary):序列具有恒定的均值、方差和自协方差(autocovariance),其他阶的矩可以随着时间的推移而自由变化。