Jakie są cechy wykrywania anomalii w szeregach czasowych (reszty STL, ESD)?

Wykrywanie anomalii w szeregach czasowych często korzysta z metod uwzględniających sezonowość i trendy, aby wyróżnić anomalie w residualach.

Reszty STL (dekompozycja sezonowa-trendowa za pomocą Loess):

• STL dzieli szereg czasowy na trzy składniki: sezonowość, trend i residuale.
• Anomalie są poszukiwane w residualach, ponieważ odzwierciedlają odchylenia od oczekiwanego zachowania po uwzględnieniu trendu i sezonowości.
• Pozwala to na dokładniejsze wykrywanie anomalii, bez mylenia ich z sezonowymi wahanami.

ESD (Ekstremalny odchylenie Studenta):

• Statystyczny test do wykrywania wielu wartości odstających w danych.
• Działa poprzez sekwencyjne usuwanie najbardziej ekstremalnych wartości i sprawdzanie ich istotności.
• Często stosowany do residuali po dekompozycji (np. po STL), aby zidentyfikować statystycznie istotne anomalie.

Razem te metody pozwalają najpierw oczyścić szereg czasowy z efektów sezonowych i trendowych (STL), a następnie wykryć anomalie w oczyszczonych danych za pomocą testu statystycznego (ESD).