Modélisation et prévision des séries chronologiques
STA107
Objectifs pédagogiques :
But du cours : Ajustement des séries temporelles à l'aide de modèles basés sur des propriétés statistiques. Savoir choisir un modèle. Prévision à court-terme des séries temporelles
Public et conditions d'accès :
avoir réussi les UE : STA. 102 (Analyse des données, méthodes explicatives), STA. 103 (Calcul des probabilités), STA. 104 (Statistique mathématiques) et STA 115 (Outils informatiques de la statistique) ou des examens équivalents.
Méthodes de validation :
contrôle continu et examen écrit.
Contenu de la formation :
Introduction : exemples, vocabulaires, description
Modèle de régression
Lissages exponentiels : simple, double, Holt-Winters
Etude de la tendance et de la saisonnalité
Modélisation des séries stationnaires : AR, MA, ARMA. Estimation, choix de modèle et prévision
Processus non stationnaire : ARIMA et SARIMA
Prédiction linéaire : Modèles d'état, Filtrage de Kalman
Analyse et prévision simultanées de plusieurs séries chrono
Bibliographie :
- P. Brockwell and R. Davis: Time Series : Theory and Methods. Springer Series in Statistics. Springer, second edition, 1991
- Aragon, Y. (2011): Séries temporelles avec R: Méthodes et cas. Springer Science & Business Media.
Cette UE apparaît dans les diplômes et certificats suivants :
- CC3100A : Certificat de compétence Statistique pour la finance
- MR12303A : Master Sciences, technologies, santé, mention mathématiques appliquées, statistique parcours Science des données
- MR12301A : Master Sciences, technologies, santé, mention mathématiques appliquées, statistique parcours Statistique du risque pour la finance et l'assurance
- CC1200A : Certificat de compétence Data analyst - Chargé(e) d'études statistiques
