Détection d'anomalies avec les fonctions de fenêtrage

Analyse des séries temporelles avec Tableau

Chris Hui

VP, Tracked

Écart type vs écart type glissant

  • L'écart type mesure la dispersion d'un ensemble de valeurs
    • Écart type élevé = forte variance
    • Écart type faible = faible variance

Un diagramme en boîtes montrant la différence entre un écart type élevé et faible

  • L'écart type glissant, calculé sur une fenêtre, aide à détecter une inflation de variance dans le temps

  • Une variance qui augmente peut signaler une anomalie à analyser

Une image montrant comment l'écart type glissant révèle une variance croissante dans le temps

Analyse des séries temporelles avec Tableau

Écart type et détection d'anomalies

  • La détection d'anomalies en séries temporelles suit en général la règle 68, 95, 99

  • ~ 68 % des valeurs = à 1 écart type de la moyenne

  • 95 % des valeurs = à 2 écarts types de la moyenne
  • ~ 99,7 % des valeurs = à 3 écarts types de la moyenne
  • Toute valeur > 3 écarts types de la moyenne est anormale

Une loi normale montrant les écarts types avant qu'une valeur soit jugée anormale selon la règle 68, 98 et 99

Analyse des séries temporelles avec Tableau

Limites de contrôle supérieure et inférieure

  • Utilisé surtout pour les séries temporelles univariées, plutôt que multivariées

  • Les cartes de contrôle visualisent efficacement les bornes haute et basse des valeurs jugées acceptables

  • Les valeurs au-delà de la moyenne de population ± 3 écarts types sont anormales

Analyse des séries temporelles avec Tableau

Qu'est-ce que les Z-scores ?

  • Le Z-score est le nombre d'écarts types séparant une donnée de la moyenne

  • Un Z-score positif indique une valeur au-dessus de la moyenne

  • Un Z-score négatif indique une valeur en dessous de la moyenne

  • À distinguer de l'écart type, qui mesure la dispersion entre points

Une image montrant les Z-scores par rapport à l'écart type

Analyse des séries temporelles avec Tableau

Z-scores et détection d'anomalies

  • Des Z-scores ±3 sont considérés anormaux, mais c'est contextuel

Un visuel montrant un seuil de Z-score à 1, avec de nombreuses anomalies

  • Plus le Z-score seuil est élevé, moins il y a d'anomalies ; cela dépend de la sensibilité de votre détection

Un visuel montrant un seuil de Z-score à 2, avec très peu d'anomalies

Analyse des séries temporelles avec Tableau

Passons à la pratique !

Analyse des séries temporelles avec Tableau

Preparing Video For Download...