Dưới đây là một ví dụ để thảo luận về chi tiết cụ thể chống lại:
> plot(stl(nottem, "per"))

Vì vậy, ở bảng trên, chúng tôi có thể coi thanh là 1 đơn vị biến thể. Thanh trên bảng theo mùa chỉ lớn hơn một chút so với bảng trên dữ liệu, cho biết tín hiệu theo mùa lớn so với sự thay đổi của dữ liệu. Nói cách khác, nếu chúng ta thu nhỏ bảng theo mùa sao cho hộp có cùng kích thước với bảng dữ liệu, phạm vi biến thể trên bảng theo mùa bị thu hẹp sẽ tương tự nhưng nhỏ hơn một chút so với bảng dữ liệu.
Bây giờ hãy xem xét bảng xu hướng; hộp màu xám bây giờ lớn hơn nhiều so với hộp trên dữ liệu hoặc bảng theo mùa, cho thấy biến thể được quy cho xu hướng nhỏ hơn nhiều so với thành phần theo mùa và do đó chỉ là một phần nhỏ của biến thể trong chuỗi dữ liệu. Biến thể được quy cho xu hướng nhỏ hơn đáng kể so với thành phần ngẫu nhiên (phần còn lại). Như vậy, chúng ta có thể suy luận rằng những dữ liệu này không thể hiện xu hướng.
Bây giờ hãy xem một ví dụ khác:
> plot(stl(co2, "per"))
cái nào cho

Nếu chúng ta xem xét kích thước tương đối của các thanh trên biểu đồ này, chúng tôi lưu ý rằng xu hướng chi phối chuỗi dữ liệu và do đó các thanh màu xám có kích thước tương tự. Tầm quan trọng lớn nhất tiếp theo là sự thay đổi ở quy mô theo mùa, mặc dù biến thể ở quy mô này là một thành phần nhỏ hơn nhiều của biến thể được thể hiện trong dữ liệu gốc. Phần dư (phần còn lại) chỉ đại diện cho dao động ngẫu nhiên nhỏ vì thanh màu xám rất lớn so với các bảng khác.
Vì vậy, ý tưởng chung là nếu bạn thu nhỏ tất cả các bảng sao cho các thanh màu xám có cùng kích thước, bạn sẽ có thể xác định cường độ tương đối của các biến thể trong mỗi thành phần và mức độ biến đổi của dữ liệu gốc họ chứa. Nhưng vì cốt truyện thu hút từng thành phần theo tỷ lệ riêng của nó, chúng tôi cần các thanh để cung cấp cho chúng tôi một tỷ lệ tương đối để so sánh.
Điều này có giúp được gì không?