Рассмотрим способ разложения временного ряда на трендовую, сезонную и остаточную составляющие. Под трендом понимаем общую закономерность ряда (изменение среднего значения со временем), под сезонностью — повторяющуюся закономерность в определенных периодах (чтобы говорить о сезонности, в датасете должно быть несколько периодов). Для демонстрации загрузим набор данных о статистике пассажирских перелетов с 1949 по 1960 из библиотеки pmdarima: Разложение на перечисленные выше составляющие можно произвести с помощью функции seasonal_decompose из модуля statsmodels...

В качестве исходных данных приведена статистика продаж помесячно. Требуется подготовить прогноз на 6 месяцев и рассчитать доверительный интервал. Необычно было увидеть на входе одномерный ряд. Пришлось вспоминать какой метод работает с одномерными временными рядами. Кроме того, интересно было найти решение для расчёта доверительного интервала. Кстати по доверительному интервалу не так уж и много информации. В основном всё общего плана - дана последовательность, посчитан интервал. А вот что делать, когда в датафрейме дана статистика продаж помесячно, с учетом общего тренда и сезонности...