Cours et exercices corrigés
édition. Topologie. Hervé Queffélec. Cours et exercices corrigés l'exercice 1 chapitre I) seront sur le corps K = R ou C; on note evn un espace.
Exercices corrigés
Enfin utilisez la « bonne pratique » : recommencez l'exercice en transtypant les saisies effectuées avec l'instruction raw_input(). Cours no 2 : « Contrôle
MECANIQUE DES FLUIDES. Cours et exercices corrigés
notations dans la partie exercices corrigés et dans la partie cours. Les points importants sont écrits en caractère gras et les résultats sont encadrés.
Processus stochastiques et modélisation (Cours et exercices
(Cours et exercices corrigés). L3 MIAGE Université de Nice-Sophia Antipolis. 2011-2012. Chapitres 1
GEOMETRIE DESCRIPTIVE COURS ET EXERCICES AVEC
GEOMETRIE DESCRIPTIVE. COURS ET EXERCICES AVEC. SOLUTIONS. Page 2. Page 3. Page 4. Page 5. Première partie. COURS. Page 6. Page 7. Page 8. Page 9. Page 10
Sciences de gestion - Synthèse de cours exercices corrigés
de cours exercices corrigés. Éric DOR. &. Économétrie. Cours et exercices adaptés aux PEARSON Education France — Exercices d'Économétrie – 2e édition ...
COURS ET EXERCICES DE REGULATION
COURS ET EXERCICES DE REGULATION. 2. Résumé : La régulation est une discipline technique destiné a analysé et concevoir des systèmes de commande pratiques
Séries chronologiques (avec R) (Cours et exercices) M1 IM 2022
Pour les corrigés des exercices sur ordinateur : voir sur https://www.math.unice.fr/ · ~rubentha/cours.html. Prérequis : cours de L3 MASS d'introduction aux
Algèbre - Cours de première année
site Exo7 toutes les vidéos correspondant à ce cours ainsi que des exercices corrigés. Au bout du chemin
Cours dAlgèbre I et II avec Exercices CorrigésOM DE VOTRE
est vraie. 3. Exercices Corrigés. Exercice 1. Donner la négation des propositions suivantes : (1) ?x ? IR?y
Séries chronologiques (avecR)
(Cours et exercices)M1 IM, 2022-2023Sylvain Rubenthaler
Table des matières
Préfaceiii
Chapitre 1. Introduction 1
1.1. Tendances et composantes saisonnières 2
1.2. Indices descriptifs d"une série temporelle 2
1.3. Feuille d"exercices numéro 1 (durée : 3h) 4
1.4. Corrigé de la feuille d"exercices numéro 1 (qui constitue un exemple de ce qui est
attendu aux contrôles sur machine) 5Chapitre 2. Lissages exponentiels 15
2.1. Lissage exponentiel simple 15
2.2. Lissage exponentiel double 16
2.3. Méthode de Holt-Winters 18
2.4. Feuille d"exercices numéro 2 (durée : 3h) 20
Chapitre 3. Estimation et élimination de la tendance et de la saisonnalité 233.1. Bruit blanc 23
3.2. Processus stationnaire 23
3.3. Estimation paramétrique de la tendance 23
3.4. Estimation non paramétrique : moyenne mobile 26
3.5. Élimination de la tendance et de la saisonnalité par la méthode des différences 27
3.6. Test sur la série résiduelle 29
3.7. Exemple : un système proies-prédateurs 31
3.8. Feuille d"exercices numéro 3 (durée : 3h) 32
Chapitre 4. Modélisation des séries stationnaires 354.1. Auto-corrélation partielle 35
4.2. Les processus auto-régressifs 35
4.3. Les processus en moyenne mobile 39
4.4. Les processus mixtes ARMA(p,q). 39
4.5. Tableau des propriétés 42
4.6. Estimation, choix de modèle et prévisions 43
4.7. Processus non stationnaires : ARIMA et SARIMA 44
4.8. Feuille d"exercices numéro 4 (durée : 6h) 53
4.9. Corrigé de la feuille d"exercices numéro 4 54
4.10. Feuille d"exercices numéro 5 (durée : 6h) 60
Chapitre 5. Analyse spectrale 63
5.1. Densité spectrale 63
5.2. Le périodogramme 66
5.3. Récupération des composantes périodiques 67
5.4. Feuille d"exercices numéro 6 (durée : 3h) 67
Chapitre 6. ProcessusARCHetGARCH73
6.1. ProcessusARCH73
6.2. ProcessusGARCH75
i6.3. Feuille d"exercices numéro 7 (durée : 3h) 76
6.4. Feuille d"exercices numéro 8 (révisions) 77
6.5. Corrigé de la feuille d"exercices numéro 8 78
Table de la loi normale 85
Bibliographie87
Liste des symboles89
Index91
iiPréface
Ce polycopié s"inspire fortement de [Jac, OPV]. Les TP se feront enR, les exemples de programmes seront aussi donnés enR. Les corrigés des exercices sur tables sont inclus dans ce polycopié. Pour les corrigés des exercices sur ordinateur : voir surhttps://www.math.unice.fr/ ~rubentha/cours.html. Prérequis : cours de L3 MASS d"introduction aux séries chronologiques et cours de L3 MASS de probabilités. Important : les fichiers sources sont disponibles sur :https://www.math.unice.fr/~rubentha/cours.html. J"encourage toute personne enseignant ce cours à utiliser ces fichiers et à ajouter son
nom à la liste d"auteurs de ce polycopié. iii ivChapitre 1
Introduction
Définition1.1.Une série temporelle (ou série chronologique) est une suite réelle finie(xt)1tn
(n2N). L"indicetreprésente une unité de temps (qui peut être le mois, l"année ...). Exemple1.2.La figure 1.0.1 représente le total mondial des passagers aériens par mois entre1949 et 1960. Noter que les points sont reliés par des traits (qui sont là pour faire joli et n"ont pas
de signification particulière). Les données (AirPassengers) sont disponibles dansR.Figure 1.0.1.AirPassengers
L"objectif de l"étude des séries temporelles est de faire des prédictions sur l"évolution de la
série. Voici une liste non-exhaustive des modèles mathématiques que l"on pourra utiliser : Régression. On supp oseque xtest polynomial ent, par exemplext=2t2+1t+0+t (avectun bruit aléatoire). On estime les coefficients parb2,b1,b0(à partir des valeurs x1;:::;xn). Ainsi, avec la donnée dex1;:::;xn, on fera la prédictionbxn+1=b2(n+1)2+
b1(n+ 1) +b0de la valeurxn+1. 12 1. INTRODUCTION
Lissages exp onentiels(v oirc hapitresuiv ant).
Mo dèlesARMA, qui cons istentà e nleverde la série les tendances et la saisonnalité (=p é-
riodicité). Ces modèles sont plus lourds numériquement, mais plus performants.Les défis à relever (dans l"ordre) :
Définir un mo dèlea vecun nom brefini de paramètres.Estimer les paramètres du mo dèle.
Vérifier la qualité de l"a justementdu mo dèle,comparer d ifférentsmo dèles(on p ourra
découper les données en un échantillon d"apprentissage et un échantillon de test).Effectuer des prédictions.
1.1. Tendances et composantes saisonnières
Définition1.3.On dit que la série admet une tendance si on peut écrirext=f(t)+tavec fune fonction fixée et(t)des bruits aléatoires. Si f(t) =t+, on dit que la tendance est linéaire. Plus généralement, sixt=Pp i=0iti, on dit que la tendance est polynomiale. Si f(t)est périodique, on dit que la tendance est périodiqe. Si f(t) =s(t) +t+avecsune fonction périodique on dit que la série a une tendancelinéaire et une composante périodique (/saisonnière). (On remarque que ces définitions ne
sont pas très cohérentes.)1.2. Indices descriptifs d"une série temporelle
1.2.1. Indice de tendance centrale.Moyenne empirique :x
n=1n P n t=1xt.1.2.2. Indices de dispersion.Variance empirique :bn(0) =1n
P n t=1(xtx n)2(sa racine carrée est l"écart-type empirique).1.2.3. Indices de dépendance.(qui renseignent sur la dépendance entre les donnéesxt)
Auto-covariance empirique d"ordreh(hdansN) :bn(h) =1nhP nh t=1(xtx n)(xt+hx n) (h < npour que la formule ait un sens).Fonction d"auto-covariance empirique :h7!bn(h).
Auto-corrélation empirique :bn(h) =bn(h)bn(0)(prend ses valeurs dans[1;1]). Fonction d"auto-corrélation empirique :h7!bn(h). Remarque1.4.Les quantités empiriques ci-dessus sont des estimateurs consistants de cer- taines grandeurs (c"est à dire qu"elles convergent vers certaines grandeurs quandn!+1). Les convergences sont basées sur des applications de la loi des grands nombres. En particulier, pourh proche den(disonsjnhj<50), la quantitébn(h)n"a pas beaucoup d"intérêt. La représentation graphique deux nuage de points(xt;xt+1)1tn1illustre la valeur debn(1)(voir figure 1.2.1). Plus le nuage est arrondi, plusbn(1)est proche de0. Plus le nuage est allongé,
plusbn(1)est proche de1. Cette remarque est aussi valable pour lesbn(h)avech2. Proposition1.5.Supposonsxt=a+bt+t, avec(t)t1une suite de variable aléatoires i.i.d. (indépendantes et identiquement distribuées) eta6= 0. Supposons queE(21)<1. Alors, pourhfixé dansN, bn(h)p.s.!n!+11:Démonstration.Notons
n=1n (1+2++n). Nous avonsx n=1n n X t=1(at+b+t) =a(n+ 1)2 +b+ t:Fixonsh2 f1;2;:::;n1g. Nous avons
bn(h) =1nhnhX t=1 a tn+ 12 +t n a t+hn+ 12 +t+h n1.2. INDICES DESCRIPTIFS D"UNE SÉRIE TEMPORELLE 3
1nhnhX
t=1 a 2 tn+ 12 t+hn+ 12 + (t n)(t+h n) +(t n)a t+hn+ 12 +a tn+ 12 (t+h n)Nous avons
1nhnhX
t=1(t n)(t+h n) =1nh nX t=1 tt+h+ 2n nt+ht n! et (par application de la loi de grands nombres),1nhnhX
t=1 tt+hp.s.!n!+1E(11+h); n2nnhp.s.!n!+1E(21);
1nhnhX
t=1 nt+hp.s.!n!+1E(1)2;1nhnhX
t=1 ntp.s.!n!+1E(1)2:De plus, par Cauchy-Schwartz,
1nhnhX
t=1(t n)a t+hn+ 12 a1nhnhX
t=1(t n)2! 1=21nhnhX
t=1 t+hn+ 12quotesdbs_dbs22.pdfusesText_28[PDF] Étude et analyse de la phrase nominale arabe en HPSG - atala
[PDF] 1 L Analyse Grammaticale
[PDF] Analyse Granulométrique
[PDF] Méthode de l analyse granulométrique des sols - Grr
[PDF] 01 sols et materiaux de remblai 0101 analyse granulometrique des
[PDF] Essai granulométrique (tamisage)
[PDF] ANALYSE GRANULOMETRIQUE PAR TAMISAGE
[PDF] Essai granulométrique (tamisage)
[PDF] Analyse Granulométrique
[PDF] Analyse écrite et graphique Analyse écrite et graphique
[PDF] Analyse de tableau : « Guernica » De Pablo Picasso (1937)
[PDF] Python et traitement d 'images - ISIMA
[PDF] Analyse instrumentale (Théorie) - Université catholique de Louvain
[PDF] ANALYSE D 'UN CONTRAT Analyse d 'un contrat de travail