¿Cuáles son las características de la detección de anomalías en series temporales (residuos STL, ESD)?

La detección de anomalías en series temporales a menudo utiliza métodos que consideran la estacionalidad y las tendencias para identificar anomalías en los residuos.

Residuos STL (Descomposición estacional-tendencia usando Loess):

• STL descompone la serie temporal en tres componentes: estacionalidad, tendencia y residuos.
• Las anomalías se buscan en los residuos, ya que reflejan desviaciones del comportamiento esperado después de tener en cuenta la tendencia y la estacionalidad.
• Esto permite identificar anomalías con mayor precisión, sin confundirarlas con las fluctuaciones estacionales.

ESD (Desviación estudiada extrema):

• Prueba estadística para detectar múltiples valores atípicos en los datos.
• Funciona mediante la eliminación secuencial de los valores más extremos y la comprobación de su significancia.
• Se aplica frecuentemente a los residuos tras la descomposición (por ejemplo, después de STL) para identificar anomalías estadísticamente significativas.

Juntos, estos métodos permiten primero limpiar la serie temporal de efectos estacionales y de tendencia (STL), y luego detectar anomalías en los datos limpios mediante una prueba estadística (ESD).