02. Componentes de uma série

Uma série pode combinar patamar, movimento persistente, repetição sazonal e oscilações de duração variável. Separar essas ideias ajuda a escolher modelos e a interpretar mudanças sem chamar toda flutuação de tendência ou sazonalidade. Os componentes são representações analíticas dependentes de hipóteses e métodos, e sua separação não é perfeita por definição. Este capítulo apresenta nível, tendência, sazonalidade e ciclo, relacionando-os também ao componente irregular que permanece depois da decomposição.

Quando a ordem do tempo importa, dividir dados aleatoriamente e ignorar dependências produz respostas enganosas. A sequência parte da estrutura temporal e chega à operação contínua das previsões. Este é o capítulo 2 de 20 da disciplina Séries Temporais e Previsão. Ele retoma Estrutura, índice temporal e frequência e utiliza essa base para avançar. Na sequência, estudaremos Ordenação, agregação e calendário.

O fio condutor

Ciência de Dados começa com uma pergunta e termina com uma decisão que precisa ser compreendida, avaliada e acompanhada. Entre esses dois pontos, dados são coletados, examinados e transformados; métodos são escolhidos; resultados são validados; e limitações são comunicadas. Nenhuma etapa compensa automaticamente uma falha grave ocorrida na etapa anterior.

Neste capítulo, use Componentes de uma série para acompanhar três dimensões: o problema que se deseja resolver, a evidência disponível e o critério usado para avaliar o resultado. Essa separação ajuda a evitar soluções tecnicamente sofisticadas que não respondem à necessidade real.

Nível

Começamos por Nível, pois essa base organiza os conceitos e exemplos que aparecerão no restante do capítulo.

Nível é o patamar local em torno do qual a série varia.

Nível é o patamar local em torno do qual os valores variam. Ele pode ser constante em um trecho e mudar em outro. Uma observação acima do nível pode decorrer de ruído, sazonalidade ou evento pontual, sem demonstrar mudança persistente. Médias locais e métodos de suavização ajudam a estimá-lo, mas sua reação depende de janelas e parâmetros. Um nível estimado no centro de uma janela pode usar observações futuras; isso é aceitável para descrição retrospectiva, mas não para simular uma previsão emitida naquele instante.

Tendência

Depois de compreender Nível, passamos a Tendência. A nova seção acrescenta outra etapa ao mesmo raciocínio e mostra como as decisões anteriores influenciam as próximas.

Tendência é mudança persistente do nível ao longo do tempo.