Seasonal Hybrid ESD笔记
背景知识
Student’s t-distribution 学生t-分布
用于根据小样本来估计呈正态分布且方差未知的总体的均值。如果总体方差已知（例如在样本数量足够多时），则应该用正态分布来估计总体均值。
假设 X 是呈正态分布的独立的随机变量，随机变量的期望值 μ 和方差 σ2 未知，那么随机变量 Z=X¯¯n−μσ/n√ 符合均值为0、方差为1的正态分布。 令 X¯¯¯n=(X1+⋯+Xn)/n 为样本均值的估计， Sn2=1n−1∑ni=1(Xi−X¯¯¯n)2 为样本方差的估计，随机变量 T=X¯¯n−μSn/n√ 的概率密度函数为 f(t)=Γ((ν+1)/2)νπ√Γ(ν/2)(1+t2/ν)−(ν+1)/2 ，其中 ν=n−1 是自由度，这个分布称为t-分布。
t-分布的形状类似于均值为0方差为1的正态分布，但更低更宽。随着 n 的增加，越来越接近均值为0方差为1的正态分布，如图所示。
Extreme Studentized Deviate (ESD) Test
又名Grubb’s Test或者Maximum Normed Residual Test，用于从正态分布的变量中检测离羣点（根据这里的说法是“exactly one outlier”）。使用前要注意检查数据是否真的符合正态分布。
对于双边检验，“没有离羣点”的假设以显著水平 α 被拒绝（即有大于 α 的可能性存在离羣点）的条件是 G=maxi=1,…,N∣∣Yi−Y¯∣∣s>N−1N√t2α/(2N),N−2N−2+t2α/(2N),N−2−−−−−−−−−−√ ，其中 tα/(2N),N−2 表示自由度为 N−2 的t-分布，对应显著水平 α/(2N) 时的临界值。
对于单边检测，只需将 α/(2N) 替换为 α/N
Generalized ESD
用于在近似符合正态分布的变量中检测离羣点。与ESD相比最大的区别在于不需要指定离羣点的个数，只需要指定要检测的离羣点个数的上限即可。
按照这里的介绍，假设要检测 k 个离羣点，就对数据重复使用 k 次ESD检验，如果发现离羣点就从数据里剔出去，然后在剩下的数据上重新检测。
LOESS
Local Regression，一种非参数化的回归方法，目的是在二维散点图上拟合出一条光滑的曲线。方法是在每一个点的邻域内使用一个加权的多项式拟合，距离越近的点权重越高。为了提升鲁棒性，实际位置与预期位置偏离越远权重越小，偏离过远的点会被舍弃。
不确定现在的工具包里具体如何算的。
STL
Seasonal and Trend decomposition using Loess，会把时间序列分解成seasonal signal、trend、residual三部分，只能处理加性信号。用到了LOESS。使用的时候需要注意两个参数，一个是计算trend的窗口大小，越大越平滑；一个是计算seasonal signal的窗口大小，不知道怎么设。找不到比较好的科普材料，所有文章（包括中文和英文）都只是演示了一下R。
STL分为inner loop和outer loop。其中inner loop包含以下几步：
1. Detrending。 Y−T(k) 。
2. Cycle-subseries Smoothing。对每一个周期内的数据做平滑，得到 C(k+1) 。没说具体用什么方法。
3. Low-Pass Filtering of Smoothed Cycle-subseries。进一步做平滑，得到 L(k+1) 。方法是moving average。
4. Detrending of Smoothed Cycle-sybseries。计算S分量， S(k+1)=C(k+1)−L(k+1) 。
5. Deseasonalizing。估计T分量（其实是T分量+噪声）， Y−S(k+1) 。
6. Trend Smoothing。对上一步的结果做平滑得到真正的T分量 T(k+1) 。
outer loop包括以下几步：
1. R=Y−T−S
2. 根据 R 重新用LOESS估计T分量。
outer loop和inner loop都可以重复多次，根据应用场景而定。
R语言提供了STL方法，Python需要用一些第三方的包。
Seasonal Hybrid ESD
先用STL把序列分解，考察残差项。假定这一项符合正态分布，然后就可以用Generalized ESD提取离羣点。
