Quais são as características da deteção de anomalias em séries temporais (resíduos STL, ESD)?

A deteção de anomalias em séries temporais frequentemente utiliza métodos que consideram a sazonalidade e as tendências para destacar anomalias nos resíduos.

Resíduos STL (Decomposição sazonal-tendência usando Loess):

• STL divide a série temporal em três componentes: sazonalidade, tendência e resíduos.
• As anomalias são procuradas nos resíduos, pois refletem desvios do comportamento esperado após considerar a tendência e a sazonalidade.
• Isto permite identificar anomalias com maior precisão, sem as confundir com oscilações sazonais.

ESD (Desvio extremo de Student):

• Teste estatístico para detectar múltiplos valores discrepantes nos dados.
• Funciona removendo sequencialmente os valores mais extremos e verificando sua significância.
• Frequentemente aplicado aos resíduos após decomposição (por exemplo, após STL) para identificar anomalias estatisticamente significativas.

Juntos, esses métodos permitem primeiro limpar a série temporal de efeitos sazonais e de tendência (STL), e depois detectar anomalias nos dados limpos usando um teste estatístico (ESD).