นี่คือตัวอย่างเพื่อหารือเฉพาะกับ:
> plot(stl(nottem, "per"))
ดังนั้นบนแผงด้านบนเราอาจมองว่าแถบนั้นเป็นความแปรปรวน 1 หน่วย แถบบนแผงตามฤดูกาลมีขนาดใหญ่กว่าแถบแผงข้อมูลเพียงเล็กน้อยเท่านั้นซึ่งบ่งชี้ว่าสัญญาณตามฤดูกาลนั้นมีขนาดใหญ่เมื่อเทียบกับการเปลี่ยนแปลงของข้อมูล กล่าวอีกนัยหนึ่งถ้าเราย่อขนาดตามฤดูกาลลงในกล่องข้อมูลให้มีขนาดเท่ากันในแผงข้อมูลช่วงของการเปลี่ยนแปลงในแผงฤดูกาลหดจะคล้ายกับ แต่มีขนาดเล็กกว่าเล็กน้อยบนแผงข้อมูล
ตอนนี้พิจารณาแผงแนวโน้ม; ขณะนี้กล่องสีเทามีขนาดใหญ่กว่ากล่องข้อมูลหรือแผงควบคุมตามฤดูกาลแสดงให้เห็นว่าการเปลี่ยนแปลงที่เกิดขึ้นกับแนวโน้มนั้นมีขนาดเล็กกว่าองค์ประกอบตามฤดูกาลและส่งผลให้มีการเปลี่ยนแปลงเพียงเล็กน้อยในชุดข้อมูล การเปลี่ยนแปลงที่เกิดจากแนวโน้มมีขนาดเล็กกว่าองค์ประกอบสุ่ม (ส่วนที่เหลือ) ดังนั้นเราจึงสามารถอนุมานได้ว่าข้อมูลเหล่านี้ไม่มีแนวโน้ม
ตอนนี้ดูตัวอย่างอื่น:
> plot(stl(co2, "per"))
ซึ่งจะช่วยให้
หากเราดูขนาดสัมพัทธ์ของแถบบนพล็อตนี้เราจะทราบว่าเทรนด์นั้นครอบงำชุดข้อมูลและทำให้แถบสีเทามีขนาดใกล้เคียงกัน สิ่งที่สำคัญที่สุดต่อไปคือการเปลี่ยนแปลงในระดับฤดูกาลแม้ว่าการเปลี่ยนแปลงในระดับนี้จะเป็นองค์ประกอบที่เล็กกว่ามากของการเปลี่ยนแปลงที่แสดงในข้อมูลต้นฉบับ ส่วนที่เหลือ (ส่วนที่เหลือ) เป็นเพียงความผันผวนเล็ก ๆ น้อย ๆ เนื่องจากแถบสีเทามีขนาดใหญ่มากเมื่อเทียบกับแผงอื่น ๆ
ดังนั้นแนวคิดทั่วไปคือถ้าคุณปรับขนาดพาเนลทั้งหมดที่แถบสีเทามีขนาดเท่ากันคุณจะสามารถกำหนดขนาดสัมพัทธ์ของความแปรปรวนในแต่ละองค์ประกอบและความแปรปรวนของข้อมูลต้นฉบับ พวกเขามี แต่เนื่องจากพล็อตดึงองค์ประกอบแต่ละส่วนมาในสเกลของตัวเองเราจึงต้องการแท่งที่ให้สเกลสัมพัทธ์กับเราเพื่อทำการเปรียบเทียบ
สิ่งนี้ช่วยอะไรบ้าง