¿Qué es la descomposición de series temporales en tendencia y estacionalidad?

La descomposición de series temporales es el proceso de descomponer una serie temporal en varios componentes, generalmente en tendencia, estacionalidad y residuos (ruido).

• Tendencia refleja la dirección a largo plazo del cambio en los datos (por ejemplo, aumento de ventas durante varios años).
• Estacionalidad son ciclos o patrones recurrentes que ocurren con una periodicidad determinada (por ejemplo, aumento de ventas en verano cada año).

La descomposición ayuda a entender mejor la estructura de los datos y a mejorar las predicciones. Por ejemplo, se puede identificar la tendencia para ver la dirección general, y la estacionalidad para tener en cuenta las fluctuaciones recurrentes.

Ejemplo: si tienes datos de ventas mensuales durante varios años, la descomposición permitirá identificar:

• Aumento o disminución de ventas (tendencia)
• Fluctuaciones anuales (estacionalidad)
• Fluctuaciones aleatorias (residuos)

Los métodos de descomposición incluyen modelos aditivos o multiplicativos clásicos, STL (Descomposición estacional-tendencia usando Loess) y otros.