Quelles sont les caractéristiques de la détection d'anomalies dans les séries temporelles (résidus STL, ESD) ?

La détection d'anomalies dans les séries temporelles utilise souvent des méthodes qui prennent en compte la saisonnalité et les tendances pour mettre en évidence les anomalies dans les résidus.

Résidus STL (Décomposition saisonnière-tendance utilisant Loess):

• STL décompose la série temporelle en trois composants : saisonnalité, tendance et résidus.
• Les anomalies sont recherchées dans les résidus, car ils reflètent les déviations par rapport au comportement attendu après avoir pris en compte la tendance et la saisonnalité.
• Cela permet d'identifier plus précisément les anomalies, sans les confondre avec les fluctuations saisonnières.

ESD (Déviation étudiante extrême):

• Test statistique pour détecter plusieurs valeurs aberrantes dans les données.
• Fonctionne en supprimant séquentiellement les valeurs les plus extrêmes et en vérifiant leur signification.
• Souvent appliqué aux résidus après décomposition (par exemple, après STL) pour identifier des anomalies statistiquement significatives.

Ensemble, ces méthodes permettent d'abord de nettoyer la série temporelle des effets saisonniers et de tendance (STL), puis de détecter les anomalies dans les données nettoyées à l'aide d'un test statistique (ESD).