Instationär

Instationär bedeutet in der Wissenschaft, dass ein System oder Prozess zeitabhängig ist und seine statistischen Eigenschaften sich im Verlauf ändern. Im Gegensatz dazu beschreibt ein stationärer Prozess Eigenschaften, die konstant bleiben oder nur von der Zeitdifferenz abhängen. Instationäre Prozesse zeigen typischerweise Trends, saisonale Muster oder veränderte Varianzen über die Zeit.

In der Statistik und Stochastik bezeichnen instationäre Prozesse Situationen, in denen der Mittelwert, die Varianz oder die Kovarianzfunktion zeitabhängig sind. Beispiele sind Trendprozesse, Zufallswanderungen oder autoregressive Modelle mit zeitabhängigen Koeffizienten (Time-Varying Autoregressive Models). Solche Prozesse erfordern oft andere Modeling-Ansätze als stationäre Modelle, etwa Differenzierung, Trendentfernung oder Modelle mit zeitvariierten Parametern. In der Praxis wird zwischen deterministischen Trends und stochastic trends unterschieden, die beide zu Instationarität führen können.

Auch in der Physik und dem Ingenieurwesen wird von instationären oder unsteady Prozessen gesprochen. Hier bezeichnen instationäre Strömungen, Transiente in der Wärmeleitung oder zeitabhängige Randbedingungen Systeme, deren Zustand sich laufend ändert. Messsignale können ebenfalls instationär sein, was eine zeitliche Anpassung von Analysemethoden erfordert, etwa Zeit-Frequenz-Analyse oder Wavelet-Transformationen.

Methoden zum Umgang mit Instationarität umfassen das Detrending, Differenzieren, Ko-Integration in der Ökonometrie, sowie Modelle mit zeitabhängigen Parametern (z. B. Kalman-Filter). In der Praxis ist die Identifikation von Instationarität oft der erste Schritt, gefolgt von der Wahl geeigneter Transformations- oder Modellierungsansätze, um verlässliche Schlussfolgerungen zu ermöglichen. Anwendungen finden sich in Wirtschaft, Klimaforschung, Signalverarbeitung, Hydrodynamik und vielen weiteren Feldern.