Изменение параметров системы во времени
Состояние или свойство физической, технической или биологической системы, при котором её основные характеристики (температура, давление, скорость, концентрация) зависят от момента наблюдения и не остаются постоянными.
Близкие слова
- нестабильностьЧаще подразумевает неустойчивость или склонность к разрушению, тогда как нестационарность — нейтральное описание изменения параметров.
- изменчивость во времениБолее общее бытовое выражение, не имеющее строгого научного контекста.
Нестационарность теплового процесса в двигателе требует сложного математического моделирования.
Из-за нестационарности потока жидкости расчёты гидродинамики становятся значительно сложнее.
Свойство статистических данных
Характеристика временного ряда, у которого среднее значение и дисперсия меняются со временем, что делает невозможным использование стандартных методов анализа стационарных процессов без предварительной обработки.
Экономические показатели часто обладают нестационарностью из-за сезонных колебаний и трендов.
Для устранения нестационарности временного ряда применяют дифференцирование или логарифмирование.
Противопоставление стационарности
Понятие нестационарности всегда рассматривается в паре со стационарностью. Стационарный процесс предполагает, что его статистические свойства или физические параметры неизменны во времени (или зависят только от разницы моментов времени). Нестационарность же указывает на наличие эволюции: система «помнит» своё прошлое состояние, и её поведение в момент t1 может отличаться от поведения в момент t2 даже при одинаковых внешних воздействиях. Это ключевое различие для выбора методов анализа.
Практическое значение в науке
В инженерных задачах игнорирование нестационарности может привести к ошибкам в проектировании. Например, при запуске турбины или нагреве металла важно учитывать переходные процессы, когда параметры меняются быстро. В статистике и эконометрике наличие нестационарности в данных (например, в ценах на акции) требует использования специальных тестов и моделей, так как стандартная линейная регрессия даёт ложные результаты.