Séries temporelles
On a ?Xt = Xt ? Xt?1 = µ + Zt qui est stationnaire. Exercice 1.4 (Somme de processus stationnaires). Soient X = (Xt) t?Z.
Séries chronologiques (avec R) (Cours et exercices) M1 IM 2021
programmes seront aussi donnés en R. Les corrigés des exercices sur tables L'objectif de l'étude des séries temporelles est de faire des prédictions sur ...
Sciences de gestion - Synthèse de cours exercices corrigés
Séries temporelles. Quand une équation semble décrire correctement la manière dont une variable évolue d'une période à l'autre en fonction de l'évolution
Séries chronologiques : recueil dexercices
Exercice 9. Trouvez des séries temporelles ayant comme fonction d'auto- covariance les fonctions suivantes : a) ?(h)=1 h =
Introduction aux séries temporelles
Université Paris-Dauphine — M1 MA 2012/2013 — Séries Temporelles. Examen partiel Exercice 3 (Construction d'un processus stationnaire).
COURS DE SERIES TEMPORELLES THEORIE ET APPLICATIONS
Exercices corrigés et compléments informatiques. ARTHUR CHARPENTIER arthur.charpentier@ensae.fr. DESS Actuariat & DESS Mathématiques de la Décision
Econométrie Appliquée Séries Temporelles
Dans la ”vraie vie” on peut ainsi multiplier cet exercice à l'infini. Il suffit de considérer deux séries non stationnaires
Analyse des séries temporelles
Analyse des séries temporelles. Applications à l'économie et à la gestion. Cours et exercices corrigés. Régis Bourbonnais. Michel Terraza. 4e édition
Séries chronologiques (avec R) (Cours et exercices)
6 janv. 2020 programmes seront aussi donnés en R. Les corrigés des exercices sur tables ... L'objectif de l'étude des séries temporelles est de faire des ...
[PDF] exercices-avec-correctionpdf - Séries temporelles
Pensez-vous qu'une droite horizontale est la réalisation d'un processus stationnaire? Même question pour une sinusoïde Solution succincte de l'exercice 1 1 (
[PDF] Séries chronologiques (avec R) (Cours et exercices) M1 IM 2022
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
[PDF] TD de Séries Temporelles
4) Commentez les résultats obtenus dans cet exercice Ex 2 Stationarité Soit (?n)n?Z un bruit blanc fort (suite iid) de variance ?2 Etudier
Séries Temporelles - La page personnelle de Prof Mohamed El
Exercices sur les séries temporelles pou Document Adobe Acrobat 4 8 MB Télécharger · Télécharger Compléments du cours et exercices corrigés
[PDF] Renforcement Séries Chronologiques
Exercice 1 Le but de cet exercice est de montrer que la somme de deux processus stationnaires n'est pas nécessairement stationnaire
[PDF] Examen du 10/03/2020 corrigé
10 mar 2020 · Exercice 1 (/3) i=0 ai étant absolument sommable la série ?? de 4 séries temporelles pour lesquelles il a représenté/calculé
[PDF] Soit (X t)t la série temporelle définie pour tout t ? Z p
2A 2019–2020 Séries temporelles : Exercices ENSAI Exercice 1 : Soit (Xt)t la série temporelle définie pour tout t ? Z par Xt = mt + st + ?t
[PDF] Séries chronologiques
des théories différentes : les séries temporelles univariées ou multivariées Les corrigés de la plupart des exercices sont reportés `a la fin du cours
[PDF] SÉRIES TEMPORELLES — FICHE DE TRAVAUX DIRIGÉS NO 1
13 nov 2009 · Calculer aussi la variance ?(0) Tracer les corrélations Exercice 11 — (i) Vérifier si le processus AR(2) défini par Xt = ?0 3Xt?
[PDF] Introduction aux séries temporelles - Djalil Chafaï
Université Paris-Dauphine — M1 MA 2012/2013 — Séries Temporelles Examen partiel Exercice 3 (Construction d'un processus stationnaire)
Departement de Mathematiques
Master 2 Ingenierie mathematique 2012-2013
TD de Series Temporelles
F. Lavancier, A. Philippe
Ex 1.Indices descriptifs d'ordre deux
On considere une serie chronologique (x1;;xn) de longueurnet on note ^xn(h) la suite des auto-correlations empiriques1) Sixj=aj+bpourj2 f1;;ngouaetbsont des constante eta6= 0, montrer
que la suite (xj) n'est pas stationnaire et que : lim n!1^n(h) = 12) Siyj=acos(!j) pourj2 f1;;ngouaet!sont des constante aveca6= 0,
!6= 0 et!2];[, montrer que la suite (yj) n'est pas stationnaire et que : lim n!1^n(h) =cos(!h)Indication :
n X j=1cos((j+l)) = cosn+ 12 +l sin(n=2)sin(=2)3) Soit (n) un bruit blanc centre et de variance 1. Calculer l'esperance des cova-
riances empiriques ^n(h) pour les serieszj=j+jpourj2 f1;;ng(modele additif) etwj=jjpourj2 f1;;ng(modele multiplicatif).4) Commentez les resultats obtenus dans cet exercice.
Ex 2.Stationarite
Soit (n)n2Zun bruit blanc fort (suite iid) de variance2. Etudier la stationarite des processus suivants :1.Xn=a+bn+cn1aveca,b,cdes reels non nuls.
2.Xn=nn1
3.Xn=ncos(!n) +n1sin(!n) avec!6= 0.
Ex 3.Stationarite
Soit (n)n2Zun bruit blanc fort (suite iid) de variance2. Soit X n=an+b+n1) A quelle condition le processus (Xn) est-il stationnaire?
2) Etudier la stationarite deYn=XnXn1.
Ex 4.La somme de deux processus stationnaires est-elle necessairement un processus stationnaire? La somme de deux processus non stationnaires est-elle necessairement un processus non stationnaire? La somme d'un processus stationnaire et d'un processus non stationnaire est-elle ne- cessairement un processus non stationnaire? Ex 5. Soit (n)n2Zun bruit blanc fort (suite iid) de variance2. Soit X n=nn1 oujj 1.1) Calculer l'autocorrelogramme de (Xn).
2) Soit la fonction :Z7!Rsuivante :
(h) =8 :1 sih= 0 sih2 f1;1g0 sinon:
(a) Lo rsquejj 1=2, preciser un processus stationniare dont est l'autocorrelo- gramme. (b) L orsquejj>1=2, montrer que n'est pas denie positive et donc ne peut representer un autocorrelogramme. 2Ex 6.Etude de quelques ltres classiques
1) Montrer que le ltre
Hx(n) =112
xn62 +xn5++xn+5+xn+62 annule toute serie de periode 12, de moyenne nulle sur sa periode. Montrer qu'il laisse invariant toute tendance lineaire.2) Montrer (par recurrence) que le ltre (1B)d, oudest un entier positif, reduit
a une constante toute tendance polynomiale de degre inferieur ou egal ad.3) Montrer que le ltre (1Bs), ousest un entier positif, annule toute tendance
lineaire et toute saisonalite d'ordres.4) SoitXn=an+b+Sn+Ynouaetbsont des constantes reelles non nulles et
ouSnest une serie periodique de periode 12, de moyenne nulle sur sa periode.Ynest un residu stationnaire centre. Quels ltres peut-on appliquer aXnpourEst imerl at endance
Est imerl asa isonaliteSn
Est imerl ap arties tationnaireYn
El iminerl at endanceet l asa isonalitep ourn ega rderqu 'unes eries tationnaire?( en vue d'une prevision par exemple).5) Soit les ltresA= (1B)HetF= 1B12. Calculer le pouvoir de reduction de
variance deA, i.e. le rapportV(An)=V(n) lorsque (n) est un bruit blanc de variance2. Comparer avec le pouvoir de reduction de variance deF.
Ex 7.Soit les ltres moyennes mobiles suivants :
M 3=13B2(I+F+F2)
M4= 2M3(M3M3)
1) Montrer queM4laisse invariantes les tendances lineaires.
2)M4annule-t-il les series periodiques de periode 3, de moyenne nulle sur leur pe-
riode?3) Calculer le pouvoir de reduction de variance deM4, i.e. le rapportV(M4n)=V(n)
lorsque (n) est un bruit blanc de variance2. 3 Universite de Nantes { UFR des Sciences et TechniquesDepartement de Mathematiques
Master 2 Ingenierie mathematique 2012-2013
TD de Series Temporelles
F. Lavancier, A. Philippe
Processus ARMA. ProcessusL2
Ex 8. Soit (n)nun bruit blanc de variance2. Soit (Xn) le processus suivant la representation X n=12 Xn114Xn2+n:
1) Montrer qu'il existeXnstationnaire et que la representation precedente est cano-
nique.2) Montrer que les termes d'autocovariance(h) deXnverient l'equation de recur-
rence suivante (h) =12 (h1)14 (h2):3) Exprimer(1) et(2) en fonction de(0).
4) Resoudre l'equation de recurrence et exprimer(h) en fonction de(0).
5) Calculer(0) en fonction de2.
Ex 9. Soit (n)nune suite de i.i.d. suivant uneN(0;1) et soit le processus MA(1) suivant : X n=nn1 ou6= 0 etjj<1.On considere le processus (Yn) suivant :
Y n=(1 siXn>0
0 siXn0:
1) Quelle est la loi des variables aleatoiresYn?
2) Quelle est la loi jointe du vecteur (Xn;Xn1)?
3) Montrer que le processus (Yn) est stationnaire et donner sa fonction de covariance.
Indication :On admettra que
cov(Yn;Yn1) =K=1 arctan"1 +21 +2+
1=2# 144) On peut deduire de ce qui precede (cf cours) que (Yn) admet une representation
du type : Y n=+nn1; ouest une constante et (n) est un bruit blanc de variance2. Preciseret proposer une methode pour calculeret2.5) Ayant observe (Yn), peut-on retrouver une estimation de?
Ex 10.
Soit (n)nune suite de i.i.d. suivant uneN(0;2) et soit le processus AR(1) suivant : X n=Xn1+n;(1) ou6= 0 etjj<1.1) CalculerE(Xn) etV ar(Xn).
2) Calculer la fonction d'autocovariance et d'autocorrelation de (Xn).
3) Calculer la fonction d'autocorrelation partielle de (Xn).
4) On observe (X1;:::;Xn). On suppose pour simplier queX1=1, la relation (1)
n'etant valable qu'a partir den= 2. Estimeret2par la methode du maximum de vraisemblance. Indication :Ecrire la vraisemblance de (X1;:::;Xn) a l'aide de celle de (1;:::;n) Ex 11.Soit (n)nun bruit blanc de variance 1. Soit (Xn) le processus suivant la repre- sentation X n= 4Xn14Xn2+n:1) Existe-t-il une solution stationnaire a l'equation precedente? La representation
est-elle canonique?2) Determiner la representation canonique de (Xn) en notant (n) le bruit blanc
associe. CalculerV ar(n).3) Quelle est l'ecriture moyenne mobile innie du processus (Xn)? En deduireE(Xn)
etV ar(Xn).4) Calculer l'autocorrelation (simple) de (Xn). Calculer explicitement(h) pourh2
f0;1;2;3;4g.5) Calculer l'autocorrelation partielle de (Xn).
6) Soit le processus (Yn) suivant :
Y n=34Yn1+14
Xn1+n;
ou (n) est un bruit blanc de variance 1, non correle avec (n).Soit le processus (!n) deni par
n= 134L 112
L 2 Y n: (a) CalculerE(!n) etV ar(!n). (b) Calculer l'autocorrelation simple!de (!n). (c) En deduire que (!n) est solution de l'equation n=n+1n1+2n2; ou (n) est un bruit blanc. (d) En deduire que (Yn) est un processus ARMA dont on precisera les ordres.
Indication :Pour 0< <1, on a
1 X i=0i i=(1)2;1X i=0i2i=(+ 1)(1)3:
5 Ex 12.On considere le processus (Yn) deni parYn= 2Yn1+unou (un) est un bruit blanc centre de variance 5=18. On suppose que l'observation deYnest entachee d'une erreur et qu'on observeXn= Y n+nou (n) est un bruit blanc centre, de variance 1=6, non correle avec (un).1) Montrer que le processus!n=un+n2n1est un processus moyenne mobile.
2) En deduire que (Xn) est un processus ARMA dont on precisera les ordres.
3) Donner la representation canonique de (Xn).
4) En deduire une representation du type :
X n=1X i=1 iXni+n;quotesdbs_dbs5.pdfusesText_10[PDF] méthode des moyennes mobiles
[PDF] exercices corrigés moyenne mobile pdf
[PDF] les nombres réels exercices corrigés pdf exo7
[PDF] exercices sur les nombres réels seconde
[PDF] exercices corrigés sur les alcènes et alcynes pdf
[PDF] exercices corrigés olympiades mathématiques 2004
[PDF] exercices corrigés photosynthèse seconde
[PDF] corrigé livre physique terminale s hatier
[PDF] livre physique chimie terminale s hachette élève
[PDF] exercice vitesse moyenne et instantanée
[PDF] introduction probabilités conditionnelles
[PDF] exercice produit vectoriel mécanique
[PDF] exercices corrigés produit vectoriel dans lespace
[PDF] cours mouvement dun projectile