Niveau d'étude
Bac +4
Composante
ENSIP : Ecole nationale supérieure d'ingénieurs de Poitiers
Description
Dans de nombreuses disciplines scientifiques, à l'ère du big data, un grand nombre de données temporelles sont accessibles et des outils d'analyse sont nécessaires dans un objectif de prédiction, de diagnostic, d'aide à la décision, voire simplement de simulation. Ce cours d'analyse de séries temporelles cherche à proposer des solutions efficaces à cette problématique classique. Il s'intéresse dans un premier temps aux premiers outils à déployer dans un contexte déterministe en présentant les thématiques suivantes :
- introduction de la méthode "Singular Spectrum Analysis" pour la détection de tendances et de saisonnalités,
- modélisation des tendances et saisonnalités à l'aide des moindres carrés linéaires,
- modélisation des tendances et saisonnalités à l'aide des moindres carrés non linéaires.
Fort de ces outils, la seconde partie de cet enseignement s'intéresse à la modélisation de la partie aléatoire des données. Elle se focalisera plus précisément sur les thématiques suivantes : - introduction de la notion de série temporelle et de processus stochastique stationnaire,
- étude des propriétés stochastiques des moindres carrés linéaires et non linéaires,
- présentation du théorème de Wold pour les processus stochastiques stationnaires,
- introduction des modèles de type AR et ARMA,
- présentation des solutions de type moindres carrés pour estimer les paramètres de modèles AR et ARMA de séries temporelles stationnaires.
Toutes ces notions seront illustrées à travers l'analyse de séries temporelles accessibles sur Internet.
Objectifs
- détecter des tendances et des saisonnalités dans une série temporelle à l'aide d'outils numériques
- modéliser des tendances et saisonnalités à l'aide des moindres carrés linéaires,
- modéliser des tendances et saisonnalités à l'aide des moindres carrés non linéaires,
- étudier les propriétés statistiques des résidus obtenus après l'utilisation des moindres carrés linéaires et non linéaires,
- représenter la dynamique des résidus à l'aide de modèles AR et ARMA
Heures d'enseignement
- TDTD24h
- CMCM10,5h