একটি গুরুত্বপূর্ণ এবং দরকারী ফলাফল হ'ল ভোল্টের উপস্থাপনা উপপাদ্য (যা কখনও কখনও ওল্ডের পচা বলা হয়), যা বলে যে প্রতিটি সমবায়-স্থিতিশীল সময় সিরিজ Yt দুটি সময়ের সিরিজের সমষ্টি হিসাবে লেখা যেতে পারে, একটি ডিস্ট্রিমেন্টিক এবং একটি স্টোকাস্টিক।
Yt=μt+∑∞j=0bjεt−jযেখানে μt হ'ল নির্দোষ ।
দ্বিতীয় পদটি অসীম এমএ is
(এটি এমন একটি ক্ষেত্রেও ঘটতে পারে যে একটি বিভাজ্য এমএ অসীম এআর প্রক্রিয়া হিসাবে লেখা যেতে পারে))
এটি সুপারিশ করে যে সিরিজটি যদি স্বীকৃতি-স্থির হয় এবং আমরা ধরে নিই যে আপনি নির্জনবাদী অংশটি সনাক্ত করতে পারেন, তবে আপনি সর্বদা স্ট্যাকাস্টিক অংশটি এমএ প্রক্রিয়া হিসাবে লিখতে পারেন। একইভাবে যদি এমএ ইনভারটিবিলিটি শর্তটি সন্তুষ্ট করে তবে আপনি এটি সবসময় একটি এআর প্রক্রিয়া হিসাবে লিখতে পারেন।
আপনার যদি একটি ফর্মটিতে প্রক্রিয়া লিখিত থাকে তবে আপনি প্রায়শই এটিকে অন্য ফর্মটিতে রূপান্তর করতে পারেন।
সুতরাং এক অর্থে কমপক্ষে, সমবায় স্টেশনিয়াল সিরিজের জন্য, প্রায়শই এআর বা এমএ হয় উপযুক্ত হবে।
অবশ্যই, অনুশীলনে আমরা বরং খুব বড় মডেলগুলি রাখতাম না। আপনার যদি সসীম এআর বা এমএ থাকে তবে এসিএফ এবং পিএসিএফ উভয়ই শেষ পর্যন্ত জ্যামিতিকভাবে ক্ষয় হয়ে যায় (একটি জ্যামিতিক ক্রিয়াকলাপ যে উভয় ফাংশনের পরম মান নীচে বসবে), যার অর্থ একটি এআর বা একটির একটি ভাল আনুমানিকতা অন্য ফর্মের এমএ প্রায়শই যুক্তিযুক্ত সংক্ষিপ্ত হতে পারে।
সুতরাং কোভেরিয়েন্সের স্থিতিশীল অবস্থার অধীনে এবং ধরে নেওয়া আমরা নির্বাহী এবং স্টোকাস্টিক উপাদানগুলি সনাক্ত করতে পারি, প্রায়শই এআর এবং এমএ উভয়ই উপযুক্ত হতে পারে।
বক্স এবং জেনকিনস পদ্ধতি একটি পার্সিমোনিয়াস মডেল সন্ধান করে - কয়েকটি প্যারামিটার সহ একটি এআর, এমএ বা এআরএমএ মডেল। সাধারণত এসিএফ এবং পিএসিএফকে মডেল শনাক্ত করার চেষ্টা করার জন্য, স্টেশনারিটিতে রূপান্তর করে (সম্ভবত আলাদা করে), এসিএফ এবং পিএসিএফের উপস্থিতি থেকে কোনও মডেল সনাক্তকরণ (কখনও কখনও লোকেরা অন্যান্য সরঞ্জাম ব্যবহার করে), মডেলটিকে ফিট করে এবং তারপরে পরীক্ষা করে দেখায় অবশিষ্টাংশের কাঠামো (সাধারণত অবশিষ্টাংশগুলিতে এসিএফ এবং পিএসিএফের মাধ্যমে) অবশেষ সিরিজটি সাদা আওয়াজের সাথে যুক্তিসঙ্গতভাবে সামঞ্জস্য না হওয়া পর্যন্ত। প্রায়শই এমন একাধিক মডেল থাকবে যা সিরিজের যুক্তিসঙ্গত সংস্থান সরবরাহ করতে পারে। (অনুশীলনে অন্যান্য মানদণ্ডগুলি প্রায়শই বিবেচনা করা হয়।)
এই পদ্ধতির সমালোচনা করার কিছু কারণ রয়েছে। উদাহরণস্বরূপ, পি-ভ্যালুগুলি যা এই জাতীয় পুনরাবৃত্তির প্রক্রিয়া থেকে প্রাপ্ত হয় সেগুলি সাধারণত মডেলটি যেভাবে উপস্থিত হয়েছিল তার তথ্য গ্রহণ করে না (ডেটা দেখে); উদাহরণস্বরূপ, এই সমস্যাটি কমপক্ষে আংশিকভাবে নমুনা বিভাজন দ্বারা এড়ানো হতে পারে। দ্বিতীয় উদাহরণের সমালোচনা হ'ল আসলে স্টেশনারি সিরিজ প্রাপ্তির অসুবিধা - যদিও অনেক ক্ষেত্রেই এমন একটি ধারাবাহিক পেতে রূপান্তরিত হতে পারে যা স্টেশনারিটির সাথে যুক্তিসঙ্গতভাবে সামঞ্জস্যপূর্ণ বলে মনে হয়, সাধারণত এটি সত্যিকারের ক্ষেত্রে ঘটে না (অনুরূপ সমস্যাগুলি একটি সাধারণ বিষয়) পরিসংখ্যানগত মডেলগুলির সমস্যা, যদিও এটি এখানে কখনও কখনও সমস্যা হতে পারে)।
[একটি এআর এবং এটির সাথে সম্পর্কিত অসীম এমএর সম্পর্ক হিনডম্যান এবং অ্যাথানাসোপ্লোসের পূর্বাভাস: নীতি ও অনুশীলন ,
এখানে আলোচনা করা হয়েছে ]