Ausreißer in Zeitreihen verstehen, erkennen und ersetzen
In diesem Beitrag untersuchen wir:
- Verschiedene Arten von Zeitreihenausreißern
- Vorhersage- und schätzungsbasierte Methoden zur Erkennung von Ausreißern
- So gehen Sie mit unerwünschten Ausreißern durch Ersetzung um
Ausreißer sind Beobachtungen, die erheblich vom normalen Verhalten abweichen.
Aufgrund ungewöhnlicher und nicht wiederkehrender Ereignisse können Zeitreihen Ausreißer aufweisen. Diese wirken sich auf die Zeitreihenanalyse aus und führen zu falschen Schlussfolgerungen oder fehlerhaften Prognosen. Daher ist die Identifizierung und Behandlung von Ausreißern ein wichtiger Schritt zur Gewährleistung einer zuverlässigen Zeitreihenmodellierung.
In Zeitreihen werden Ausreißer üblicherweise in zwei Typen unterteilt: additive Ausreißer und progressive Ausreißer.
Additive Ausreißer
Ein additiver Ausreißer ist eine Beobachtung, die im Vergleich zu historischen Daten einen ungewöhnlich hohen (oder niedrigen) Wert aufweist.
Ein Beispiel für einen additiven Ausreißer ist der Anstieg der Verkäufe eines Produkts aufgrund einer Werbeaktion oder eines damit verbundenen viralen Inhalts. Manchmal entstehen diese Ausreißer aufgrund einer fehlerhaften Datenerfassung. Die Additivität hat damit zu tun…