Как упоминал Аксакал в своем ответе, видео, на которое ссылается Кен Т, описывает свойства трендов , а не моделей напрямую, предположительно, как часть обучения по смежной теме стационарности трендов и различий в эконометрике. Так как в вашем вопросе вы спрашивали о моделях, то вот в контексте моделей :
Модель или процесс являются стохастическими, если они имеют случайность. Например, если даны одни и те же входные данные (независимые переменные, веса / параметры, гиперпараметры и т. Д.), Модель может давать разные выходные данные. В детерминированных моделях выходные данные полностью определяются входными данными модели (независимыми переменными, весами / параметрами, гиперпараметрами и т. Д.), Так что при одинаковых входных данных модели выходные данные идентичны. Происхождение термина "стохастик" происходит от случайных процессов . Как общее практическое правило, если модель имеет случайную величину, она является стохастической. Стохастические модели могут быть даже простыми независимыми случайными величинами.
Давайте распакуем еще несколько терминов, которые помогут вам понять литературу о статистических моделях (детерминистических, стохастических или других ...):
A R ( 1 )т - 1μεT= 0) и т. д. Мы делаем эти предположения, чтобы сделать линейную модель полезной для оценки зависимой (ых) переменной (ей) путем минимизации некоторой нормы этого члена ошибки. Эти предположения позволяют нам получить полезные свойства оценок и доказать, что определенные оценки являются лучшими в соответствии с этими предположениями; например, что оценщик OLS является СИНИМ .
Более простым примером стохастической модели является подбрасывание справедливой монеты (головы или хвоста), которая может быть стохастически смоделирована как равномерно распределенная двоичная случайная переменная или как процесс Бернулли . Вы также можете рассматривать бросок монеты как физическую систему и придумать детерминированную модель (в идеализированной обстановке), если принять во внимание форму монеты, угол и силу удара, расстояние до поверхности и т. Д. Если последняя (физическая) модель броска монеты не содержит случайных переменных (например, она не учитывает погрешность измерения любого из входов в модель), тогда она является детерминированной.
ИксTA R ( 1 )εTYT= ХT+ ϵTTВа г [ хT]TВа г [ хT]
Кроме того, иногда возникает путаница между стационарными случайными процессами и нестационарными случайными процессами. Стационарность подразумевает, что статистика, такая как среднее значение или дисперсия, не изменяется со временем в модели. Оба они все еще считаются стохастическими моделями / процессами, пока в них присутствует случайность. Как упоминает коллега Марон Мэтью Ганн, в своем ответе разложение Вольда утверждает, что любой стационарный случайный процесс может быть записан как сумма детерминированного и случайного процессов.