O que é a decomposição STL?

A decomposição STL (Seasonal-Trend decomposition using Loess) é um método de decomposição de uma série temporal em três componentes principais:

• Tendência (Trend) — a tendência de longo prazo dos dados.
• Sazonalidade (Seasonal) — ciclos ou padrões recorrentes relacionados com mudanças periódicas.
• Resíduo (Residual) — ruído ou oscilações aleatórias que não podem ser explicadas pela tendência e sazonalidade.

O método baseia-se na regressão local Loess, que permite aproximar de forma flexível a tendência e a sazonalidade sem fazer suposições rígidas sobre a forma dos dados. Isto é útil para analisar e prever séries temporais, onde é importante separar os efeitos sazonais da tendência geral.

Exemplo de uso em Python com a biblioteca statsmodels:

from statsmodels.tsa.seasonal import STL
import pandas as pd

# Suponha que exista uma série temporal data
stl = STL(data, seasonal=13)
result = stl.fit()

tendência = result.trend
sazonalidade = result.seasonal
residual = result.resid

Assim, a decomposição STL ajuda a entender a estrutura da série temporal e a melhorar a qualidade das previsões.