Ir para conteúdo principal

STL_Seasonal - função de gráfico

STL_Seasonal é uma função de decomposição de séries temporais. Junto com STL_Trend 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_Seasonal pode identificar um padrão sazonal em uma série temporal, separando-o da tendência geral exibida pelos dados.

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_Seasonal 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.

Sintaxe:  

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

Tipo de dados de retorno: dual

Argumentos
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_Seasonal é frequentemente usada em combinação com as seguintes funções:

Funções relacionadas
Função Interação
STL_Trend - função de gráfico Esta é a função usada para calcular o componente de tendência de uma série temporal.
STL_Residual - função de gráfico Ao dividir uma métrica de entrada em componentes sazonais e de tendência, parte da variação da medida não caberá em nenhum dos dois componentes principais. A função STL_Residual calcula esta parte da decomposição.

Esta página ajudou?

Se você encontrar algum problema com esta página ou seu conteúdo - um erro de digitação, uma etapa ausente ou um erro técnico - informe-nos como podemos melhorar!

Participe do Programa de Modernização do Analytics

Remove banner from view

Modernize sem comprometer seus valiosos aplicativos QlikView com o Programa de Modernização do Analytics. Clique aqui para mais informações ou entre em contato: ampquestions@qlik.com