1. 'T' corrisponde al trend , ossia il movimento tendenziale monotono di fondo, di lungo periodo, che mette in evidenza una evoluzione strutturale del fenomeno, dovuta a cause che agiscono in modo sistematico sullo stesso;
2. 'C' è il ciclo o quel movimento congiunturale originato dal presentarsi di condizioni più o meno favorevoli, di espansione e contrazione, del contesto economico nel quale si colloca il fenomeno in esame;
3. 'S' è la stagionalità che da luogo alle oscillazioni originate da fattori climatici (alternanza delle stagioni) e/o di organizzazione sociale;
4. 'E' è la componente accidentale (o componente di disturbo), che è data da movimenti irregolari, erratici o accidentali provocati da una serie di circostanze ciascuna di entità trascurabile.

Nel caso specifico del nostro lavoro:

1. le serie storiche sono relative alle presenze mensili dei clienti negli esercizi ricettivi della Toscana, a partire dai dati del 2012;
2. l’analisi si riferisce a 3 universi: 1) il totale dei clienti, distinti fra italiani e stranieri, 2) gli italiani, nel dettaglio delle regioni e 3) gli stranieri, suddivisi per paese di provenienza. Nel caso delle regioni italiane e dei paesi di provenienza estera, le serie sono state indicizzate, per permettere il confronto col dominio di riferimento (totale presenze italiane e totale presenze stranieri); la base dei numeri indice è costituita dalla media 2012 delle presenze mensili;
3. ad integrazione del grafico sulla stagionalità, è calcolato il valore annuale della concentrazione delle presenze mensili. Tale indice, che corrisponde all’indice R di Gini, è computato secondo la seguente formula R= 2/n-1 Σi (pi-qi) , dove pi sono le frazioni cumulate degli i mesi e qi le presenze cumulate relative. L’indice assume valori compresi fra 0 e 1: è 0 quando le presenze sono ugualmente distribuite nei 12 mesi, assume valore 1 quando tutte le presenze di un anno sono concentrate in un mese;
4. la scomposizione delle serie storiche è stata effettuata in ambiente R con la funzione stl(), specificando un valore di s.window =5, per la stima della stagionalità (più il valore imputato è piccolo più sono evidenti le oscillazioni della stagionalità, con conseguente lisciamento del trend).