Qu'est-ce que la décomposition des séries temporelles en tendance et saisonnalité?

La décomposition des séries temporelles est le processus de décomposer une série temporelle en plusieurs composants, généralement une tendance, une saisonnalité et des résidus (bruit).

• Tendance reflète la direction à long terme du changement des données (par exemple, une croissance des ventes sur plusieurs années).
• Saisonnalité désigne des cycles ou motifs récurrents qui se produisent avec une périodicité déterminée (par exemple, une augmentation des ventes en été chaque année).

La décomposition aide à mieux comprendre la structure des données et à améliorer la prévision. Par exemple, on peut isoler la tendance pour voir la tendance générale, et la saisonnalité pour prendre en compte les fluctuations récurrentes.

Exemple : si vous avez des données de ventes mensuelles sur plusieurs années, la décomposition permettra d’identifier :

• Une augmentation ou une baisse des ventes (tendance)
• Des fluctuations annuelles (saisonnalité)
• Des fluctuations aléatoires (résidus)

Les méthodes de décomposition incluent le modèle additif ou multiplicatif classique, STL (Décomposition saisonnière-tendance utilisant Loess) et d’autres.