STL_Trend - função de gráfico
STL_Trend é uma função de decomposição de séries temporais. Junto com STL_Seasonal e STL_Residual, essa função é usada para decompor uma série temporal em componentes sazonais, de tendências e residuais. No contexto do algoritmo STL, a decomposição de séries temporais é usada para identificar tanto um padrão sazonal recorrente quanto uma tendência geral, considerando uma métrica de entrada e outros parâmetros. A função STL_Trend identificará uma tendência geral, independente dos padrões ou ciclos sazonais, a partir de dados de séries temporais.
As três funções STL estão relacionadas à métrica de entrada por meio de uma soma simples:
STL_Trend + STL_Seasonal + STL_Residual = métrica de entrada
A STL (decomposição sazonal e de tendências usando Loess) emprega técnicas de suavização de dados e, por meio de seus parâmetros de entrada, permite ao usuário ajustar a periodicidade dos cálculos que ela realiza. Essa periodicidade determina como a dimensão temporal da métrica de entrada (uma medida) é segmentada na análise.
No mínimo, STL_Trend usa uma métrica de entrada (target_measure) e um valor inteiro para sua period_int, retornando um valor de ponto flutuante. A métrica de entrada terá a forma de uma agregação que varia ao longo da dimensão de tempo. Opcionalmente, você pode incluir valores para seasonal_smoother e trend_smoother para ajustar o algoritmo de suavização.
Você pode trabalhar com essa função inserindo-a diretamente no editor de expressão para um gráfico ou adicionando o modificador de Decomposição de série temporal a uma medida. Também está disponível para uso no Insight Advisor como um tipo de análise. Para obter mais informações, consulte Decomposição de séries temporais e Tipos de análises do Insight Advisor.
Sintaxe:
Tipo de dados de retorno: dual
| Argumento | Descrição |
|---|---|
| target_measure |
A medida a ser decomposta em componentes sazonais e de tendência. Esta deve ser uma medida como Sum(Sales) ou Sum(Passengers) que varia ao longo da dimensão do tempo. Isso não deve ser um valor constante. |
| period_int |
A periodicidade do conjunto de dados. Esse parâmetro é um valor inteiro que representa o número de etapas discretas que compõem um período, ou ciclo sazonal, do sinal. Por exemplo, se a série temporal for segmentada em uma seção para cada trimestre do ano, você deverá definir period_int com um valor de 4 para especificar a periodicidade como Ano. |
| seasonal_smoother |
Duração do suavizador sazonal. Deve ser um número inteiro ímpar. O suavizador sazonal usa dados para uma fase específica da variação sazonal ao longo de vários períodos. Uma etapa discreta da dimensão de tempo é usada de cada período. O suavizador sazonal indica o número de períodos usados para suavização. Por exemplo, se a dimensão de tempo for segmentada por mês e o período for Ano (12), o componente sazonal será calculado de forma que cada mês específico de cada ano seja calculado a partir dos dados do mesmo mês, tanto nesse ano quanto nos anos adjacentes. O valor de seasonal_smoother é o número de anos usados para suavização. |
| trend_smoother |
Duração do suavizador de tendência. Deve ser um número inteiro ímpar. O suavizador de tendência usa a mesma escala de tempo do parâmetro period_int, e seu valor é o número de grânulos usados para suavização. Por exemplo, se uma série temporal for segmentada por mês, o suavizador de tendência será o número de meses usados para suavização. |
A função de gráfico STL_Trend é frequentemente usada em combinação com as seguintes funções:
| Função | Interação |
|---|---|
| STL_Seasonal - função de gráfico | Essa é a função usada para calcular o componente sazonal de uma série temporal. |
| STL_Residual - função de gráfico | Ao dividir uma métrica de entrada em um componente sazonal e um componente de tendência, parte da variação da medida não caberá em nenhum dos dois componentes principais. A função STL_Residual calcula essa parte da decomposição. |
Para ver um tutorial com um exemplo completo que mostra como usar essa função, consulte Tutorial - Decomposição de séries temporais no Qlik Sense.