Ποια είναι τα χαρακτηριστικά της ανίχνευσης ανωμαλιών σε σειρές χρόνου (υπολείμματα STL, ESD);

Η ανίχνευση ανωμαλιών σε σειρές χρόνου συχνά χρησιμοποιεί μεθόδους που λαμβάνουν υπόψη τη σεζονικότητα και τις τάσεις για να εντοπίσουν ανωμαλίες στα υπολείμματα (residuals).

Υπολείμματα STL (Ανάλυση εποχικότητας-τάσης με Loess):

• Το STL διαχωρίζει τη σειρά χρόνου σε τρία συστατικά: εποχικότητα, τάση και υπολείμματα.
• Οι ανωμαλίες αναζητούνται στα υπολείμματα, καθώς αυτά αντικατοπτρίζουν αποκλίσεις από τη αναμενόμενη συμπεριφορά μετά την λήψη υπόψη της τάσης και της εποχικότητας.
• Αυτό επιτρέπει την πιο ακριβή ανίχνευση ανωμαλιών, χωρίς να συγχέονται με τις εποχικές διακυμάνσεις.

ESD (Ακραία Studentized Deviate):

• Στατιστικό τεστ για την ανίχνευση πολλαπλών ακραίων τιμών στα δεδομένα.
• Λειτουργεί με την διαδοχική αφαίρεση των πιο ακραίων τιμών και τον έλεγχο της σημαντικότητάς τους.
• Συχνά εφαρμόζεται στα υπολείμματα μετά τη διαχωρισμό (π.χ., μετά το STL) για την ανίχνευση στατιστικά σημαντικών ανωμαλιών.

Μαζί, αυτές οι μέθοδοι επιτρέπουν αρχικά τον καθαρισμό της σειράς χρόνου από εποχικές και τάσεις επιδράσεις (STL), και στη συνέχεια την ανίχνευση ανωμαλιών στα καθαρισμένα δεδομένα με τη βοήθεια στατιστικού τεστ (ESD).