A decomposição sazonal de uma série temporal (STL) é uma técnica estatística usada para separar uma série temporal em três componentes distintos: o componente sazonal, o componente de tendência e o componente restante. O componente sazonal representa padrões repetidos nos dados, enquanto o componente de tendência identifica movimentos ou ciclos de longo prazo nos dados. O componente restante é composto por quaisquer valores discrepantes potenciais não representados nos componentes sazonais e de tendência.
STL é comumente usado em previsões de séries temporais, como previsões de negócios, previsões populacionais e previsões meteorológicas. Também é amplamente utilizado na detecção de anomalias e pode ser usado para identificar alterações inesperadas nos dados que podem ser discrepantes ou tendências desconhecidas.
O processo normalmente envolve suavizar ou filtrar os dados e transformá-los com uma função periódica, como a transformada de Fourier. Diferentes métodos podem ser utilizados para estimar a componente sazonal. STL também pode ser usado com métodos de suavização exponencial, como o método Holt-Winters.
STL é um processo iterativo e é necessário repetir o processo até que os resultados sejam aceitáveis. Muitas vezes é benéfico revisar a exibição gráfica dos componentes para ajudar a avaliar a adequação dos resultados da decomposição.
No geral, o STL é uma ferramenta importante para identificar e analisar padrões em dados de séries temporais e pode ser usado para identificar valores discrepantes, tendências e padrões sazonais. É uma técnica estatística essencial para previsão de séries temporais e é usada em uma ampla variedade de aplicações de previsão e detecção de anomalias.
