Trend, seizoensinvloed en ruis

Een tijdreeks bestaat uit gegevenspunten die in de loop van de tijd in volgorde zijn vastgelegd, zoals dagelijkse verkopen of de temperatuur per uur. De volgorde zelf bevat betekenis. 📈

Bijna elke tijdreeks bevat drie onderdelen: een trend, een zich herhalend seizoenpatroon en willekeurige ruis. Ze leren herkennen is hier je eerste vaardigheid.

Een trend is de langzame richting op lange termijn waarin je gegevens bewegen, zoals gestage groei over meerdere jaren. Kleine dagelijkse schommelingen negeert de trend.

Seizoenspatroon is een patroon dat zich volgens een vaste cyclus herhaalt, zoals hogere verkopen in elke decembermaand of drukkere ochtenden op elke dag.

Ruis is het willekeurige, onverklaarde deel dat overblijft nadat trend en seizoen zijn verwijderd. Je kunt het niet voorspellen, alleen erkennen.

Het scheiden van de onderdelen heet decompositie. Zodra je trend en seizoen duidelijk ziet, wordt de toekomst voorspellen veel eenvoudiger.

In een additieve reeks worden de onderdelen bij elkaar opgeteld; in een multiplicatieve reeks groeit het seizoen mee met de trend. Kies het model dat bij je gegevens past.

statsmodels kan een reeks voor je opsplitsen met seasonal_decompose. Je geeft de gegevens en een periode mee.

Het resultaat toont vier gestapelde grafieken: waargenomen, trend, seizoenspatroon en residu. Door ze te bekijken leer je de reeks snel kennen.

Het residupaneel bevat wat trend en seizoen niet konden verklaren. Een goed residu lijkt op een vlakke, willekeurige spreiding rond nul.

De periode vertelt het model hoe lang één seizoen duurt: 12 voor maandgegevens en 7 voor dagelijkse gegevens met een wekelijkse cyclus.

Je hebt geleerd dat een tijdreeks trend, een seizoenspatroon en ruis combineert, en dat decompositie ze uit elkaar haalt zodat je kunt voorspellen.