Séries chronologiques univariées (STT-6615).pptVIP

STT-6615; Séries chronologiques univariées; Chapitre 1 Séries chronologiques univariées (STT-6615) Chapitre 1 Modèles statistiques de séries chronologiques Objectif principal de l’analyse des séries chronologiques Un objectif particulièrement important de l’analyse des séries chronologiques consiste à développer des modèles mathématiques qui procurent des descriptions plausibles des données. Définition d’une série chronologiques On peut dire qu’une série chronologique se définit comme une collection de variables aléatoires indexées selon l’ordre qu’elles sont obtenues dans le temps. Un exemple de série chronologique: Processus stochastique De manière générale, considérons une collection de variables aléatoires: ou On dit que c’est un processus stochastique. De manière plus formelle, une série chronologique peut se définir comme une réalisation (finie) d’un processus stochastique. Caractéristiques visuelles des séries chronologiques Visuellement, ce qui distinguait les exemples précédents était principalement le degré de lissage. Une possible explication pour ce lissage est de présumer qu’il représente une conséquence que des points adjacents soient corrélés, de telle manière que la variable aléatoire Xt, soit fonction des valeurs passées Xt-1, Xt-2,…,. Bruit blanc Un premier exemple est une collection de variables aléatoires non corrélées, wt, de moyenne 0 et de variance finie Bruit blanc (faible): nom qui vient de l’ingénierie qui utilise ce modèle pour le bruit. Blanc: comme la lumière blanche (toutes les oscillations périodiques possibles sont présentes avec une force égale). Bruit blanc gaussien: Les variables aléatoires wt sont de chacune de loi normale. Bruit blanc fort et bruit blanc faible Bruit blanc fort: est une suite de variables aléatoires indépendantes et identiquement distribuées de moyenne zéro et de variance finie. Bruit blanc faible: est une suite de variables aléatoires non-corrélées de moyen