Aşağıdakilere karşı ayrıntıları tartışmak için bir örnek:
> plot(stl(nottem, "per"))
Yani üst panelde, çubuğu 1 birim varyasyon olarak düşünebiliriz. Mevsimsel paneldeki çubuk, veri panelindekinden biraz daha büyüktür, bu da mevsimsel sinyalin verilerdeki değişime göre büyük olduğunu gösterir. Başka bir deyişle, mevsimsel paneli kutunun veri panelindekiyle aynı boyutta olacak şekilde küçültürsek, mevsimsel daraltılmış paneldeki varyasyon aralığı veri panelindekine benzer ancak biraz daha küçük olacaktır.
Şimdi trend panelini düşünün; gri kutu artık veri veya mevsimsel panelde bulunanlardan daha büyüktür, bu da eğilime atfedilen varyasyonun mevsimsel bileşenden çok daha küçük olduğunu ve sonuç olarak veri serisindeki varyasyonun sadece küçük bir kısmını gösterir. Eğilime atfedilen varyasyon, stokastik bileşenden (geri kalanlar) önemli ölçüde daha küçüktür. Bu nedenle, bu verilerin bir eğilim göstermediğini belirleyebiliriz.
Şimdi başka bir örneğe bakın:
> plot(stl(co2, "per"))
hangi verir
Bu grafikteki çubukların göreceli boyutlarına bakarsak, trendin veri serisine egemen olduğunu ve sonuç olarak gri çubukların benzer boyutta olduğunu not ederiz. Bir sonraki en büyük önem, mevsimsel ölçekte varyasyon olmakla birlikte, bu ölçekte varyasyon, orijinal verilerde gösterilen varyasyonun çok daha küçük bir bileşenidir. Kalanlar (kalan), gri çubuk diğer panellere göre çok büyük olduğu için sadece küçük stokastik dalgalanmaları temsil eder.
Genel fikir şu ki, tüm panelleri gri çubuklar aynı boyutta olacak şekilde ölçeklendirirseniz, bileşenlerin her birindeki varyasyonların göreceli büyüklüğünü ve orijinal verilerdeki varyasyonun ne kadarını belirleyebileceksiniz. içerdiler. Ancak grafik her bileşeni kendi ölçeğinde çizdiğinden, karşılaştırma için bize göreli bir ölçek vermek için çubuklara ihtiyacımız var.
Bu yardımcı olur mu?