STL Decomposition: Decomposição Sazonal-Tendência usando Loess
A Decomposição STL, introduzida por Cleveland, Cleveland, McRae e Terpenning (1990), é um procedimento não paramétrico que separa uma série temporal em três componentes aditivos — tendência, sazonalidade e resíduo — utilizando regressão iterativa localmente ponderada (loess). Amplamente utilizada em economia, meteorologia e ciência de dados, ela lida com séries temporais de qualquer periodicidade e é robusta à presença de valores atípicos (outliers), tornando-se uma alternativa altamente flexível aos métodos de decomposição clássicos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Cleveland, R. B., Cleveland, W. S., McRae, J. E., & Terpenning, I. (1990). STL: A seasonal-trend decomposition procedure based on loess. Journal of Official Statistics, 6(1), 3–73. link ↗
Como citar esta página
ScholarGate. (2026, June 2). STL: Seasonal-Trend Decomposition using Loess. ScholarGate. https://scholargate.app/pt/econometrics/stl-decomposition
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Modelo ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- Regressão Local LOESS / LOWESSAprendizado de máquina↔ compare
- Ajustamento Sazonal X-13ARIMA-SEATSEconometria↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →