다음을 직관적이고 쉽게 다시 설명하세요 2) 차분(Difference): 특정 시점 또는 시점들의 데이터가 발산할 경우 시점간 차분(변화량)으로 정상성 변환 가능 계절성(Seasonality, ): 특정한 달/요일에 따라 기대값이 달라지는 것, 변수 더미화를 통해 추정 가능 계절성 제거: 1) 계절성 추정( ) 후 계절성 제거를 통한 정상성 확보 (수학적 이해) 확률과정의 계절변수 더미화를 통해 기댓값 함수를 알아내는 것 확률과정( )이 추정이 가능한 결정론적 계절성함수( )와 정상확률과정( )의 합 \begin{align*} \text{Main Equation} && Y_t &= f(t) + Y^s_t \\ \text{where} && f(t) &= \sum_{i=0}^{\infty} a_i D_i = a_0 + a_1 D_1 + a_2 D_2 + \cdots \end{align*} 계절성 제거: 2) 차분 적용 후 계절성 제거를 통한 정상성 확보 (수학적 이해) \begin{align*} \text{Main Equation of d=1} && Y_t &=> (1-L^1) Y_t \\ && &= (1-Lag^1) Y_t \\ && &= Y_t - Lag^1(Y_t) \\ && &= Y_t - Y_{t-1} \\ \text{Main Equation of d=2} && Y_t &=> (1-L^2) Y_t \\ && &= (1-Lag^2) Y_t \\ && &= Y_t - Lag^2(Y_t) \\ && &= Y_t - Y_{t-2} \\ \end{align*} 추세(Trend, ): 시계열이 시간에 따라 증가, 감소 또는 일정 수준을 유지하는 경우 추세 제거: 1) 추세 추정( ) 후 추세 제거를 통한 정상성 확보 (수학적 이해) 확률과정의 결정론적 기댓값 함수를 알아내는 것 확률과정( )이 추정이 가능한 결정론적 추세함수( )와 정상확률과정( )의 합 \begin{align*} \text{Main Equation} && Y_t &= f(t) + Y^s_t \\ \text{where} && f(t) &= \sum_{i=0}^{\infty} a_i t^i = a_0 + a_1 t + a_2 t^2 + \cdots \end{align*} 추세 제거: 2) 차분 적용 후 추세 제거를 통한 정상성 확보 (수학적 이해) \begin{align*} \text{Main Equation of d=1} && Y_t &=> (1-L^1)^1 Y_t \\ && &= (1-Lag^1)^1 Y_t \\ && &= Y_t - Lag^1(Y_t) \\ && &= Y_t - Y_{t-1} \\ \text{Main Equation of d=2} && Y_t &=> (1-L^1)^2 Y_t \\ && &= (1-2L^1+L^2) Y_t \\ && &= (1-2Lag^1+Lag^2) Y_t \\ && &= Y_t - 2Lag^1(Y_t) + Lag^2(Y_t) \\ && &= Y_t - Lag^1(Y_t) - Lag^1(Y_t) + Lag^2(Y_t) \\ && &= (Y_t - Lag^1(Y_t)) - (Lag^1(Y_t) - Lag^2(Y_t)) \\ && &= (Y_t - L^1(Y_t)) - (L^1(Y_t) - L^2(Y_t)) \\ && &= (Y_t - Y_{t-1}) - (Y_{t-1} - Y_{t-2}) \\ && &= Y_t - 2Y_{t-1} + Y_{t-2} \\ \end{align*} 3) Box-Cox 변환: 정규분포가 아닌 자료를 정규분포로 변환하기 위해 사