この記事は英語版の対応するページを翻訳することにより充実させることができます。（2024年5月）翻訳前に重要な指示を読むには右にある[表示]をクリックしてください。

英語版記事を日本語へ機械翻訳したバージョン（Google翻訳）。

万が一翻訳の手がかりとして機械翻訳を用いた場合、翻訳者は必ず翻訳元原文を参照して機械翻訳の誤りを訂正し、正確な翻訳にしなければなりません。これが成されていない場合、記事は削除の方針G-3に基づき、削除される可能性があります。

信頼性が低いまたは低品質な文章を翻訳しないでください。もし可能ならば、文章を他言語版記事に示された文献で正しいかどうかを確認してください。

履歴継承を行うため、要約欄に翻訳元となった記事のページ名・版について記述する必要があります。記述方法については、Wikipedia:翻訳のガイドライン#要約欄への記入を参照ください。

翻訳後、{{翻訳告知|en|Stationary process|…}}をノートに追加することもできます。

Wikipedia:翻訳のガイドラインに、より詳細な翻訳の手順・指針についての説明があります。

定常過程（ていじょうかてい、英: stationary process）とは、時間や位置によって確率分布が変化しない確率過程を指す。このため、平均や分散も（もしあれば）時間や位置によって変化しない。

例えば、ホワイトノイズは定常的である。しかし、シンバルを鳴らしたときの音は定常的ではなく、時間と共に音が弱まっていく。

定常性（Stationarity）は時系列の解析でも重要であり、時系列データを定常的なものに変換することがよく行われる。例えば、経済的データは季節による変動があったり、価格レベルに依存する。ある定常過程と1つ以上の過程に傾向（トレンド）が認められるとき、これら過程を「傾向定常的; trend stationary」であるという。このようなデータから定常的成分だけを抜き出して分析することを「傾向除去; de-trending」と呼ぶ。

離散時間の定常過程で、標本値も離散的（とりうる値が N 個に限定されている）な場合をベルヌーイ系（Bernoulli scheme）と呼ぶ。N = 2 の場合を特にベルヌーイ過程（Bernoulli process）と呼ぶ。
弱い（広義の）定常性

広義の定常性は信号処理で一般に使われる概念で、弱い定常性（weak-sense stationarity）、広義定常性（wide-sense stationarity）(WSS) あるいは 共分散定常性（covariance stationarity）とも呼ばれる。WSS の無作為過程は1次および2次モーメント（平均と分散）が時間によって変化しない。平均と共分散のある狭義の定常過程も WSS である。

従って、連続時間の確率過程 x(t) が WSS であるとき、その平均関数は以下の制約に従う。1. E { x ( t ) } = m x ( t ) = m x ( t + τ ) ∀ τ ∈ R {\displaystyle \mathbb {E} \{x(t)\}=m_{x}(t)=m_{x}(t+\tau )\,\,\forall \,\tau \in \mathbb {R} }

また、相関関数は以下の制約に従う。2. E { x ( t 1 ) x ( t 2 ) } = R x ( t 1 , t 2 ) = R x ( t 1 + τ , t 2 + τ ) = R x ( t 1 − t 2 , 0 ) ∀ τ ∈ R . {\displaystyle \mathbb {E} \{x(t_{1})x(t_{2})\}=R_{x}(t_{1},t_{2})=R_{x}(t_{1}+\tau ,t_{2}+\tau )=R_{x}(t_{1}-t_{2},0)\,\,\forall \,\tau \in \mathbb {R} .}