Czym różni się SARIMA od ARIMA?

SARIMA (Sezonowe ARIMA) rozszerza model ARIMA, dodając składniki uwzględniające sezonowość w szeregach czasowych.

Główne różnice:

• ARIMA (AutoRegressive Integrated Moving Average) modeluje niestacjonarne szeregi czasowe za pomocą trzech parametrów (p, d, q):

  • p — rząd autoregresji,
  • d — rząd różnicowania (differencje),
  • q — rząd średniej ruchomej.

• SARIMA dodaje do tych parametrów składniki sezonowe (P, D, Q) oraz sezonowy okres m, aby uwzględnić powtarzające się wzorce sezonowe:

  • P — sezonowy rząd autoregresji,
  • D — sezonowy rząd różnicowania,
  • Q — sezonowy rząd średniej ruchomej,
  • m — długość sezonowego okresu (np. 12 dla danych miesięcznych z roczną sezonowością).

Przykład: jeśli masz miesięczne dane z roczną sezonowością, SARIMA pozwoli modelować zarówno trend, jak i sezonowe wahania, czego ARIMA bez parametrów sezonowych nie potrafi.