#G検定

状態空間モデルとは、直接観測できない「内部の状態（真の値）」を、見えているデータから逆算・推定するための統計的枠組みです。ノイズや誤差を含んだ測定値の中から、隠れた要因を抽出し、ロボットの制御や予測などに活用されます。

定常性（Stationarity）とは、時系列データにおいて平均値やばらつきなどの統計的性質が時間とともに変化しない安定した状態のことです。予測モデルは通常「今の法則が続く」ことを前提とするため、分析の前にトレンドなどを取り除いてこの状態に近づける必要があります。

季節性（Seasonality）とは、時系列データにおいて決まった周期ごとにもたらされる反復的な変動のことです。気候や売上など規則的に上下する現象を指します。AI予測ではこのリズムを捉えることで精度向上が図られ、分析の重要な要素となります。

ホワイトノイズとは、予測不能で規則を持たないランダムなデータの揺れや「雑音」のことです。本来の傾向を覆い隠す要因ですが、一定範囲内なら正常変動とも捉えられます。時系列分析での意味と除去手法を解説します。

時系列データとは、時刻や日付という「順番」に従って取得・記録されたデータの総称です。株価の変動や気温の変化など、前後の関係性が意味を持つ情報を持ちます。AIによる未来予測（時系列解析）を行うための最も基本となる素材です。

ラグ（Time Lag）とは、ある出来事が発生してから、その影響が別のデータや指標に表れるまでの時間差のことです。予測分析ではこの「遅れ」の大きさを把握することで、将来の動向を事前に察知する重要な手掛かりとします。

回帰モデルとは、入力データから「いくつ？」「どれくらい？」といった連続する数値を予測する機械学習の手法です。分類との違いや比喩を用いて、AI初心者にも直感的に理解できる構成で解説します。