Accéder au contenu principal

STL_Seasonal - fonction de graphique

STL_Seasonal est une fonction de décomposition de série chronologique. Avec STL_Trend et STL_Residual, cette fonction permet de décomposer une série chronologique en composantes saisonnière, de tendance et résiduelle. Dans le contexte de l'algorithme STL, la décomposition de série chronologique est utilisée pour identifier le modèle saisonnier récurrent et une tendance générale à partir d'une métrique d'entrée et d'autres paramètres. La fonction STL_Seasonal peut identifier un modèle saisonnier au sein d'une série chronologique, en le distinguant de la tendance générale affichée par les données.

Les trois fonctions STL sont associées à la métrique d'entrée via une simple somme :

STL_Trend + STL_Seasonal + STL_Residual = métrique d'entrée

La méthode STL (Seasonal and Trend decomposition using Loess - Décomposition saisonnière et de tendance via le lissage de nuage de points estimé localement) emploie des techniques de lissage des données et, grâce à ses paramètres d'entrée, permet à l'utilisateur d'ajuster la périodicité des calculs effectués. Cette périodicité détermine le mode de segmentation de la dimension temporelle de la métrique d'entrée (une mesure) dans l'analyse.

Au minimum, STL_Seasonal prend une métrique d'entrée (target_measure) et un entier pour sa valeur period_int, renvoyant une valeur à virgule flottante. La métrique d'entrée prendra la forme d'une agrégation qui varie en fonction de la dimension temporelle. Vous avez la possibilité d'inclure des valeurs pour seasonal_smoother et pour trend_smoother afin de modifier l'algorithme de lissage.

 

STL_Seasonal(target_measure, period_int [,seasonal_smoother [,trend_smoother]])

double

Arguments
Argument Description
target_measure

Mesure permettant d'effectuer une décomposition en composantes Saisonnier et Tendance. Il doit s'agir d'une mesure telle que Sum(Sales) ou Sum(Passengers) qui varie en fonction de la dimension temporelle.

Il ne doit pas s'agir d'une valeur constante.

period_int

Périodicité de l'ensemble de données. Ce paramètre est un entier représentant le nombre d'étapes distinctes constituant une période, ou un cycle saisonnier, du signal.

Par exemple, si la série chronologique est segmentée en une section pour chaque trimestre de l'année, vous devez définir period_int sur une valeur 4 pour définir la périodicité sur Année.

seasonal_smoother

Longueur du lisseur saisonnier. Il doit s'agir d'un entier impair. Le lisseur saisonnier utilise les données d'une phase spécifique de la variation saisonnière sur un certain nombre de périodes. Une étape distincte de la dimension temporelle de chaque période est utilisée. Le lisseur saisonnier indique le nombre de périodes utilisé pour le lissage.

Par exemple, si la dimension temporelle est segmentée par mois et si la période est Année (12), le composant saisonnier sera calculé de sorte que chaque mois donné de chaque année soit calculé à partir des données du même mois, à la fois au cours de cette année-là et des années adjacentes. La valeur seasonal_smoother est le nombre d'années utilisé pour le lissage.

trend_smoother

Longueur du lisseur de tendance. Il doit s'agir d'un entier impair. Le lisseur de tendance utilise la même échelle temporelle que le paramètre period_int et sa valeur est le nombre de grains utilisé pour le lissage.

Par exemple, si une série chronologique est segmentée par mois, le lisseur de tendance sera le nombre de mois utilisé pour le lissage.

La fonction de graphique STL_Seasonal est souvent utilisée en combinaison avec les fonctions suivantes :

Fonctions associées
Fonction Interaction
STL_Trend - fonction de graphique Il s'agit de la fonction utilisée pour calculer le composant de tendance d'une série chronologique.
STL_Residual - fonction de graphique Lors de la répartition d'une métrique d'entrée en composants saisonnier et de tendance, une partie de la variation de la mesure ne correspondra à aucun des deux composants. La fonction STL_Residual calcule cette portion de la décomposition.

Cette page vous a-t-elle aidé ?

Si vous rencontrez des problèmes sur cette page ou dans son contenu – une faute de frappe, une étape manquante ou une erreur technique – dites-nous comment nous améliorer !

Rejoignez le Programme de modernisation analytique

Remove banner from view

Modernisez votre système sans compromettre vos précieuses applications QlikView grâce au Programme de modernisation analytique. Cliquez ici pour plus d'informations ou contactez : ampquestions@qlik.com